计算机中的树（2）
总目录传送门：
https://blog.csdn.net/m0_56289903/article/details/121270356?spm=1001.2014.3001.5502目录
从二叉查找树到二叉平衡树
二叉查找树（Binary Search Tree）：
二叉搜索树就是在二叉树的基础上，固定了数据存入的顺序，我们固定左边子树小于根节点，右边子树大于根节点，存入的时候排好顺序，那么我们搜索的速度就会加快很多了。而且不仅搜索，还支持快速插入和删除数据
二叉搜索树有以下特点：
-
若任意节点的左⼦树不空，则左⼦树上所有结点的值均⼩于它的根结点的值；
-
若任意节点的右⼦树不空，则右⼦树上所有结点的值均⼤于它的根结点的值；
-
任意节点的左、右⼦树也分别为⼆叉查找树
我们从root节点：27来看，27的左子树都是小于27的，右子树都是大于27的，他的左子树和右子树也都是二叉查找树。我们就说这个树是一个二叉查找树。
这样的好处是什么呢？这就解决了一个搜索的无序性问题，我们要搜索一个数，只需要对当前节点的大小与目标值进行判断，首先判断是否相等，然后判断大于就递归查询右子树，小于就遍历查询左子树，大大的减少了搜索的O。
但是二叉查找树会不会存在一种特殊情况呢？当二叉查找树处于链状结构的时候，他的搜索又会回到遍历链表的情况：
如果我们对一个二叉搜索树进行了操作，导致其成为上图的链状结构的时候，我们会发现，这个树满足二叉树的所有定义，但是他的O还是达到了O（n），也就是遍历链表。因此,在二叉查找树的基础上,又出现了AVL树,红黑树,它们两个都是基于二叉查找树,只是在二叉查找树的基础上又对其做了限制.
平衡二叉树（ALV Tree）：
AVL树是带有平衡条件的二叉查找树,一般是用平衡因子差值判断是否平衡并通过旋转来实现平衡,左右子树树高不超过1。不管我们是执行插入还是删除操作只要左右子树树高超过了1，我们就要通过旋转来保持平衡。所以这种数据结构一般用于删除增加较少，查询较多的情况完全平衡的状态下，最好的情况是 O(logn)。
平衡的定义是说从空链接到根节点距离相等
平衡二叉树中一个重要的概念就是左旋和右旋：
右旋的基本实现就是，当成为一个连续左链（左子树树高超过了1）的情况下，用自己的左子节点代替自己的位置，然后自己变成右子节点：
假设我们有一个树，节点是2-3：
这时我们需要插入一个新节点1：
此时1-3的高超过了1，所以右旋：用2代替3的位置，3变成2的右子节点：
左旋也是相同的道理，我们在上图中插入4和5：
1节点和节点3的高度相差超过了1，所以我们用4代替3的位置，然后3变成4的左子节点：
那么我再继续插入6会出现什么情况呢：
很明显节点2的左子树右子树的高度相差超过了1，所以左旋（注意2-4-3），用4代替2的位置，3变成2的右子节点：
继续插入7：
很明显需要左旋来达到平衡：
这时候如果我们先插入10，再插入9会变成什么样呢：也就是先查大的，再插相对小的
这个结构和我们之前看到的是不同的，所以这种情况我们需要进行两次旋转：
我们首先主要这三个节点，这种降低高度很明显需要变成下图：
所以我们需要先右旋用9代替10的位置，然后10变成9的右子节点：
然后再左旋，用9代替7的位置，7变成9的左子节点，就得到了上面我们想要的形态：
这时候整体图变成了：
结合上图总结一下规律：
| 插入方式 | 描述 | 旋转方式 |
|---|---|---|
| LL | 在a的左子树根节点的左子树上插入节点而破坏平衡 | 右旋转 |
| RR | 在a的右子树根节点的右子树上插入节点而破坏平衡 | 左旋转 |
| LR | 在a的左子树根节点的右子树上插入节点而破坏平衡 | 先左旋后右旋 |
| RL | 在a的右子树根节点的左子树上插入节点而破坏平衡 | 先右旋后左旋 |
这就是平衡二叉树的基本性质与平衡方法。但是我们也可以明显的发现，AVL树为了实现完全的平衡，他的旋转操作很多，所以增加和删除的性能损耗就会很大。所以红黑树作为新的数据结构，就是用来处理插入和删除相对较多的情况下的使用。
扫一扫
1万+
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
