1.红黑树的概念
红黑树,是一种二叉搜索树,但在每个结点上增加一个存储位表示结点的颜色,可以是Red或
Black。 通过对任何一条从根到叶子的路径上各个结点着色方式的限制,红黑树确保没有一条路
径会比其他路径长出俩倍,因而是接近平衡的。
2.红黑树的规则
1. 每个结点不是红色就是黑色。
2. 根节点是黑色的 。
3. 如果一个节点是红色的,则它的两个孩子结点是黑色的 。
4. 对于每个结点,从该结点到其所有后代叶结点的简单路径上,均包含相同数目的黑色结点 。
5. 每个叶子结点都是黑色的(此处的叶子结点指的是空结点)。
满足了上面的性质,红黑树就能保证
其最长路径中节点个数不会超过最短路径节点个数的两倍。
3.红黑树节点的定义
#pragma once
#include <iostream>
using namespace std;
namespace L
{
enum Color//节点的颜色
{
RED,
BLACK,
};
template <class T>
struct RBTreeNode
{
RBTreeNode<T>* _left;//左孩子
RBTreeNode<T>* _right;//右孩子
RBTreeNode<T>* _parent;//父亲
T _data;//节点的值域
Color _col;//节点的颜色
RBTreeNode(const T& data)
:_left(nullptr)
, _right(nullptr)
, _parent(nullptr)
, _data(data)
{}
};
}
4.红黑树的插入
红黑树是在二叉搜索树的基础上加上其平衡限制条件,因此红黑树的插入可分为两步:
1. 按照二叉搜索的树规则插入新节点
pair<Iterator,bool> Insert(const T& data)
{
if (_root == nullptr)
{
_root = new Node(data);
_root->_col = BLACK;
return make_pair(Iterator(_root),true);
}
Node* parent = nullptr;
Node* cur = _root;
KeyofT KOT;
while (cur)
{
if (KOT(cur->_data) < KOT(data))
{
parent = cur;
cur = cur->_right;
}
else if (KOT(cur->_data) > KOT(data))
{
parent = cur;
cur = cur->_left;
}
else
{
return make_pair(Iterator(cur), false);
}
}
cur = new Node(data);
Node* newnode = cur;
cur->_col = RED;
if (KOT(parent->_data) < KOT(data))
{
parent->_right = cur;
}
else
{
parent->_left = cur;
}
cur->_parent = parent;
while (parent && parent->_col == RED)
{
//。。。
}
return make_pair(Iterator(newnode), true);
}
按照二叉搜索树的规则,比key小的往节点右孩子走,比key大的往节点左孩子走。
2. 检测新节点插入后,红黑树的性质是否造到破坏
因为新节点的默认颜色是红色,因此:如果其双亲节点的颜色是黑色,没有违反红黑树任何
性质,则不需要调整;但当新插入节点的双亲节点颜色为红色时,就违反了性质三不能有连
在一起的红色节点,此时需要对红黑树分情况来讨论:
cur为当前节点,p为父节点,g为祖父节点,u为叔叔节点
情况一: cur为红,p为红,g为黑,u存在且为红
解决方式:将p,u改为黑,g改为红,然后把g当成cur,继续向上调整。
情况二: cur为红,p为红,g为黑,u不存在/u存在且为黑
当u存在时:
p为g的左孩子,cur为p的左孩子,则进行右单旋转;相反,
p为g的右孩子,cur为p的右孩子,则进行左单旋转
p、g变色--p变黑,g变红。
当u不存在时:
解决方法:cur是p的左孩子,p是g的左孩子,直接对g右单旋,p变黑,g变红。
情况三: cur为红,p为红,g为黑,u不存在/u存在且为黑
此种情况是针对情况二的变种情况来讨论的,cur为p的右孩子时,需要先对p进行左单旋,然后就变成情况二,再按情况二的解决方法来解决。
u存在:
u不存在:
while (parent && parent->_col == RED)
{
Node* grandfather = parent->_parent;
if (parent == grandfather->_left)
{
Node* uncle = grandfather->_right;
//情况1:u存在且为红,变色处理,并继续往上处理
if (uncle && uncle->_col == RED)
{
parent->_col = uncle->_col = BLACK;
grandfather->_col = RED;
//继续向上调整
cur = grandfather;
parent = cur->_parent;
}
else //情况2+3:u不存在/u存在且为黑,旋转+变色
{
if (cur == parent->_left)
{
RotateR(grandfather);
grandfather->_col = RED;
parent->_col = BLACK;
}
else
{
RotateL(parent);
RotateR(grandfather);
cur->_col = BLACK;
parent->_col = grandfather->_col = RED;
}
break;
}
}
else// parent == grandfather->_right
{
Node* uncle = grandfather->_left;
//情况1:u存在且为红,变色处理,并继续往上处理
if (uncle && uncle->_col == RED)
{
parent->_col = uncle->_col = BLACK;
grandfather->_col = RED;
//继续向上调整
cur = grandfather;
parent = cur->_parent;
}
else //情况2+3:u不存在/u存在且为黑,旋转+变色
{
if (cur == parent->_right)
{
RotateL(grandfather);
parent->_col = BLACK;
grandfather->_col = RED;
}
else
{
RotateR(parent);
RotateL(grandfather);
cur->_col = BLACK;
grandfather->_col = RED;
}
break;
}
}
}
_root->_col = BLACK;
5.红黑树与AVL树的比较
红黑树和AVL树都是高效的平衡二叉树,增删改查的时间复杂度都是O(logN),红黑树不追求绝对平衡,因此减少了插入和旋转的次数,在增删的结构中比AVL树性能更优。因为红黑树实现起来也比较简单,所以实际运用红黑树较多。