搜索二叉树，AVL树，红黑树

数据的逻辑结构分为线性结构和非线性结构。

线性结构：一对一关系

非线性：

树形结构：一对多关系

图形或网状结构：多对多关系

集合：结构中的数据元素之间除了“同属于一集合”的关系外，别无其他关系

---

当向二叉排序树中插入一个结点，则该结点一定成为叶子结点。

总是在最底层找到一个合适的位置，不用考虑是否平衡，极端情况就是一直插入比上一个大的，退化成链表，但插入的新节点，始终是二叉排序树的底层叶子结点，所以在最高层数插入，层数就会+1；因为比着比着，总有更接近，只要不相等的话，细分的越来越精确，直到到了底层，没了，就比不下去了

目说的是二叉排序树，插入在叶子结点，不需要调整。

而AVL树才需要调整，此时不一定是叶子结点

高度差，又名平衡因子，范围为[-1,0,1]，在此规定平衡因子 bf = 右子树的高度-左子树的高度

当有新的结点插入之前，该树一定是一个平衡二叉树

按照普通搜索树的方式插入结点cur（即直接作为叶子结点，在底层找到对应的位置）
插入之后，调整cur的 parent.bf：插入到左边 bf --；插入到右边 bf++；（插入后，对层数造成了影响，进而使平衡因子发生改变）
bf变为3种值：
（1）0：插入结束
（2）-1/1：调整 bf 的过程向上蔓延
（3 ）-2/2：进行修复，
对失衡的情况进行修复
插入完成之后，该树依然是一个平衡二叉树

具体步骤
通过查找，找到key的合适的位置并将key插入（如果已经存在，则放弃查找）

设置并修改平衡因子：

设置新插入的结点 cur 的平衡因子，新插入的结点的平衡因子是 0（未调整的），因为一定插入在叶子结点
修改 cur 的父节点 parent 的平衡因子 bf
如果cur是parent的左子树，parent.bf -= 1
如果cur是parent的右子树，parent.bf += 1
修改parent.bf 之后，parent.bf 的取值范围为 [-2,-1,0,1,2]

只要紧相连的父节点平衡因子因插入而变为1时，就要对全部的父节点的平衡因子做一次调整

直接插入并不会使与之相邻的父节点的平衡因子超过1，最多使其到1，真正到2的，是在紧相连的父节点到1后对其他父节点的平衡因子的调整，才使其从原本的1进一步到2

失去平衡的调整方法：
解决失衡的方法口诀
左左失衡，parent右旋；
左右失衡，cur左旋，parent右旋；
右右失衡，parent左旋；
右左失衡，cur右旋，parent左旋；
解析：parent为当前失衡的结点，cur为parent的孩子（新结点所在的子树的根节点，并非插入的新节点）

 

如果从根节点（失衡的结点）到新插入的结点是一路向左，即左左失衡（00）；如果中途向右了（先向左后向右，01），即左右失衡；如果一路向右，即为右右失衡（11）；如果中途向左了，即右左失衡（先向右后向左，10）； 

失衡就代表层数差到了2，就是失衡结点到新增结点共有两步路，每步路共有两个方向，则实质上共有4种本质情况.且失衡的部分层数一定是2

本质即为LL,LR,RL,RR，共有三个点（失衡的根节点，中间结点，新增结点），两个方向（失衡的根节点到中间结点，中间节点到新增结点)

出现这种情况是因为10有左结点9，从而使10平衡了一下，但7并没有，实质上还是RR情况，看的时候可以去掉9，9在左旋时也要归到7的右节点上 （10失衡的时候7一定失衡，7失衡的时候10不一定失衡，因为10的规模更小，左右子树要求为AVL的限制不明显，更容易被平衡）

左旋：指将根节点的右侧往左拉，原先的右子节点变成新的父节点，并把多余的左子节点出让，给已经降级的根节点当右子节点。

左侧是比根节点小的，右侧是比根节点大的

左旋后，原本有两个儿子的根节点变成只有一个儿子，类似于原来是多个不等式，现在变连续了（b为根节点，a<b(左儿子a）,b<c(右儿子c)变为c为根结点，a<b<c,(a,b都是c的左儿子）(a是b的左儿子），层数肯定是b为根节点时更低，因为空间利用得充分，而c时，只利用了左儿子空间）

多余的左子结点比原来的根结点大，又比新的根节点小，接在原来的根节点右侧。

根节点当左儿子，右儿子当根节点

treenode* zuo(treenode* root){
treenode* temp=root->right;
root->right=temp->left;
temp->left=root;
return temp;}

保留根节点原有的左节点，左旋的结点若有左节点，则把它作为降级的根节点的右节点

左旋的结点在根节点右侧，值都比根节点与其左侧大，在这左旋过程中，原本的根节点失去了右节点（左旋的结点，作为了新根节点），左旋的结点失去了左结点（保留根节点原有的左节点，失去了自己的），所以令游离的左节点填补到原本根节点的右节点空缺上

左右旋是针对根节点而言的，是根节点左右旋，而非变成新根节点的结点

右旋：指将根节点的左侧往右拉，原先的左子节点变成新的父节点，并把多余的右子节点出让，给已经降级的根节点当左子节点

左右旋后依然满足排序规则，前后状态等价，只是高度不同

所谓左旋与右旋，实际上就是对等价状态的一次转化，变化的原因就是因为父节点（主语）发生了改变，从而使描述相对关系的符号（谓语），图像发生了转变，但他们之间的相对关系是不变的。

如a<b与b>a是等价的

插入48以后，该二叉树根结点的平衡因子由-1变为-2，在最小不平衡子树根结点的右子树（R）的左子树（L）中插入新结点引起的不平衡属于RL型平衡旋转，需要做两次旋转操作（先右旋后左旋）。

 

”左左失衡，parent右旋“（插入的元素一直比上一个小，在左子树不断积累，则选中间的那个（cur)，使它成为父节点，a<b<c(左左失衡,此时a<b的主语是b,a在b的左子树上，表示a比b小）,转变成b>a,b<c（选中间的为根节点））

• “左右失衡，cur左旋，parent右旋”：（初始在左子树，说明比根节点小，又向右，说明比当前父节点大）（a<b,b<c只不过b在a的右子树（表示比a大，此时主语就是a，而不是b，通过左旋，使a从主语转变为宾语，b转变为主语)
• 

 “右右失衡，parent左旋

 

右左失衡，cur右旋，parent左旋”：

 

左子树高：右旋；右子树高：左旋； 

LR,RL的情况，都是通过先对cur进行旋转，使之成为LL,或RR的情况，再让根节点旋转，LL,RR的情况可通过旋转一次完成，

先向左（LR）就先左旋，先向右（RL）就先右旋，目的都是把子树整成LL或RR的情况，再通过对父节点旋转一次实现平衡

左旋就意味着原来的根节点成为新的根节点的左儿子（新的根节点是原来根节点的右儿子，原来的根节点比新的根节点小），新的根节点必须舍掉原来的左儿子（比新的根节点小，比原来的根节点大）而使其变成原来的根节点，同时新的根节点是原来根节点的右儿子，意味着原来根节点必须舍弃原来的右儿子，而使其变成新的根节点舍弃的左儿子（比新的根节点小（在新树的左侧），同时比原来的根节点大（在左侧的右侧））

右旋就意味着原来的根节点变为右儿子，失去一个左儿子（原来的左儿子是新的根节点，比原来的根节点小），新的根节点（原来的根节点的左儿子）舍弃掉原来的右儿子，接上原来的根节点，原来的右儿子（比新的根节点大，同时比原来的根节点小）接到原来的根节点的左侧。

---

 红黑树是一种含有红黑结点并能自平衡的二叉查找树

自平衡，通过插入时的红黑转换来实现

即，红黑树不用考虑高度差，只需要保证颜色符合规则就行，保证这一点（主要是每条分支的黑色数量相同），就能保证树是平衡的
1.任意结点都有颜色，红色或者黑色
红黑树中根节点一定是黑色的
红黑树中的 null 位置看作是黑色
红黑树中红色不能与红色相邻
5.从根到所有 null 的路径上黑色结点的个数相同
红黑树中，最长的路径的长度，不会超过最短的路径的长度的2倍
时间复杂度：Olog（n）
 

 插入操作过程
start：一颗红黑树
按照搜索树的特征进行插入
插入时：插入的结点一定是红色的，如果为黑色，会破坏第五条规则
如果插入的结点是根节点，将颜色改为黑色
插入的结点的父结点是黑色的，则插入完成

如果插入的父节点是黑色，则直接完成，不用管了
插入的结点的父结点是红色的，则需要修复，且继续向上调整，直到为根或满足规则

只有插入时，父节点是红色时才需要修复。即无法在同一个位置没有条件的连续插入两次
如果根修改之后为红色，一定要改过来，改为黑色
end：一颗红黑树

修复方法

• 前提条件：插入的结点（cur）是红色，cur的父结点（parent）是红色的，这样的需要修复
• 修复要点：保证修复操作前和修复操作后的黑色结点的数量不变
• 可推断出：cur 的祖父结点即父亲的父亲（grandpa）一定是黑色，否则插入当前结点之前已经违反了红黑树的规则

• 情况1：uncle 存在（uncle != null），并且 uncle 的颜色是红色

修复方法：grandpa 由黑变红，parent & uncle 由红变黑；

cur是左还是右孩子无所谓

（这种情况不用动结点，只用改颜色，就因为有红色的兄弟结点，可以保证改颜色后，黑色的数量不变，相当于AVL里的平衡状态）

如果祖父结点就是根节点，则要把它再变成黑色，即不能出现连续的红色，但可以出现连续的黑色

情况2：uncle 不存在，或者 uncle 存在但是颜色是黑色
情况2.1：cur 是 parent 左孩子，且 parent 是 grandpa 的左孩子
修复方法： grandpa 右旋之后颜色变为红色，parent 的颜色变为黑色

eg：
情况2.2：cur 是 parent 的右孩子，且 parent 是grandpa 的右孩子
修复方法：grandpa 左旋后颜色变为红色，parent 颜色变为黑色

eg:
情况2.3：cur 是 parent 的右孩子 ，parent 是 grandpa 的左孩子
修复方法：对 parent 左旋之后将 parent 和 cur 的名称交换，再按照2.1的情况处理
eg:
情况2.4： cur 是 parent 的左孩子 ，parent 是 grandpa 的右孩子
修复方法：对 parent 右旋之后将 parent 和 cur 的名称交换，再按照2.2的情况处理
eg:
演示

 

 

---

 

 

 

平衡二叉树：深度为h

最小结点数(即最小平衡二叉树的结点数)：f(h)=f(h-1)+f(h-2)+1。其中f(0)=0,f(1)=1。1表示根节点，f(h-1)表示左子树的节点数量，f(h-2)表示右子树的结点数量

最大结点数 2^h-1

某结点的左子树与右子树的高度(深度)差即为该结点的平衡因子（BF,Balance Factor）。

平衡二叉树上所有结点的平衡因子只可能是 -1，0 或 1。

若平衡二叉树的高度为6，且所有非叶结点的平衡因子均为 1，则该平衡二叉树的结点总数为20

除叶节点外平衡因子都为1，说明左子树都比右子树高度多1，也就是说，是左子树撑起了该局部根节点的高度，所以可以按照这样的思路，自顶而下画这棵树：（节点标号是为了区分各个节点）

 

 要构成n层的平衡二叉树，需要左右子树均为平衡二叉树，要问最小的结点数，那么需要左右子树不等高，不然一定不是最小结点数，设左子树高，去掉根节点，则左子树为n-1层，那么右子树为n-2层，而且均为AVL，左子树又为n-1层最少的结点数的AVL，那么左子树的左子树与左子树的右子树又都是AVL，且层数差一，所以为递归，即f(n)=f(n-1)+f(n-2)+1；n-1指左子树，占n-1层，n-2指右子树，比左子树少一层，为了最少的结点数，1指根节点，与左子树共同构成N层

---

线索二叉树中左右孩子如果为空会分别指向前后驱节点，所以判定孩子为空的标准就是看此节点是否是左右线索。是左线索则左孩子原本为空

tag=1则表示用来线索化，存储的是前驱或后继，不然则表示存储的是孩子