目录
1. 二叉搜索树
1.1 基本概念
二叉搜索树（BST，Binary Search Tree）：一颗二叉树，可以为空；如果不为空，满足以下性质：
若它的左子树不为空，则左子树上所有节点的值都小于根节点的值
若它的右子树不为空，则右子树上所有节点的值都大于根节点的值
它的左右子树也都为二叉搜索树
如下示例：
中序遍历为 升序。
由上性质：二叉搜索树也称 二叉排序树或二叉查找树。
1.2 基本操作
示例结构：
template<class T>
class BSTreeNode
{
typedef BSTreeNode<T> Node;
public:
BSTreeNode(const T& data)
:_pleft(nullptr)
,_pright(nullptr)
,_data(data)
{}
Node* _pleft;
Node* _pright;
T _data;
};
template<class T>
class BSTree
{
typedef BSTreeNode<T> Node;
public:
//增删查改
//......
private:
Node* _root = nullptr;
};查找和插入：
从根开始比较，比根大则往右边走查找，比根小则往左边走查找；
最多查找高度次，走到空，还没找到，这个值不存在；
如果这个值不存在，就可以进行插入了。
示例代码:
//-----------------循环
//查找
bool find(const T& data)
{
Node* cur = _root;
while (cur)
{
if (data < cur->_data) cur = cur->_pleft;
else if (data > cur->_data) cur = cur->_pright;
else return true;
}
return false;
}
//插入
bool insert(const T& data)
{
if (_root == nullptr)
{
_root = new Node(data);
return true;
}
Node* cur = _root, *parent = nullptr;
while (cur)
{
parent = cur;
if (data > cur->_data) cur = cur->_pright;
else if (data < cur->_key) cur = cur->_pleft;
else return false;
}
Node* r = new Node(data);
if (parent->_data > data) parent->_pleft = r;
else parent->_pright = r;
return true;
}
//-----------------递归
bool findR(const T& data)
{
return _findR(_root, data);
}
bool insertR(const T& data)
{
return _insertR(_root, data);
}
private:
bool _findR(Node* root, const T& data)
{
if (root == nullptr) return false;
if (root->_data == data) return true;
else if (root->_data > data) return _findR(root->_pleft, data);
else return _findR(root->_pright, data);
}
bool _insertR(Node*& root, const T& data)
{
if (root == nullptr)
{
root = new Node(data);
return true;
}
if (data < root->_data)
{
return _insertR(root->_pleft, data);
}
else if (data > root->_data)
{
return _insertR(root->_pright, data);
}
else
{
return false;
}
}删除：
情况一：没有孩子或只有一个孩子；删除该节点后，剩下的一个孩子（可为空）直接顶替已删除节点的逻辑位置。
情况二：有两个孩子；替换法：左子树的最大节点（最右值）或 右子树的最小节点（最左值）与要删除节点 值交换，再删除（按情况一）。
示例代码：
//删除
bool erease(const T& data)
{
Node* cur = _root, *parent = nullptr;
while (cur)
{
if (data < cur->_data)
{
parent = cur;
cur = cur->_pleft;
}
else if (data > cur->_data)
{
parent = cur;
cur = cur->_pright;
}
else
{
//找到了
//情况1：没有孩子或只有一个孩子
if (cur->_pleft == nullptr)
{
if (parent == nullptr)
{
_root = cur->_pright;
}
else
{
if (parent->_pleft == cur) parent->_pleft = cur->_pright;
else parent->_pright = cur->_pright;
}
delete cur;
}
else if (cur->_pright == nullptr)
{
if (parent == nullptr)
{
_root = cur->_pleft;
}
else
{
if (parent->_pleft == cur) parent->_pleft = cur->_pleft;
else parent->_pright = cur->_pleft;
}
delete cur;
}
//情况2：有两个孩子
else
{
Node* right_min = cur->_pright, * right_min_parent = cur;
while (right_min->_pleft)
{
right_min = right_min->_pleft;
}
swap(cur->_data, right_min->_data);
if (right_min_parent->_pleft == right_min)
right_min_parent->_pleft = right_min->_pright;
else
right_min_parent->_pright = right_min->_pright;
delete right_min;
}
return true;
}
}
return false;
}
//-------------------递归
bool ereaseR(const T& data)
{
return _ereaseR(_root, data);
}
bool _ereaseR(Node*& root, const T& data)
{
if (root == nullptr)
{
return false;
}
if (data < root->_data)
{
return _ereaseR(root->_pleft, data);
}
else if (data > root->_data)
{
return _ereaseR(root->_pright, data);
}
else
{
Node* tmp = root;
//情况1:
if (root->_pleft == nullptr)
{
root = root->_pright;
delete tmp;
}
else if (root->_pright == nullptr)
{
root = root->_pleft;
delete tmp;
}
else
{
//情况2：
Node* right_min = root->_pright;
while (right_min->_pleft)
{
right_min = right_min->_pleft;
}
std::swap(root->_data, right_min->_data);
//递归可以控制删除的起点
_ereaseR(root->_pright, data);
}
}
return true;
}1.3 性能分析
插入和删除操作都必须先查找，查找效率代表了二叉搜索树中各个操作的性能。
对有N个结点的二叉搜索树，若每个元素查找的概率相等，则二叉搜索树平均查找长度是结点在二 叉搜索树的深度的函数，即结点越深，则比较次数越多。
但对于同一个集合，如果各值插入的次序不同，可能得到不同结构的二叉搜索树： 
最优情况下，二叉搜索树为完全二叉树(或者接近完全二叉树，图1)，其比较次数的时间复杂度为logN以2为底。
最差情况下，二叉搜索树退化为单支树(或者类似单支，图2)，其比较次数的时间复杂度为N。
如果退化成单支树，二叉搜索树的性能就没有了，那如何改进可以避免这种情况呢？别急，我们接着往下看。
1.4 键值对
用来表示具有一 一对应关系的一种结构，该结构中一般只包含两个成员变量key和value，key代 表键值，value表示与key对应的信息 ，即KV模型；
比如：商场停车场的收费系统，每次进入车辆都是一个新节点，这个节点中有两个重要变量，其中一个变量可用 车牌号的唯一性 标识每一辆车，即做key值；另一个变量，即对应的value，可填入 入场时间；当车辆出停车场时，系统可根据车牌号key值，找到对应的value，和当前时间做差得到总停留时间，进而结合收费规则进行费用收取。
如果，key值不设对应的value，就叫K模型；
比如：进出小区的门卫系统，只有在该系统中找到进出者的信息，才能合规开闭门禁。
现实生活中，类似的例子还有很多，就不一 一列举了，这里的重点是： 提高 抽象现实生活为模型化，即面向对象编程的能力。
现在，到你试着把上述参考代码修改为KV模型，并进行一些简单测试（比如：设计本汉译英的词典，字数统计等）。做完这个，接着往下看。
2. AVL树和红黑树
2.1 AVL树
在上面1.4所列举的例子中，系统如何对数据节点进行管理？—— 数据结构，如vector, list等，都可以；
所以，选哪个呢，或者说选择的标准是什么，也可以说管理的目的是什么？—— 数据结构只是管理的手段，目的是为用户提供 稳定，可靠，高效的使用体验，这才是选择的标准；拿着标准去衡量手段，就可以做出合理的选择和取舍了。
在1.4的例子中，查找效率决定整个系统的效率，而在目前大家清晰的数据结构中，二叉搜索树应该是最合适的了，但是依旧可能出现1.3中的单支树或近似单支树的问题；因此，两位俄罗斯的数学家G.M.Adelson-Velskii 和E.M.Landis在1962年发明了一种解决上述问题的方法：
当向二叉搜索树中插入新结点后，如果能保证每个结点的左右 子树高度之差（平衡因子）的绝对值不超过1（需要对树中的结点进行调整），即可降低树的高度，从而减少平均搜索长度。这样的二叉搜索树就叫做AVL树。
如下示例：（本文出现的 平衡因子 均= 右树高度 - 左树高度）
AVL树节点的定义在二叉搜索树节点定义的基础上增加了两个变量，一是节点指针变量_pparent指向父节点，另一个是整数平衡因子_bf。
重点操作：AVL树的插入
规则：
左树增加节点，p的_bf--， 右树增加节点，p的_bf++；
如果插入节点后，p的_bf == 0，说明没有影响p的整棵树的高度，也就没有影响p祖先节点的平衡因子，所以不需要往上进行调节；
如果插入节点后，p的_bf == 1或-1，说明影响了p这棵树的高度，进而可能影响其祖先，此时循环往上调节平衡因子；
当p的_bf == 2或-2时，需要旋转。
（p表示插入节点的父节点/祖先节点）
旋转有四种情况，如下图： (h表示树的高度，红色表示插入位置，绿色表示平衡因子，蓝色表示旋转基点；选用哪种旋转的依据是：平衡因子的正负组合情况)
1. 新节点插入较高左子树的左侧：右单旋
2. 新节点插入较高右子树的右侧：左单旋
3. 新节点插入较高右子树的左侧：右左双旋（先右单旋，再左单旋） 
4. 新节点插入较高左子树的右侧：左右双旋（先左单旋，再右单旋）
原理同上述点3，不再赘述。
至于删除操作， 也一样按照二叉搜索树的方式将节点删除，然后再更新平衡因子，旋转调整，与插入不同的是，最差情况要一直调整到根节点，较为复杂，留给大家自行思考吧！
还有如何验证一颗树是不是AVL树等操作，上述一系列的完整参考代码可点击 AVLTree.h 前往我的Gitee仓库查看。
2.2 红黑树
在介绍红黑树之前，我们先对AVL树的性能做简单分析：AVL树是一棵绝对平衡的二叉搜索树，其要求每个节点的左右子树高度差的绝对值都不超过1，这样可以保证查询时高效的时间复杂度，即log_2 (N)。但是如果要对AVL树做一些结构修改的操作，性能非常低下，比如：插入时要维护其绝对平衡，旋转的次数比较多，更差的是在删除时， 有可能一直要让旋转持续到根的位置。因此：如果需要一种查询高效且有序的数据结构，而且数据的个数为静态的(即不会改变)，可以考虑AVL树，但一个结构经常修改，就不太适合。
因此，红黑树诞生，它较AVL树，不追求绝对的平衡，其只需保证最长路径不超过最短路径的2倍，在经常进行增删的结构中有效减少了旋转调整的次数，提升了效率，结构更稳定。
红黑树也是一种二叉搜索树，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，只要满足以下规则：
1.根节点是黑色
2. 红节点的左右孩子为黑色——>红节点不连续
3. 每个节点到其叶子节点（这里指空节点）的黑色节点数目相等（空节点算黑色节点）
就使：从根节点开始到叶子节点的最长路径节点个数 <= 最短路径节点个数 * 2
如下图例：
和AVL树一样，这里也只深入探讨插入操作的调整旋转逻辑和参考实现代码，内容较多，请点击前往我的Gitee仓库查阅：调整旋转情况分类图示RBTree.jpg
3. 红黑树模拟实现STL中的map与set
到这，请先熟悉STL中map与set的常见操作（点击直达查阅网页）；接着强烈建议您试着自己实现几个常见操作，如插入（insert），查找（find），重载【】等；涉及到模板的使用和常见问题的解决，正向迭代器的实现，如何利用适配器的模式实现反向迭代器，仿函数的运用等一系列知识模块，是一次不可或缺的综合性测试！
需要注意的是：STL明确规定，begin()与end()代表的是一段前闭后开的区间，而对红黑树进行中序遍历后， 可以得到一个有序的序列，因此：begin()可以放在红黑树中最小节点(即最左侧节点)的位置，end()放在最大节点(最右侧节点)的下一个位置，关键是最大节点的下一个位置在哪？ 能否给成nullptr呢？答案是行不通的，因为对end()位置的迭代器进行 -- 操作，必须要能找最后一个元素，此处就不行，因此最好的方式是增加头节点并将end()放在头结点的位置，也是为了反向迭代器的实现（如下图例）。
当然，道千遍万遍，不如你手动一遍！
参考代码也给大家准备好了，点击查阅：my_map/set
本篇分享到这就结束了，如果对大家有所帮助的话就是对小编最大的鼓励了。当然，您的三连也是小编坚持创作的不懈动力！
1743
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
