关于数据结构与算法中的平衡二叉树(AVL)的快速记忆

目录

前言

起源

定义

失衡二叉树如何恢复平衡

为什么会失衡

如何恢复平衡

恢复平衡的原则

恢复平衡的策略

结束语

---

前言

今天是坚持写博客的第九天，继续加油！

我们今天来讲讲平衡二叉树。

---

起源

平衡二叉树起源于对二叉搜索树性能问题的优化。二叉搜索树是一种特殊的二叉树，其中每个节点的值都大于其左子树中任何一个节点的值，并且小于其右子树中任何一个节点的值，说人话就是父节点大于左孩子，小于右孩子，左孩子又大于它的左孩子，小于右孩子……这种结构允许快速的查找、插入和删除等操作，理想情况下，这些操作的时间复杂度可以达到O(log n)，其中n是树中节点的数量。

但在最坏的情况下，如果二叉搜索树的数据插入顺序是有序的或者逆序的，树会退化成一个链状结构，这时二叉搜索树的性能降低到O(n)，相当于一个无序列表的性能，失去了其高效查询的优势。

因此平衡二叉树就诞生了。在每次插入或删除节点后，都会通过一系列旋转操作来重新平衡树，确保任何节点的两个子树的高度差最多为1。这种平衡性保证了树的高度大致保持在log n级别，从而确保了高效的查找、插入和删除操作。

如下图就是一个典型的平衡二叉树：

寄术博主的日常画的很难讲的图片出现了 

---

定义

平衡二叉树又称AVL树(Adelson-elskii and Landis).
一棵平衡二叉树或者是空树，或者是具有下列性质的二叉排序树：

1. 左子树与右子树的高度之差的绝对值小于等于1,
2. 左子树和右子树也是平衡二叉排序树。

在平衡二叉树中有一个定义非常关键，就是平衡因子，即上面提到的左子树与右子树的高度之差。平衡因子=结点左子树的高度-结点右子树的高度。比如我们使用上面的平衡二叉树作为例子，结点60的平衡因子=左子树高度2-右子树高度1=1.

---

失衡二叉树如何恢复平衡

为什么会失衡

因为如果我们在一个平衡二叉树上插入一个结点， 那他可能就会造成失衡（例如平衡因子为2）。因此我们需要通操作让她恢复平衡，

例如我们在这样一颗平衡树中插入结点65，那结点60的平衡因子就会被打破，平衡二叉树就会失衡，变成图二的样子：

如何恢复平衡？且听我娓娓道来。请原谅寄术博主的画工

---

如何恢复平衡

常见的失衡的平衡二叉树有以下几种：

1. 插入结点在失衡节点的左子树的左子树上
2. 插入结点在失衡节点的左子树的右子树上
3. 插入结点在失衡节点的右子树的左子树上
4. 插入结点在失衡节点的右子树的右子树上

是不是套娃太重，有点懵？我们上图：

恢复平衡的原则

我们在调整失衡二叉树的时候，需要遵循以下原则：

1. 如果失衡节点超过一个，那我们就优先选择最小失衡子树的根节点。
2. 降低树的高度
3. 保持二叉排序树的性质

其中第三点尤为重要，这样可以确保恢复平衡后的二叉树的唯一性，否则无论如何“转”都有多种情况。

恢复平衡的策略

我们以失衡二叉树的第一种情况为例，加入我们有如下图一样的一个失衡二叉树：

我们如何调整？思路如下，图解会放在思路后面：

1. 此时这棵树必定为失衡二叉树，由于左子树失衡，我们首先带着左子树B和它的左子树阿尔法上升，贝塔留在原地“待命”。
2. 将A结点及其子树作为B子树的右子树，贝塔继续待命。
3. 将B原来的右子树贝塔作为A的左子树。
4. 此时通过平衡因子验证是否已经完成恢复

此时我们第一种失衡的情况已经完成恢复。

其他几种情况也可以类比完成。

---

结束语

平衡二叉树作为二叉树中提升效率的关键先生，是数据结构与算法当中不可或缺的一部分。今天我们对AVL树的讲解就到这里，如果本文章对您有所帮助，希望您可以点一个赞或关注，这对我真的很重要，谢谢！