【DS】红黑树

Mesar_

已于 2024-10-24 02:06:14 修改

阅读量1k

点赞数 17

分类专栏：数据结构文章标签： c++ 学习数据结构 1024程序员节

于 2024-09-27 11:21:51 首次发布

本文链接：https://blog.csdn.net/mesar33/article/details/141968066

版权

数据结构专栏收录该内容

11 篇文章 0 订阅

订阅专栏

在上一篇AVL树的实现中，学习了平衡二叉树的一种——AVL树；由于AVL树极度追求平衡，因此它的查找效率十分高效；但也正是由于其极度追求平衡的旋转策略，导致其动不动就旋转，因此旋转消耗十分大。在实际中使用的不多。对此，今天学习另一个平衡二叉树——红黑树。

红黑树的介绍

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。

红黑树是平衡二叉搜索树中的一种，红黑树性能优异，广泛用于实践中，比如 Linux 内核中的 CFS 调度器，C++ STL库中的map和set的底层就用到了红黑树，由此可见红黑树的重要性。

红黑树
性质

每个结点不是红色就是黑色
- 红黑树特点
根节点是黑色的
如果一个节点是红色的，则它的两个孩子结点是黑色的
- 不红红
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
- 黑路同
每个叶子结点都是黑色的(此处的叶子结点指的是空结点，也叫NIL节点)
- 此处黑色仅用于路径判断，不具备其他含义

需要十分了解这些性质，特别是性质2，3，4。

上面前四条性质特别重要。同时满足前四条性质，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

理论下极端的红黑树
这就是极端情况下，理论上存在的红黑树，也就是红黑树最不平衡的时候。而且只要再插入节点，通过红黑树的调整策略就会尽量平衡树身，所以红黑树的效率还是有保障的。

性质4(黑路同)确保了从根到叶子节点的任何路径上的黑色节点数相同。这意味着所有路径在黑色节点级别上是“等长”的。现在，考虑由于性质3(不红红)的存在，即不允许连续的红色节点，那么任意两个黑色节点之间最多只能插入一个红色节点（如果有的话）。

最短路径：最短路径只包含黑色节点，因为不存在连续的红色节点可以缩短路径。
最长路径：最长路径包含交替的黑色和红色节点（尽管并非所有黑色节点之间都必须有红色节点）。
- 由于任意两个黑色节点之间最多只能插入一个红色节点，因此在两个黑色节点之间最多可以插入一个红色节点，这使得红色节点的数量在任意两个黑色节点之间都是受限的。

考虑从一个黑色节点到下一个黑色节点（包含这两个黑色节点）的路径上，可能的最长情况就是有一个红色节点。由于性质4，我们知道从根到任意叶子节点的黑色节点数相同，设这个数量为 B。那么，最长路径的长度（节点数）就是 $2 B - 1$ （每个黑色节点之间最多插入一个红色节点）。最短路径只包含黑色节点，因此长度为 B。

所以，最长路径与最短路径的节点数之比为 $(2 B - 1) / B$ ，简化后得到 $2 - 1/ B$ 。由于 B 总是大于0，因此这个比值总是小于2，且随着 B 的增大而趋近于2。

综上，红黑树确保了从根到叶子的最长路径不会超过最短路径的两倍长。但这只是在规则限定下的理论而言，实际上红黑树的最长，最短路径都不一定会存在。

根据此特性可以得出，红黑树是近似平衡的，因此在查找效率上就没有追求极度平衡的AVL树效率高。

红黑树节点的定义

红黑树可以看作是AVL树的改良版，增加了树节点的颜色。其余的还是保存kv的键值对pair，三叉链。

enum Color
{
	RED, BLACK
};

template<class K, class V>
struct RBTreeNode
{
	pair<K, V> _kv;
	RBTreeNode<K, V>* _left;
	RBTreeNode<K, V>* _right;
	RBTreeNode<K, V>* _parent;
	Color _col;

	RBTreeNode(const pair<K, V>& kv)
		:_kv(kv)
		, _left(nullptr)
		, _right(nullptr)
		, _parent(nullptr)
		,_col(RED)//默认为红色
	{}

};

节点的颜色默认设置为红色，理由如下：

当节点颜色为黑色时，完成一次插入后，会发现此时一定违反了红黑树性质中黑路同的原则，因为你只能在树的左右一侧插入，那么插入一个黑色节点后，左右子树的黑色节点数量必然不同，必然需要进行调整。
当节点颜色为红色时，不需要关心插入在哪棵子树上，由于节点颜色不是红色就是黑色，当插入节点的父节点为红色时，违反了不红红的性质，需要调整；但当插入节点的父节点为黑色时，没有违反红黑树的任何一条性质，此时不需要进行调整。

也就是说：当节点为黑色时一定会调整，当节点为红色时可能会调整。
综上所述，节点默认为红色的设计更优。

红黑树的插入

红黑树的插入分三步：

按搜索二叉树的性质插入
通过颜色判断是否需要调整
- 通过性质3(不红红)来判断是否需要进行调整
调整
- 分三种状况

第二步为什么通过不红红这一性质判断是否需要调整。

与AVL树通过平衡因子(本质就是高度)来判断是否需要旋转调平衡不同；红黑树这里没有所谓高度一说，而是通过树节点的颜色来控制树身的近似平衡的；
通过不红红这一性质判断是否需要调整是因为：树节点的颜色默认为红色，所以插入节点后如果破坏了红黑树的性质，那么一定是不红红这一性质，此时就需要进行调整。

红黑树的调整

由于新插入的节点默认设为红色，所以红黑树在插入之后不一定需要调整，可分为以下三种情况进行调整。调整策略分为两种：

单纯染色
旋转加染色
- 这里的旋转和AVL树的旋转是一样的，如果不了解如何进行旋转的话请参考——AVL树的旋转

前面说过，红黑树是AVL树的改良版；由于AVL树追求极度的平衡，所以其旋转次数肯定不会少，红黑树的目的就是达到近似平衡，效率上不会差太多，但是可以减少他的旋转消耗，所以红黑树调整时是不情愿旋转的，能不旋转尽量不旋转，必须的时候才旋转。

对于红黑树的调整，需要关注以下几个节点：

cur为当前节点
parent为父节点，以下称p
grandfather为祖父节点，以下称g
uncle为叔叔节点，以下称u

以下的三种情况我们以u节点的不同状况来区分。

情况一

红黑树调整一

cur为红，p为红，g为黑，u存在且为红

以下示意图为抽象图；abcde不代表高度，代表从abcde开始的路径上有多少黑色节点。

情况一
此时cur与p都为红，违反了不红红的性质，需要进行调整；此时的p，u都为红色，所以为了既要解决不红红的问题，又需要保证黑路同的性质，此时可以将p，u都变为黑色，此时解决了不红红的问题；但是由此时的g开始的左右子树的黑色节点的数量都增加了1；这时候还得根据g是否为根节点继续判断:

g为根节点，这种情况下由于根开始的左右子树都增加了黑色节点数量，所以不违反黑路同的性质。
g不是根节点，是一颗子树，因为g不是根节点，只是根节点的左/右子树，这种情况增加黑色节点数量违反了黑路同原则，需要将g变红，保证当前子树的黑色节点数量不变。而这时又会出现情况一的问题，还得需要向上继续更新。

情况一需要注意的就是当前的树是否是一颗完整的树还是一棵子树。
在实现情况一解决办法时，代码的实现为解决上述第二种情况。
cur不一定是新插入的，也有可能是变色而来。

情况一解决
注意：情况一中，cur不管是p的左孩子还是右孩子都是一样的

情况二

红黑树调整2

cur为红，p为红，g为黑，u不存在

出现情况二这种状况说明此时的的树身已经不平衡了，有点单枝树的倾向了；而且此时的cur一定是新插入的节点，由于没有u，所以现在是一个单支的状况只能有g，p两个节点。

此时单独的染色已经无法解决这种极度不平衡的树型了，需要搬出旋转大法；此时按照AVL树的旋转策略旋转调平衡不了解旋转策略的请参考AVL树的旋转
完成旋转后，再进行染色维持红黑树的性质：此时的染色策略为交换两旋转点的颜色，这样操作还是从此时的g是否是整棵树还是子树进行考虑；染色就需要同时确保：根为黑，黑路同，不红红的性质。

注意染色是不需要考虑cur是p的左孩子还是有孩子；但是旋转需要根据AVL树的旋转规则来，需要区分cur是p的左还是右孩子。

情况二

情况三

红黑树调整3

cur为红，p为红，g为黑，u存在且为黑

情况三

情况三的cur一定是由黑色节点变来的，不可能是新插入的节点；也就是说cur为红色是由于情况一的染色调整变来的；因为g的右子树u已经是黑色节点了，那么g的左子树也必须要有对应数量的黑色节点，那么子树abc就不可能是空，必须要有对应数量的黑色节点，才不会违反红黑树的原则。
情况三解释
调整策略与情况二一致，都是旋转加染色；

情况三
可以看到此时的树型会复杂一点，而且需要注意是谁要进行颜色交换，所以还是建议画图，对照着图来一步步实现。

以上的旋转加染色都是单旋加染色；颜色的调整无论左右，但是旋转不仅有单旋，还有双旋，需要知道树型是纯粹的一边高还是呈现出折线的样子。

单双旋
红黑树调整4

这里通过cur在较高左子树的右边这一例子展示双旋加染色的策略：这一情况需要进行两次旋转，第一次是为了将树型转化为情况二的树型，第二次旋转才是调平衡。之后将两旋转点进行换色处理。

换色是在第二次旋转时才需要，而且双旋要换色的点为cur和g，所以一定要画图看仔细。

左右双旋

下图是我在红黑树学习时对插入操作的总结。

以下时具体实现

	bool Insert(const pair<K, V>& kv)
	{
		if (_root == nullptr)
		{
			_root = new Node(kv);
			_root->_col = BLACK;//根为黑色
			return true;
		}

		Node* cur = _root;
		Node* parent = nullptr;
		while (cur)
		{
			if (kv.first > cur->_kv.first)
			{
				parent = cur;
				cur = cur->_right;

			}
			else if (kv.first < cur->_kv.first)
			{
				parent = cur;
				cur = cur->_left;
			}
			else
			{
				return false;
			}
		}
		//到在这里说明找到位置了，开始插入。
		//此时cur已经为nullptr，让其成为新节点
		cur = new Node(kv);
		if (kv.first > parent->_kv.first)
		{
			parent->_right = cur;
		}
		else//不存在相等情况
		{
			parent->_left = cur;
		}

		//处理三叉链的最后一环
		cur->_parent = parent;

		//cur插在parent处且默认为红色
		while (parent && parent->_col == RED)//当cur为根节点时，parent为空，不会进
		{
			//p，c颜色为红
			Node* grandparent = parent->_parent;
			//      g
			//   p     u
			//  c
			if (parent == grandparent->_left)//单双旋需要借此区分
			{
				//两种调整策略
				//1：单纯染色
				//2：旋转加染色（分单双旋）
				Node* uncle = grandparent->_right;
				if (uncle && uncle->_col == RED)//策略1
				{
					parent->_col = BLACK;
					uncle->_col = BLACK;
					grandparent->_col = RED;
					//向上更新一整棵树
					cur = grandparent;
					parent = cur->_parent;
				}
				//策略二
				else//uncle不存在或者存在且为黑（由上面的情况变来）
				{
					//      g
					//   p     u
			        //  c

					//先区分单旋还是双旋
			        //单旋
					if (cur == parent->_left)//纯粹一边高
					{
						//看图
						RotateR(grandparent);
						parent->_col = BLACK;
						grandparent->_col = RED;
					}
					else//双旋   插入在较高左子树的右侧
					{
					   //      g
			           //   p     u
			           //     c
						RotateL(parent);
						RotateR(grandparent);
						cur->_col = BLACK;
						grandparent->_col = RED;

					}
					break;//旋转完就可以退出
				}
			}
			else if(parent == grandparent->_right)
			{
				//     g
				//  u     p
				//          c
				Node* uncle = grandparent->_left;
				if (uncle && uncle->_col == RED)
				{
					parent->_col = BLACK;
					uncle->_col = BLACK;
					grandparent->_col = RED;
					cur = grandparent;
					parent = cur->_parent;
				}
				else//uncle不存在或者存在且为黑（由上面的情况变来）
				{
					//      g
					//   p     u
					//  c

					//单旋
					if (cur == parent->_right)
					{
						RotateL(grandparent);
						parent->_col = BLACK;
						grandparent->_col = RED;
					}
					else//双旋
					{
						//      g
						//   p     u
						//     c
						RotateR(parent);
						RotateL(grandparent);
						cur->_col = BLACK;
						grandparent->_col = RED;

					}
					break;//旋转完就可以退出
				}
			}
		}
		_root->_col = BLACK;//暴力处理

		return true;
	}

红黑树的验证

红黑树的验证分为两步：

检测其是否满足二叉搜索树(中序遍历是否为有序序列)
检测其是否满足红黑树的性质
- 根为黑
- 不红红
- 黑路同

是否满足二叉搜索树

介绍搜索二插树时详细介绍过了，这里就不介绍了。

public:
	void InOrder()
	{
		//嵌套一层，类外不能访问私有成员
		_InOrder(_root);
		cout << endl;
	}
private:
	//嵌套一层
	void _InOrder(Node* root)//中序遍历搜索二叉树是有序的
	{
		if (root == nullptr)
		{
			return;
		}
		_InOrder(root->_left);
		cout << root->_kv.first << ":" << root->_kv.second << endl;
		_InOrder(root->_right);
	}

是否满足红黑树的性质

检查的点有三：根为黑，不红红，黑路通；采用两个函数来验证这三点：

IsBalanceTree：检测根是否为黑以及用refNum记录一条路径上有多少个黑色节点。

Check：三个参数，该函数验证不红红和黑路同这两个性质。

第一个用来接受节点
第二个用来接受从到上一层的的黑色节点数量
第三个为先前在IsBalanceTree计算好的黑色节点数量refNum

public：
	bool IsBalanceTree()
	{
		if (_root == nullptr)
		{
			return true;//空树也是红黑树
		}
		if (_root->_col == RED)
		{
			cout << "err：根为红色" << endl;//根必须为黑色
			return false;
		}
		//验证黑路同原则
		int refNum = 0;//记录一条路的黑色节点数量
		Node* cur = _root;
		while (cur)
		{
			if (cur->_col == BLACK)//黑色节点
			{
				refNum++;//记录黑色个数
			}
			cur = cur->_left;
		}
		return Check(_root, 0, refNum);//验证不红红，黑路同原则
	}
private:
    bool Check(Node* root, int blacknum, const int& refnum)
	{
		if (root == nullptr)
		{
			if (blacknum != refnum)//blacknum为遍历完一条路径后的黑色节点个数
			{
				cout << "相同路径黑色节点个数不同" << endl;
				return false;
			}
			return true;//到这里说明是一棵红黑树
		}
		//不红红原则：用当前节点与父节点比较
		if (root->_col == RED && root->_parent->_col == RED)
		{
			cout << "连续的相同红色节点" << endl;
			return false;
		}
		if (root->_col == BLACK)//黑色节点
		{
			blacknum++;
		}
		return Check(root->_left, blacknum, refnum) && Check(root->_right, blacknum, refnum);//一条一条路径检查，全为真 Check函数才为真
	}

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 $O(log_2 N)$ ，红黑树不追求绝对平衡，其只需保证最长路径不超过最短路径的2倍，相对而言，降低了插入和旋转的次数，所以在经常进行增删的结构中性能比AVL树更优，而且红黑树实现比较简单，所以实际运用中红黑树更多。如C++ STL库中的map和set的底层就用到了红黑树。之后将进行map和set的模拟实现，学习map和set。