第十三章 红黑树
13-1 红黑树与2-3树
13-2 2-3树的绝对平衡性
13-3 红黑树与2-3树的等价性
13-4 红黑树的基本性质和复杂度分析
13-5 保持根节点为黑色和左旋转
13-6 颜色翻转和右旋转
13-7 红黑树中添加新元素
13-8 红黑树的性能测试
13-9 更多和红黑树相关的话题
13-1 红黑树与2-3树
首先,介绍一下《算法导论》中的红黑树
- 每个节点或者是红色的,或者是黑色的
- 根节点是黑色的
- 每一个叶子节点(最后的空节点)是黑色的
- 如果一个节点是红色的,那么它的孩子节点都是黑色的
- 从任意一个节点到叶子节点,经过的黑色节点是一样的
接下来我们会学习红黑树与2-3树的等价性,理解了2-3树和红黑树之间的关系,红黑树并不难!
学习2-3树,不仅对于理解红黑树有帮助,对于理解B类树,也是有巨大帮助的!
![](https://i-blog.csdnimg.cn/blog_migrate/07bc1d0474505df99c9234ef420eadb7.png#pic_center)
- 通常来说,我们对这种存放一个元素有两个孩子的节点在2-3树中叫2节点;相应的,存放两个元素有三个孩子的节点在2-3树中叫3节点。由于2-3树满足二分搜索树的基本性质,左孩子值 < a < 右孩子值;左孩子值 < b < 中间孩子值 < c < 右孩子值。
- 2-3树是一棵绝对平衡的树:从根节点到任意一个叶子节点,所经过的节点数量一定是相同的。
13-2 2-3树的绝对平衡性
视频介绍非常仔细,如果不记得了可以再看一遍。
- 在2-3树中添加一个元素的过程:整体上,对于在2-3树中添加一个新元素,它不会像二分搜索树一样添加到一个空节点位置,它一定是添加到最后搜索到的叶子节点和它进行一个融合。这里可以分为四种情况:
(1)如果插入2-节点:我们要融合的节点是12,它是一个2-节点,我们插入6这个元素,融合之后形成了一个3-节点,非常容易。
(2)如果插入3-节点:本来是一个3-节点(6 12),我们插入新的元素2的话,就暂时形成了一个4-节点(2 6 12 :3个元素四个孩子),最后变形成拥有三个2-节点的子树
(3)如果插入3-节点,且此时父亲节点为2-节点: 这里我们向(2 5)节点中插入4节点
(4)如果插入3-节点,且此时父亲节点为3-节点:这里我们向(2 5)节点中插入4节点
13-3 红黑树与2-3树的等价性
将b做一个特殊标识,比如将其变成红色。b这个节点和父亲节点连接的红色边是一个特殊的边,实际上表示b和c两个节点在原来的2-3树中是一个并列的关系。并且在红黑树中,所有的红色节点都是左倾斜的(这个结论是我们定义的,不是推导出来的)
简单举个例子:
所以上一节我们说红黑树与2-3树等价是因为,任意一个2-3树都可以使用以上规则转化为一棵红黑树。
import java.util.ArrayList;
public class RBTree<K extends Comparable<K>, V> {
private static final boolean RED = true;
private static final boolean BLACK = false;
private class Node{
public K key;
public V value;
public Node left, right;
public boolean color;
public Node(K key, V value){
this.key = key;
this.value = value;
left = null;
right = null;
color = RED;
}
}
private Node root;
private int size;
public RBTree(){
root = null;
size = 0;
}
public int getSize(){
return size;
}
public boolean isEmpty(){
return size == 0;
}
// 判断节点node的颜色********
private boolean isRed(Node node){
if(node == null)
return BLACK;
return node.color;
}
// 向二分搜索树中添加新的元素(key, value)
public void add(K key, V value){
root = add(root, key, value);
}
// 向以node为根的二分搜索树中插入元素(key, value),递归算法
// 返回插入新节点后二分搜索树的根
private Node add(Node node, K key, V value){
if(node == null){
size ++;
return new Node(key, value);
}
if(key.compareTo(node.key) < 0)
node.left = add(node.left, key, value);
else if(key.compareTo(node.key) > 0)
node.right = add(node.right, key, value);
else // key.compareTo(node.key) == 0
node.value = value;
return node;
}
// 返回以node为根节点的二分搜索树中,key所在的节点
private Node getNode(Node node, K key){
if(node == null)
return null;
if(key.equals(node.key))
return node;
else if(key.compareTo(node.key) < 0)
return getNode(node.left, key);
else // if(key.compareTo(node.key) > 0)
return getNode(node.right, key);
}
public boolean contains(K key){
return getNode(root, key) != null;
}
public V get(K key){
Node node = getNode(root, key);
return node == null ? null : node.value;
}
public void set(K key, V newValue){
Node node = getNode(root, key);
if(node == null)
throw new IllegalArgumentException(key + " doesn't exist!");
node.value = newValue;
}
// 返回以node为根的二分搜索树的最小值所在的节点
private Node minimum(Node node){
if(node.left == null)
return node;
return minimum(node.left);
}
// 删除掉以node为根的二分搜索树中的最小节点
// 返回删除节点后新的二分搜索树的根
private Node removeMin(Node node){
if(node.left == null){
Node rightNode = node.right;
node.right = null;
size --;
return rightNode;
}
node.left = removeMin(node.left);
return node;
}
// 从二分搜索树中删除键为key的节点
public V remove(K key){
Node node = getNode(root, key);
if(node != null){
root = remove(root, key);
return node.value;
}
return null;
}
private Node remove(Node node, K key){
if( node == null )
return null;
if( key.compareTo(node.key) < 0 ){
node.left = remove(node.left , key);
return node;
}
else if(key.compareTo(node.key) > 0 ){
node.right = remove(node.right, key);
return node;
}
else{ // key.compareTo(node.key) == 0
// 待删除节点左子树为空的情况
if(node.left == null){
Node rightNode = node.right;
node.right = null;
size --;
return rightNode;
}
// 待删除节点右子树为空的情况
if(node.right == null){
Node leftNode = node.left;
node.left = null;
size --;
return leftNode;
}
// 待删除节点左右子树均不为空的情况
// 找到比待删除节点大的最小节点, 即待删除节点右子树的最小节点
// 用这个节点顶替待删除节点的位置
Node successor = minimum(node.right);
successor.right = removeMin(node.right);
successor.left = node.left;
node.left = node.right = null;
return successor;
}
}
13-4 红黑树的基本性质和复杂度分析
(1)红黑树是保持“黑平衡”的二叉树,这里的“黑平衡”是指对于从根节点开始搜索一直搜索到叶子节点,所经历的黑色节点的个数是一样的多的,是黑色的一种绝对的平衡。但严格意义上来讲,不是平衡二叉树,因为红黑树中左右子树的高度差是有可能大于1的,但红黑树的黑色节点的高度差保持着绝对的平衡,因此这就是为什么说红黑树是保持“黑平衡”的二叉树。
(2)对于红黑树来说,如果它的节点个数为n的话,相对应的它的最大高度为2logn,增删改查的操作时间复杂度均为O(logn)
(3)红黑树不会像二分搜索树一样退化成链表。
(4)对于红黑树来说添加元素和删除元素是比AVL树要快速一些,只需要查询的话AVL效率更高一些。
13-5 保持根节点为黑色和左旋转
-
红黑树添加新元素
2-3 树中添加一个新元素,或者添加进2-节点,形成一个3-节点;或者添加进3-节点,暂时形成一个4-节点。
在红黑树中添加新元素- - > 新的元素所在的节点永远是红色的(永远添加红色节点) -
红黑树的左旋转过程:
当我们想要将42这个红色节点插入到37这个2-节点中时,我们发现根据二分搜索树添加的原则,42 > 37,因此应当将42插入到37节点的右子树,然而此时不满足红黑树左倾原则,我们此时需要进行左旋转,和AVL树相同。
简答的代码实现如下:
private Node leftRotate(Node node){
Node x = node.right;
// 左旋转
node.right = x.left;
x.left = node;
x.color = node.color;
node.color = RED;
return x;
}
这里还有一件小事:由于红黑树的实现代码量非常大,因此在面试时很少会让你写红黑树的代码。
13-6 颜色翻转和右旋转
- 向红黑树中的3-node添加元素
(1)颜色翻转 flipColors
这里我们将66新节点添加到(37 42)这个2-节点中,我们发现根据二分搜索树添加元素的规则,66应当添加到(37 42)的右子树中,这在2-3树中相当于在3-节点中添加一个新元素后得到一个临时的4-节点,然后经过拆分后最终得到一个由三个2-节点组成的子树。
- 而在红黑树中,三个2-节点表示的是黑色节点,每一个黑色节点它的左侧如果没有红色节点的话,它本身就代表一个单独的2-节点,所以在这种情况下,不需要旋转节点,只需要将颜色都改变为黑色即可。
- 到了这里,我们知道得到临时的4-节点后,根节点要继续向上和它的父亲节点做融合,融合意味着我们新的根节点在红黑树中要变成一个红色节点。红色的节点才表示它要和它的父亲节点去融合,至此我们便处理完这种情况。
- 经过上述一系列操作之后,我们发现原本的节点颜色正好反过来了,我们称这样的情况为颜色翻转 flipColors
接下来我们用代码实现颜色翻转的过程:
// 颜色翻转
private void flipColors(Node node){
node.color = RED;
node.left.color = BLACK;
node.right.color = BLACK;
}
(2)右旋转
这里我们将12新节点添加到(37 42)这个2-节点中,我们发现根据二分搜索树添加元素的规则,12应当添加到(37 42)的左子树中。此时在红黑树中42的左孩子和它左孩子的左孩子都是红色的节点,这样的一种形状也可以理解为一种临时的4-节点。为了得到像2-3树最后得到的子树(由三个2-节点组成的子树),首先需要对42这个节点进行一个 右旋转 的过程,然后再进行(1)颜色翻转。
接下来我们用代码实现颜色翻转的过程:
private Node rightRotate(Node node){
Node x = node.left;
// 右旋转
node.left = x.right;
x.right = node;
x.color = node.color;
node.color = RED;
return x;
}
13-7 红黑树中添加新元素
代码实现:
// 向以node为根的红黑树中插入元素(key, value),递归算法
// 返回插入新节点后红黑树的根
private Node add(Node node, K key, V value){
if(node == null){
size ++;
return new Node(key, value); // 默认插入红色节点
}
if(key.compareTo(node.key) < 0)
node.left = add(node.left, key, value);
else if(key.compareTo(node.key) > 0)
node.right = add(node.right, key, value);
else // key.compareTo(node.key) == 0
node.value = value;
if (isRed(node.right) && !isRed(node.left))
node = leftRotate(node);
if (isRed(node.left) && isRed(node.left.left))
node = rightRotate(node);
if (isRed(node.left) && isRed(node.right))
flipColors(node);
return node;
}
13-8 红黑树的性能测试
- 代码实现:红黑树、AVL、二分搜索树的性能比较
- 红黑树的性能总结:
对于完全随机的数据,普通的二分搜索树很好用!
缺点:极端情况退化成链表(或者高度不平衡)
对于查询较多的使用情况,AVL树很好用!
红黑树牺牲了平衡性(2logn的高度)
统计性能更优(综合增删改查所有的操作)
13-9 更多和红黑树相关的话题
红黑树中删除节点、左倾红黑树、右倾红黑树
红黑树统计性能更优,另一种统计性能优秀的树结构:Splay Tree (伸展树)
局部性原理:刚被访问的内容下次高概率被再次访问。
基于红黑树的Map和Set(这里,java.util中的TreeMap和TreeSet基于红黑树:))
红黑树的其他实现:算法导论中红黑树的实现