AVL 树小结

AVL 树是一种常见的平衡二叉搜索树

一、背景

1、问题

例如：在 n 个动态的整数中搜索某个整数是否存在？

0	1	2	3	4	5	6	7	8	9
31	66	17	15	28	20	59	88	45	56

如果维护一个有序的动态数组，使用二分搜索，最坏时间复杂度：O（logn）

但是添加，删除的平均时间复杂度是O（n）

针对这个需求，有没有更好的方案？

使用二叉搜索树，添加，删除，搜索的最坏时间复杂度均可优化至：O（logn）

2、二叉搜索树

二叉搜索树是二叉树的一种，是应用非常广泛的一种二叉树，英文简称为 BST，有如下特点：

• 任意一个节点的值都大于其左子树所有节点的值
• 任意一个节点的都小于其右子树所有节点的值
• 它的左右子树也是一颗二叉搜索树
• 二叉搜索树存储的元素必须具备可比性，如果是自定义类型，需要指定比较方式，不允许为 null

根据二叉搜索树的定义，如果是按照  7，4，9，2，5，8，11 顺序添加可以构造一颗完全二叉树。

如果是从从小到大或者从大到小添加节点，二叉搜索树树将会退化成链表。此外，删除节点也有可能会导致二叉搜索树退化成链表。

如何避免二叉搜索树退化成链表呢？

首先，节点的添加，删除顺序是无法限制的，可以认为是随机的。所以，改进方案是：在节点添加，删除操作之后，想办法让二叉树恢复平衡。一颗达到适度平衡的二叉搜索树，可以称之为：平衡二叉搜索树，英文简称 BBST

二、AVL树简介

AVL树是最早发明的自平衡二叉搜索树之一，AVL 取名于两位发明者的名字（G.M.Adelson-Velsky 和 E.M.Landis）。

也有人把 AVL 树念做 “艾薇儿树”。

• 每个节点的平衡因子只可能是 1,0，-1 （绝对值 <=1，如果超过1，称之为“失衡”）
• 每个节点的左右子树高度差不超过1
• 搜索，添加，删除的时间复杂度是O（logn）

 如下图所示：添加节点13之后，13的祖父节点14平衡因子为2，已经失衡了

 

三、添加导致的失衡

二叉搜索树是在叶子节点上添加节点

最坏情怀：可能会导致所有祖父节点都失衡

父节点，非祖先节点都不可能失衡，需要通过以下方式旋转恢复平衡

T0，T1，T2，T3 可能为空，长度和位置关系仅供参考，主要是需要关注旋转

 

1、LL - 右旋转（单旋）

如下图所示：添加红色节点后，g的平衡因子为2，失衡了

这属于在左子树的左子树上插入节点之后导致的失衡，通过右旋转 P 节点成为根节点，恢复平衡

节点大小关系如下：

n < p < T2 < g < T3

所以 p 节点右旋转成为根节点时，需要做以下调整：

• g 成为 p 的右子树（p.right = g）
• T2 大于 p，小于 g，T2之前是 p.right。所以 T2 成为 g 的左子树 （g.left = p.right）

此时整颗树达到了平衡，此外还需要注意一些收尾工作：例如：更新 T2，p，g 的parent 属性

调整之后如下所示：

部分实现代码如下： 

    private void rotateRight(Node<E> grand) {
		Node<E> parent = grand.left;
		Node<E> child = parent.right;
		grand.left = child;
		parent.right = grand;
		afterRotate(grand, parent, child);
	}

2、RR - 左旋转（单旋）

 如下图所示：添加红色节点后，g的平衡因子为 -2，失衡了

同理：这属于在右子树的右子树上插入节点之后导致的失衡，通过左旋转 P 节点成为根节点，恢复平衡

节点大小关系如下：

T0  < g < T1 <  p < n

所以 p 节点左旋转成为根节点时，需要做以下调整：

• g 成为 p 的左子树（p.left = g）
• T1 大于 g，小于 p，T1之前是 p.left。所以 T1 成为 g 的右子树 （g.right = p.left）

此时整颗树达到了平衡，此外还需要注意一些收尾工作：例如：更新 T1，p，g 的parent 属性

调整之后如下所示：

部分实现代码如下： 

    private void rotateLeft(Node<E> grand) {
		Node<E> parent = grand.right;
		Node<E> child = parent.left;
		grand.right = child;
		parent.left = grand;
		afterRotate(grand, parent, child);
	}

 3、LR - RR左旋转，LL右旋转（双旋）

如下图所示：添加红色节点后，g的平衡因子为 2，失衡了。

这属于在左子树的右子树上插入节点之后导致的失衡，此时需要先让 p 节点左旋转，然后让 g 节点右旋转

左旋和右旋和上面的操作一致，不再赘叙

旋转过程如下：

4、RL - LL右旋转， RR左旋转（双旋）

如下图所示：添加红色节点后，g的平衡因子为 2，失衡了。

这属于在右子树的左子树上插入节点之后导致的失衡，此时需要先让 p 节点右旋转，然后让 g 节点左旋转

旋转过程如下：

添加导致的失衡实现部分代码如下：

    private void rebalance(Node<E> grand) {
		Node<E> parent = ((AVLNode<E>)grand).tallerChild();
		Node<E> node = ((AVLNode<E>)parent).tallerChild();
		if (parent.isLeftChild()) { // L
			if (node.isLeftChild()) { // LL
				rotateRight(grand);
			} else { // LR
				rotateLeft(parent);
				rotateRight(grand);
			}
		} else { // R
			if (node.isLeftChild()) { // RL
				rotateRight(parent);
				rotateLeft(grand);
			} else { // RR
				rotateLeft(grand);
			}
		}
	}

四、删除导致的失衡

作为一颗二叉树搜索树，AVL 树的删除跟二叉树搜索树的删除一致

叶子节点	度为 1 的节点	度为 2 的节点
直接删除	使用子节点替代原节点的位置	先用前驱或者后继节点的值覆盖原节点的值，然后删除相应的前驱或者后继节点

以下我们只讨论度为 2 的节点的删除，如下图所示：删除子树中的16

可能会导致 父节点 或 祖先节点 失衡，其他节点都不会失衡

同理，删除导致的失衡也是通过旋转回复平衡

如下图所示：删除红框节点

如果没有 绿色框节点，p右旋之后，右边的子树高比左边的子树高小1。

可能会导致 p 节点的父节点或更高层节点失衡。

极端情况下，所有祖先节点都需要进行恢复平衡的操作，共 O（logn）次调整。

五、总结

	添加	删除	搜索
时间复杂度	O(logn)	O(logn)	O(logn)
失衡调整	可能会导致所有祖先节点都失衡，只要让高度最低的失衡节点恢复平衡，整颗树就平衡了，仅需要O(1)次调整	可能会导致父节点或祖父节点失衡（只有一个节点会失衡），恢复平衡后可能会导致更高层的祖先节点失衡，最多需要 O(logn) 次调整