JAVA实现平衡二叉树（AVL）

前言

• 本文主要探讨平衡二叉树的实现过程，对于原理还请自行翻阅其它资料进行学习

1.平衡二叉树简介

1.1什么是平衡二叉树

了解平衡二叉树之前我们首先需要知道什么是树结构

• . 树结构

树是一种数据结构，它是由n（n>=1）个有限节点组成一个具有层次关系的集合。

树的定义：
把它叫做“树”是因为它看起来像一棵倒挂的树，也就是说它是根朝上，而叶朝下的。它具有以下的特点：

1. 树由若干个节点组成
2. 如果一颗树不为空，那么至少拥有一个根节点，且根节点没有父节点
3. 每个节点可以拥有若干个子节点
4. 除了根节点以外，每个子节点可以分为多个不相交的子树

• 二叉树

二叉树（Binary tree）是树形结构的一个重要类型。许多实际问题抽象出来的数据结构往往是二叉树形式，即使是一般的树也能简单地转换为二叉树，而且二叉树的存储结构及其算法都较为简单，因此二叉树显得特别重要。二叉树特点是每个结点最多只能有两棵子树，且有左右之分 [1] 。
二叉树是n个有限元素的集合，该集合或者为空、或者由一个称为根（root）的元素及两个不相交的、被分别称为左子树和右子树的二叉树组成，是有序树。当集合为空时，称该二叉树为空二叉树。在二叉树中，一个元素也称作一个结点 [1] 。

二叉树定义：

1. 二叉树由若干个节点组成
2. 如果一颗二叉树不为空，那么至少拥有一个根节点，且根节点没有父节点
3. 每个节点可以拥有最多两个子节点，分别为左子节点和右子节点
4. 若任意节点的左子树不空，则左子树上所有的节点值均小于该节点的值
5. 若任意节点的右子树不空，则右子树上所有节点的值均大于该节点的值
6. 每个子节点也必须符合2-5的规范

二叉树有以下5中基本形态：

二叉树的缺点：

虽然说二叉树能提高查找的效率 O(logn)，但当插入的数据是一个有序的数列时，二叉树看起来像一个链表一样，搜索效率降低为O(n)

比如我插入的数据为{1,2,3,4,5,6}

为了避免这种情况存在，在 1962 年，一个姓 AV 的大佬（G. M. Adelson-Velsky） 和一个姓 L 的大佬（ Evgenii Landis）提出「平衡二叉树」（AVL） 。
插入 {1,2,3,4,5,6} 这种数据结果演变为下图：

• 平衡二叉树

在计算机科学中，AVL树是最早被发明的自平衡二叉查找树。在AVL树中，任一节点对应的两棵子树的最大高度差为1，因此它也被称为高度平衡树。查找、插入和删除在平均和最坏情况下的时间复杂度都是O(logn)。增加和删除元素的操作则可能需要借由一次或多次树旋转，以实现树的重新平衡。AVL 树得名于它的发明者 G. M. Adelson-Velsky 和 Evgenii Landis，他们在1962年的论文《An algorithm for the organization of information》中公开了这一数据结构。

平衡二叉树定义：

1. 平衡二叉树由若干个节点组成
2. 如果一颗二叉树不为空，那么至少拥有一个根节点，且根节点没有父节点
3. 每个节点可以拥有最多两个子节点，分别为左子节点和右子节点
4. 若任意节点的左子树不空，则左子树上所有的节点值均小于该节点的值
5. 若任意节点的右子树不空，则右子树上所有节点的值均大于该节点的值
6. 没有键值相等的节点
7. 左树和右树的高度差的绝对值不能超过1
8. 每个子节点也必须符合3-7的规范

***以下是一颗平衡二叉树（图1）***

• 我们以根节点4为参照系，可以看到这颗二叉树不为空，有且仅有1个根节点，满足定义2
• 每个节点最多有两个子节点，满足定义3
• 根节点4的左子树2不为空，2的子节点为{1，3}，则根节点4的左子树节点集合为[2，1，3],该集合的任意值小于根节点4的值，满足定义4
• 根节点4的右子树7不为空，7的子节点为{6，9}，6的子节点为{5，null}，9的子节点为{8，10}，则根节点4的右子树节点集合为[7，6，9，5，8，10],该集合的任意值大于根节点4的值，满足定义5
• 该树没有值相等的节点，满足定义6
• 4的左子树深度为2，右子树深度为3，则左右高度差=左子树深度-右子树深度=2-3=-1，可以看到根节点头上有一个红色的-1，表示左右子树高度差，-1的绝对值是1，满足定义7
• 根节点4的每个子节点也符合以上规范，满足定义8

1.2平衡二叉树的作用

二叉树支持动态的插入和查找，保证操作在O(height)时间，这就是完成了哈希表不便完成的工作，动态性。但是二叉树有可能出现worst-case，如果输入序列已经排序，则时间复杂度为O(N)
平衡二叉树/红黑树就是为了将查找的时间复杂度保证在O(logN)范围内。
所以如果输入结合确定，所需要的就是查询，则可以考虑使用哈希表，如果输入集合不确定，则考虑使用平衡二叉树/红黑树，保证达到最大效率
平衡二叉树主要优点集中在快速查找。

2.关键词概述

• 根节点（root_node）

  父节点为空的节点，一颗不为空的平衡二叉树有且只有一个根节点

• 父节点（parent_node）

  除了根节点，每个不为空的节点都有且只有一个父节点

• 左子树（left_tree）

  任意节点的左分支节点树（表示的是左分支下的节点集合）

• 右子树（right_tree）

  任意节点的右分支节点树（表示的是右分支下的节点集合）

• 左子节点（left_child）

  任意节点左子树中的第一个节点（表示的是单个的节点）

• 右子节点（right_child）

  任意节点右子树中的第一个节点（表示的是单个的节点）

• 叶子节点（leaf_node）

  除根节点以外，若任意节点的左右子节点都为空，则称这个节点为叶子节点，表示没有后继分支

• 平衡因子（BalanceFactor）

  表示任意节点的左右子树高度差
  计算公式为：bf = 左子树高度 - 右子树高度
  如果bf的绝对值>1代表此树失衡

• 最小不平衡子树（MinUnBalanceTree）

  最小的失衡节点

3.代码实现思路

3.1节点类（TreeNode）

根据上文平衡二叉树的定义可知，节点类需要拥有下列字段

• data (节点值)
• bf (平衡因子)
• parent_node (父节点)
• left_child (左子节点)
• right_child (右子节点)
• count (节点数据被重复插入的次数)

新建一个节点类（TreeNode）

  	/**
     * 存放数据的节点类
     */
    static class TreeNode {
        private int bf = 0;//BalanceFactor(平衡因子)
        private int data;//该节点存放的数据
        private TreeNode parent_node;//该节点的父节点
        private TreeNode left_child, right_child;//该节点的左右子节点
        private int count = 0;//记录该条数据被重复插入的次数

        public TreeNode(int data) {
            this.data = data;

        }
		
		 /**
         * 此处注意不能直接打印左右子节点和父节点的全部节点信息
         * 因为节点之间有互相引用关系，如果全部打印会导致堆栈溢出
         * 故此处值打印父节点和左右子节点的值
         *
         * @return
         */
        @Override
        public String toString() {
            String p_data = null, l_data = null, r_data = null;
            if (parent_node != null) {
                p_data = String.valueOf(parent_node.data);
            }
            if (left_child != null) {
                l_data = String.valueOf(left_child.data);
            }
            if (right_child != null) {
                r_data = String.valueOf(right_child.data);
            }
            return "TreeNode{" +
                    " data=" + data +
                    ", bf=" + bf +
                    ", count=" + count +
                    ", parent_node_data=" + p_data +
                    ", left_child_data=" + l_data +
                    ", right_child_data=" + r_data +
                    '}';
        }
		 /**
         * 因为平衡二叉树的节点值唯一，所以此处只需要比较值相等
         * @param o
         * @return
         */
        @Override
        public boolean equals(Object o) {
            if (this == o) return true;
            if (o == null || getClass() != o.getClass()) return false;
            TreeNode node = (TreeNode) o;
            return data == node.data;
        }

        @Override
        public int hashCode() {
            return Objects.hash(bf, data, parent_node, left_child, right_child, count);
        }

    }
    

3.2 树类（AVLTree）

树类需要满足的条件有：

• 任意节点左子树上的节点值小于该节点的值,右子树上的节点值大于该节点的值,该节点的子节点也适用这个规律
• 每个节点左右子树的深度差绝对值不大于1

新建一个树类（AVLTree）

	/**
     * 平衡二叉树
     * 条件:
     * 1.任意节点左子树上的节点值小于该节点的值,右子树上的节点值大于该节点的值,该节点的子节点也适用这个规律
     * 2.每个节点左右子树的深度差绝对值不大于1
     */
    static class AVLTree {
        
    }
    

树类中需要一个队列来存放我们的节点值

	//用于存放节点的队列
	private Queue<TestAVL_Tree.TreeNode> tree = new LinkedList<TestAVL_Tree.TreeNode>();

现在我们来插入第一个节点 ，写一个插入节点的方法

	/**
 	 * 插入节点
	 *
     * @param data 节点值
     */
	public void insertNode(int data) {
            TestAVL_Tree.TreeNode new_node = new TestAVL_Tree.TreeNode(data);
            tree.add(new_node);
        }
        

写一个测试类，插入数据7来查看调用结果

	AVLTree avlTree = new AVLTree();
	avlTree.insertNode(7);
	System.out.println("最终结果：" + avlTree.tree.toString());

最终结果：
[TreeNode{ data=7, bf=0, count=0, parent_node_data=null, left_child_data=null, right_child_data=null}]

此时的AVL树状态为：

• 由于根节点是必定没有父节点的，此处就不在标出
• 因为左右子树都是NULL，此时平衡因子为0，

接着来插入第二个节点6

	avlTree.insertNode(6);

因为6的值比根节点7小，所以放在根节点的左子节点中，如图

• 根节点7的的左树中新增节点6
• 因为左树中插入了新节点，需要重新计算平衡因子。此时根节点7的左树深度为1，右树深度为0，bf=1，AVL树保持平衡状态

如果根节点7在插入之前已经有子节点呢？
此时会有4种可能

• 插入的新节点小于根节点的左子节点，此时插入的方式称为左左（left_left），即在节点左子树下的左子节点下插入
  
  插入流程：
  1.由上文AVL树的定义可知，任意节点左子树上所有的节点值均小于该节点的值；
  2.根节点的值为7，新节点的值为4；由于新节点的值 < 根节点的值，传递给根节点的左子节点，继续进行比较
  3.左子节点的值为5，新节点的值为4；由于新节点的值 < 左子节点的值，且左子节点没有后继的子节点可以继续进行传递，则将新节点插入到左子节点的左子树下。

• 插入的新节点大于根节点的左子节点，此时插入的方式称为左右（left_right），即在节点左子树下的右子节点下插入
  

  插入流程：*
  1.由上文AVL树的定义可知，任意节点左子树上所有的节点值均小于该节点的值，右子树上所有节点的值均大于该节点的值
  2.根节点的值为7，新节点的值为6；由于新节点的值 < 根节点的值，传递给根节点的左子节点，继续进行比较
  3.左子节点的值为5，新节点的值为6；由于新节点的值 > 左子节点的值，且左子节点没有后继的子节点可以继续进行传递，则将新节点插入到左子节点的右子树下。

• 插入的新节点大于根节点的右子节点此时插入的方式称为右右（right_right），即在节点右子树下的右子节点下插入
  

  插入流程：
  1.由上文AVL树的定义可知，任意节点右子树上所有节点的值均大于该节点的值
  2.根节点的值为7，新节点的值为15；由于新节点的值 > 根节点的值，传递给根节点的右子节点，继续进行比较
  3.右子节点的值为10，新节点的值为15；由于新节点的值 > 右子节点的值，且右子节点没有后继的子节点可以继续进行传递，则将新节点插入到右子节点的右子树下。

• 插入的新节点小于根节点的右子节点此时插入的方式称为右左（right_left），即在节点右子树下的左子节点下插入
  
  插入流程：
  1.由上文AVL树的定义可知，任意节点左子树上所有的节点值均小于该节点的值，右子树上所有节点的值均大于该节点的值
  2.根节点的值为7，新节点的值为8；由于新节点的值 > 根节点的值，传递给根节点的*右子节点，继续进行比较
  3.右子节点的值为10，新节点的值为8；由于新节点的值 < 右子节点的值，且右子节点没有后继的子节点可以继续进行传递，则将新节点插入到右子节点的左子树下。

	   /**
         * 计算新插入节点的位置
         *
         * @param old_node 旧节点
         * @param new_node 新节点
         */
        private void indexOf(TreeNode old_node, TreeNode new_node) {
            if (new_node.data == old_node.data) {//新节点的值等于旧节点的值
                old_node.count++;//不计算新节点的下表,直接在旧节点的count+1;
            } else if (new_node.data < old_node.data) {//新节点的值小于旧节点的值
                if (old_node.left_child == null) {//如果左子树为空,就放入旧节点的左子树
                    old_node.left_child = new_node;
                    new_node.parent_node = old_node;//把当前旧节点设置为新节点的父节点
                } else {
                    indexOf(old_node.left_child, new_node);//如果左子树不为空,则递归计算位置
                }
            } else if (new_node.data > old_node.data) {//新节点的值大于等于旧节点的值
                if (old_node.right_child == null) {//如果右子树为空,就放入旧节点的右子树
                    old_node.right_child = new_node;
                    new_node.parent_node = old_node;//把当前旧节点设置为新节点的父节点
                } else {
                    indexOf(old_node.right_child, new_node);//如果右子树不为空,则递归计算位置
                }
            }
        }
        

可以看到以上4种插入情况都会导致根节点bf的绝对值 >1，此时二叉树失衡，需要通过旋转来恢复平衡状态
针对4种插入情况（左左、左右、右右、右左），有4种不同的旋转策略，两种旋转的方法，分别为左旋和右旋

左旋和右旋不同于逆时针旋和顺时针旋转，下面两个动图便于理解：
左旋

左旋就是将节点的右支往左拉，右子节点变成父节点，并把晋升之后多余的左子节点出让给降级节点的右子节点

右旋

右旋就是反过来，将节点的左支往右拉，左子节点变成了父节点，并把晋升之后多余的右子节点出让给降级节点的左子节点

即左旋就是往左变换，右旋就是往右变换。不管是左旋还是右旋，旋转的目的都是将节点多的一支出让节点给另一个节点少的一支

左左

• 针对LL型（left_left）的旋转策略为：右旋

此情况下最小不平衡子树为根节点7，由下图可知根节点的左子树深度为2，右子树深度为0
则需要对节点5执行右旋

• 旧根节点（节点 7）为新根节点（节点 5）的右子树
• 新根节点（节点 5）的 右子树（如果存在）为旧根节点的左子树

旋转之前首先要找到最小不平横子树

寻找过程为：
1.从新插入的节点开始，向上寻找父节点，判断父节点的bf绝对值是否大于1
2.如果 > 1，则此父节点就是最小不平衡子树
3.如果 < 或 = 1，则继续往上追朔父节点的父节点，直到找到bf>1的祖父节点

	   /**
         * 计算最小不平衡子树
         * 可能存在的情况:
         * 1.该节点是根节点(没有父节点)
         * 2.该节点的父节点平衡因子>1,代表此节点是最小不平衡子树
         * 3.该节点的父节点平衡因子<1,递归继续向上查找
         *
         * @param node 新插入的节点
         * @return 最小不平衡子树
         */
        private TreeNode countMinUnBalanceNode(TreeNode node) {
            TreeNode from_node = node.parent_node;//获得新插入节点的父节点
            if (from_node != null) {//此节点不是根节点
                int bf_abs = Math.abs(from_node.bf);
                if (bf_abs > 1) {//平衡因子绝对值>1代表此节点失衡,并且是最小不平衡子数
                    return from_node;
                } else if (bf_abs <= 1) {
                    return countMinUnBalanceNode(from_node);//否则递归调用向上查找
                }
            } else {//此节点是根节点 只需要判断根节点的不平衡因子,不需要往上递归
                int bf_abs = Math.abs(node.bf);
                if (bf_abs > 1) {//平衡因子绝对值>1代表此节点失衡,并且是最小不平衡子数
                    return node;
                }
            }
            return null;
        }
        

节点右旋的代码

  	   /**
         * 节点右旋
         *
         * @param node 需要右旋的节点
         */
        private void rightRotate(TreeNode node) {
            TreeNode left_child = node.left_child;//当前节点的左子树
            TreeNode parent_node = node.parent_node;//当前节点的父节点
            if (parent_node != null) {//如果当前节点不是根节点
                //判断当前节点是父节点的左子树还是右子树
                if (node.equals(parent_node.left_child)) {
                    node.parent_node.left_child = left_child;//用左子树替换掉当前节点在父节点的位置
                } else if (node.equals(parent_node.right_child)) {
                    node.parent_node.right_child = left_child;//用左子树替换掉当前节点在父节点的位置
                }
            }
            left_child.parent_node = parent_node;//原左子树(现父节点)的父节点改为原父节点(现右子树)的父节点

            TreeNode left_child_right = left_child.right_child;//获取原左子树的右节点
            //如果不为空则把左子树的右节点设为原父节点的左子树
            if (left_child_right != null) {
                left_child_right.parent_node = node;
            }
            node.left_child = left_child_right;//原左子树右节点的父节点改为现右子树(原父节点)的左节点

            left_child.right_child = node;//现父节点(原左子节点)的右子树改为原父节点
            node.parent_node = left_child;//现右子树(原父节点)的父节点改为原左子树(现父节点)
            reCountNodeBF();//右旋完成重新计算节点的平衡因子
            System.out.println("右旋后: " + tree.toString());
        }
        

右右

• 针对RR型（right_right）的旋转策略为：左旋

此情况下最小不平衡子树为根节点7，由下图可知根节点的左子树深度为0，右子树深度为2
则需要对节点10执行左旋

• 旧根节点（节点7）为新根节点（节点 10）的左子树
• 新根节点（节点10）的左子树（如果存在）为旧根节点的右子树

节点左旋的代码

/**
         * 节点左旋
         *
         * @param node 需要左旋的节点
         */
        private void leftRotate(TreeNode node) {
            TreeNode right_child = node.right_child;//当前节点的右子树
            TreeNode parent_node = node.parent_node;//当前节点的父节点
            if (parent_node != null) {//如果当前节点不是根节点
                //判断当前节点是父节点的左子树还是右子树
                if (node.equals(parent_node.left_child)) {
                    parent_node.left_child = right_child;//用左子树替换掉当前节点在父节点的位置
                } else if (node.equals(parent_node.right_child)) {
                    parent_node.right_child = right_child;//用左子树替换掉当前节点在父节点的位置
                }
            }
            right_child.parent_node = parent_node;//原右子树(现父节点)的父节点改为原父节点(现左子树)的父节点

            TreeNode right_child_left = right_child.left_child;//获取原右子树的左节点
            //如果不为空则把右子树左节点的父节点设为原父节点(现左子树的)的右节点
            if (right_child_left != null) {
                right_child_left.parent_node = node;
            }
            node.right_child = right_child_left;//原右子树左节点的父节点改为现左子树(原父节点)的右节点

            right_child.left_child = node;//现父节点(原右子树)的左子树改为原父节点
            node.parent_node = right_child;//现左子树(原父节点)的父节点改为原右子树(现父节点)
            reCountNodeBF();//左旋完成重新计算节点的平衡因子
            System.out.println("左旋后: " + tree.toString());
        }
        

左右

• 针对LR型（left_right）的旋转策略为：先左旋转成左左，再右旋

此情况下最小不平衡子树为根节点7，由下图可知根节点的左子树深度为2，右子树深度为0，且新节点（6）小于根节点的左子节点（5）
则需要先对节点6执行左旋再右旋

右左

• 针对RL型（right_left）的旋转策略为：先右旋转成右右，再左旋

此情况下最小不平衡子树为根节点7，由下图可知根节点的左子树深度为0，右子树深度为2，且新节点（6）小于根节点的右子节点（5）
则需要先对节点6执行右旋再左旋

  	   /**
         * 执行旋转
         * 可能出现4中情况:
         * 1.左左 (直接右旋)
         * 2.左右(先左旋变为左左再右旋)
         * 3.右右(直接左旋)
         * 4.右左(先右旋变为右右再左旋)
         *
         * @param new_node         新插入的节点
         * @param minUnBalanceTree 最小不平衡子树
         */
        private void executeRotation(TreeNode new_node, TreeNode minUnBalanceTree) {
            System.out.println("旋转前: " + tree.toString());
            TreeNode old_node = new_node.parent_node;
            if (minUnBalanceTree.bf > 1) {//左边多,需要右旋
                if (new_node != old_node.left_child) {//左右(当前节点不是旧节点的左子树)
                    leftRotate(old_node);//先左旋变为左左
                    minUnBalanceTree = countMinUnBalanceNode(new_node);//计算最小不平衡子树
                }
                rightRotate(minUnBalanceTree);//右旋
            } else if (minUnBalanceTree.bf < -1) {//右边多,需要左旋
                if (new_node != old_node.right_child) {//右左(当前节点不是旧节点的右子树)
                    rightRotate(old_node);//先右旋变为右右
                    minUnBalanceTree = countMinUnBalanceNode(new_node);//计算最小不平衡子树
                }
                leftRotate(minUnBalanceTree);//左旋
            }
        }
        

插入节点的方法修改后为

 	   /**
         * 插入节点
         * 执行步骤:
         * 1.计算插入节点的坐标
         * 2.添加到队列
         * 3.重新计算每个节点的平衡因子
         * 4.计算最小不平衡子树
         * 5.如果有最小不平衡子树,则执行旋转
         *
         * @param data 节点值
         */
        public void insertNode(int data) {
            TreeNode new_node = new TreeNode(data);
            int size = tree.size();
            if (size == 0) {//如果树里没有节点,是第一次添加
                tree.add(new_node);
            } else {
                indexOf(getRootNode(), new_node);//计算插入的位置
                if (new_node.parent_node != null) {
                    tree.add(new_node);//添加到队列
                }
                reCountNodeBF();//重新计算每个节点的平衡因子
                TreeNode minUnBalanceTree = countMinUnBalanceNode(new_node);//计算最小不平衡子树
                if (minUnBalanceTree != null) {//代表失衡
                    System.out.println("最小不平衡子树为： " + minUnBalanceTree.toString());
                    executeRotation(new_node, minUnBalanceTree);//执行旋转
                }
            }
        }
        

同理我们可以很轻松的写出一个插入节点值数组的方法

 	   /**
         * 插入数组
         *
         * @param arr 节点值数组
         */
        public void insertArr(int[] arr) {
            for (int data : arr) {
                insertNode(data);
            }
        }
        

查找结点

• 原理
  先来看一张图
  
  查找节点的思路类似于二分法

  比如我们想查找的节点为3
  根据平衡二叉树的定义可知节点左子树上的值小于节点本身，右子树上的值大于节点本身
  先从根节点开始判断，根节点的值为4，大于我们的查找值3，则我们的目标节点只可能存在于根节点的左子树
  根节点的左子节点的值为2，小于我们查找值3，则我们的目标节点只可能存在于此节点的右子树
  节点2的右子节点值为3，等于我们的查找值，则此节点为我们的目标节点

  同理，如果我们查找一个不存在的节点7

  先从根节点开始判断，根节点的值为4，小于我们的查找值7，则我们的目标节点只可能存在于根节点的** 右子树**
  根节点的右子节点的值为5，小于我们查找值7，则我们的目标节点只可能存在于此节点的右子树
  节点6的右子节点为空，并且节点值小于我们的查找值7，此时代表目标节点不存在

• 代码实现

 	   /**
         * 查找节点
         * 类似于二分法
         *
         * @param data 节点值
         * @return Node
         */
        public TreeNode searchNode(int data) {
            TreeNode rootNode = getRootNode();//得到根节点
            return dichotomousSearch(data, rootNode);//从根节点开始往下查找(使用二分法)
        }
        

	   /**
         * 递归二分查找
         * 有以下几种情况:
         * 1.目标值等于比较节点的值,代表已找到
         * 2.目标值小于比较节点的值,,则从比较节点的左子树开始递归查找
         * 3.目标值大于比较节点的值,则从比较节点的右子树开始递归查找
         *
         * @param target_data  目标值
         * @param compare_node 比较目标值的节点
         * @return Node
         */
        private TreeNode dichotomousSearch(int target_data, TreeNode compare_node) {
            if (target_data == compare_node.data) {//如果目标值等于比较节点的值,则返回比较节点
                return compare_node;
            } else if (target_data < compare_node.data && compare_node.left_child != null) {//如果目标值大于比较节点的值,则从比较节点的左子树开始递归查找
                return dichotomousSearch(target_data, compare_node.left_child);
            } else if (target_data > compare_node.data && compare_node.right_child != null) {//如果目标值大于比较节点的值,则从比较节点的右子树开始递归查找
                return dichotomousSearch(target_data, compare_node.right_child);
            }
            return null;
        }
       

总结一下，插入节点的流程为：

1. 遍历二叉树，判断新插入的节点是否已经存在，若存在，则对该节点count++，不重复插入
2. 计算新节点的坐标（它的父节点是谁，它是父节点的左子节点还是右子节点）
3. 把节点添加到二叉树
4. 遍历二叉树，重新计算所有节点的平衡因子，看是否有节点失衡
5. 如果有失衡则从新插入的节点开始，找出最小不平衡子树
6. 根据失衡的类型（左左，左右，右左，右右），执行不同的旋转策略

删除结点
删除节点的情况比较复杂，因为删除节点和添加节点一样，有可能会导致二叉树失衡

删除过程可分为三种情况

1. 被删除的节点为叶子节点（比如上图中的节点1、3、6），即没有左右子节点
2. 被删除的节点只有左子树或只有右子树（比如上图中的节点5）
3. 被删除的节点既有左子树又有右子树（比如上图中的节点4，2）

我们需要知道这么一点，左子树上节点的删除相当于我们在右子树上插入了一个新节点，右子树上节点的删除相当于在左子树上插入了一个新节点，根据这一点，我们进行判断并采取对应的平衡调整操作。

分析一下这三种情况：

1. 被删除的节点为叶子节点
   例1：
   
   比如上图中的节点{8，14，25，31，40}都是叶子节点，我们来删除节点14

   删除后的树结构为：

删除一个几点我们需要重被删除节点的父节点开始，往上寻找是否有失衡节点

• 节点14的父节点值为10，节点10的左子树深度为1，右子树深度为0，则bf = 1；未失衡，继续往上寻找

• 节点10的父节点值为20，节点20的左子树深度为2，右子树深度为3，则bf = -1；未失衡，有于此节点已经是根节点，停止寻找

• 此时二叉树处于平衡状态

  例2：
  
  上图中的节点{7，21，40}都是叶子节点，我们来删除节点7

  删除后的树结构为：
  
  依照例1的规律，检索节点的步骤为

• 节点7的父节点值为8，节点8没有子树，则bf = 0；未失衡，继续往上寻找

• 节点8的父节点值为20，节点20的左子树深度为1，右子树深度为3，则bf = -2，此节点失衡，则此节点为最小不平衡子树

• 此时二叉树处于失衡状态

那么该如何调整呢？

上文提过，在左子树上删除节点其实就相当于在右子树上插入节点。

我们找到节点20的右子树上的子节点30，发现节点30的左子树高度比右子树高，这就相当于在节点20的右子树节点30的左子树下插入了一个新的节点。这就需要进行RL型（右左）调整。

注意：这里的RL型（右左）调整不同于上面插入节点的调整步骤！！！

先对最小不平衡子树（节点20）的右子节点（30）进行右旋调整，调整后为：

接下来对最小不平衡子树（节点20）进行左旋调整，调整后为：

通过检索可得，此时的二叉树保持平衡状态

例3：

我们来删除节点8，删除后的树结构为：

通过检索可以得出，根节点（25）为最小不平衡子树，bf = -2，此树处于失衡状态，需要进行调整。
上文说过，在左子树上删除节点其实就相当于在右子树上插入节点。但要如何调整还取决于该失衡节点的右子树的左右子树的高度差。

调整的步骤为：

1. 找到最小不平衡子树（根节点25）的右子节点（30）
2. 节点30的左右子树高度一样，故只需要RR型（右右）调整

调整后的二叉树为：

总结一下，删除叶子节点的几个步骤为：

1. 将该结点直接从树中删除
2. 从被删除的节点的父节点开始向上检索，判断是否节点左右子树高度差超过1；如果有，则此树失衡，且该节点是最小不平衡子树；如果没有，则继续向上检索，直至根节点。
3. 如果检索到了失衡，则根据失衡的类型（LL、LR、RL、RR）执行不同的旋转策略（此时的策略和添加节点的旋转策略有所不同）

代码实现：

	   /**
         * 删除一个叶子节点(没有左右子树的节点)
         *
         * @param node 被删除节点
         * @return Result
         */
        private Result deleteNodeByLeafNode(TreeNode node) {
            if (node.parent_node == null) {//该节点是根节点（此情况下二叉树只有一个节点）
                tree.remove(node);//从队列中移除此节点
                return new Result(true, node);
            } else {//该节点是叶子节点
                if (node == node.parent_node.left_child) {//该节点是父节点的左子节点
                    node.parent_node.left_child = null;//节点置空
                } else if (node == node.parent_node.right_child) {//该节点是父节点的右子节点
                    node.parent_node.right_child = null;//节点置空
                }
            }
            tree.remove(node);//从队列中移除此节点
            return new Result(false, node);
        }
        

删除结果回调类：

 /**
     * 删除结果回调类
     */
    static class Result {
        private boolean isSkipBuild;//是否跳过检索
        private TreeNode target_node;//标记的节点

        public Result(boolean isSkipBuild, TreeNode target_node) {
            this.isSkipBuild = isSkipBuild;
            this.target_node = target_node;
        }
    }

判断如何执行旋转的方法：

  	   /**
         * 整理节点树
         * 判断是否需要执行旋转
         *
         * @param target_node
         */
        private void rebuild(TreeNode target_node) {
            TreeNode minUnBalanceTree = countMinUnBalanceNode(target_node);//查找最小不平衡子树,从被删除节点的父节点开始层级查找
            if (minUnBalanceTree == null) return;
            System.out.println("最小不平衡子树为： " + minUnBalanceTree.toString());
            if (minUnBalanceTree.bf > 1) {//被删除节点属于最小不平衡子树的右分支
                if (minUnBalanceTree.left_child.bf >= 0) {//左树和右树相等或左树比右树高
                    System.out.println("旋转前： " + tree.toString());
                    rightRotate(minUnBalanceTree);
                } else if (minUnBalanceTree.left_child.bf < 0) {//右树比左树高
                    leftRotate(minUnBalanceTree.left_child);
                    rightRotate(minUnBalanceTree);
                }
            } else if (minUnBalanceTree.bf < -1) {//被删除节点属于最小不平衡子树的左分支
                if (minUnBalanceTree.right_child.bf > 0) {//左树比右树高
                    rightRotate(minUnBalanceTree.right_child);
                    leftRotate(minUnBalanceTree);
                } else if (minUnBalanceTree.right_child.bf <= 0) {//右树和左树等高或右树比左树高
                    System.out.println("旋转前： " + tree.toString());
                    leftRotate(minUnBalanceTree);
                }
            }
            //递归向上检索
            rebuild(minUnBalanceTree.parent_node);
        }
      

2. 被删除的节点只有一颗子树（左子树或右子树）

   例1：
   
   该树中，只有一颗子树的节点为{29，40}，我们来删除节点29

   删除后的树结构为：

   
   可以看到此时二叉树处于平衡状态

   如果我们将例1中删除的节点改为40，则需要用节点40的右子树或者左子树替换掉节点40在其父节点中的位置
   因为节点40只有右子树，此时我们用右子节点50进行替换

   删除后的树结构为：

   
   通过检索可知节点30失衡，最小不平衡子树为30， 删除右子树的节点相当于在左子树上插入新的节点 ，也就是相当于在左子树的右子树上插入节点。因此我们这里要进行LR型调整。

   调整步骤：

   • 我们首先找到被删除节点40的替代节点50
   • 从节点50开始，向上检索失衡节点
   • 检索到根节点（30）失衡，bf = 2，
   • 找到最小不平衡子树（根节点30）的左子节点（25），执行左旋
   • 再对最小不平衡子树（根节点30）执行右旋

左旋后的树结构为：

右旋后的树结构为：

总结一下，删除有一个子节点的节点的步骤为：

1. 将该结点直接从树中删除
2. 将该节点的后继子节点（左子节点或右子节点）替换该节点原来的位置
3. 从被删除的节点的父节点开始向上检索，判断是否节点左右子树高度差超过1；如果有，则此树失衡，且该节点是最小不平衡子树；如果没有，则继续向上检索，直至根节点。
4. 如果检索到了失衡，则根据失衡的类型（LL、LR、RL、RR）执行不同的旋转策略（此时的策略和添加节点的旋转策略有所不同）

代码实现：

 	   /**
         * 删除一个只有左子树的节点
         *
         * @param node 被删除节点
         * @return Result
         */
        private Result deleteNodeByOnlyleftTree(TreeNode node) {
            if (node.parent_node != null && node.data < node.parent_node.data) {//如果存在父节点并且此节点的值小于父节点的值(代表此节点为父节点的左子节点)
                node.parent_node.left_child = node.left_child;//当前父节点的左子节点替换为此节点的左子节点
                node.left_child.parent_node = node.parent_node;//当前节点左子节点的父节点替换为当前节点的父节点
            } else if (node.parent_node != null && node.data > node.parent_node.data) {//如果存在父节点并且此节点的值大于于父节点的值(代表此节点为父节点的右子节点)
                node.parent_node.right_child = node.left_child;//当前父节点的右子节点替换为此节点的左子节点
                node.left_child.parent_node = node.parent_node;//当前节点左子节点的父节点替换为当前节点的父节点
            } else {//代表被删除的节点是根节点且根节点只有左子节点
                node.left_child.parent_node = null;//直接将该节点左子节点的父节点引用置空,并跳过检索
                tree.remove(node);//从队列中移除此节点
                return new Result(true, node);
            }
            tree.remove(node);//从队列中移除此节点
            return new Result(false, node);
        }

	   /**
         * 删除一个只有右子树的节点
         *
         * @param node 被删除节点
         * @return Result
         */
        private Result deleteNodeByOnlyRightTree(TreeNode node) {
            if (node.parent_node != null && node.data < node.parent_node.data) {//如果存在父节点并且此节点的值小于父节点的值(代表此节点为父节点的左子节点)
                node.parent_node.left_child = node.right_child;//当前父节点的左子节点替换为此节点的右子节点
                node.right_child.parent_node = node.parent_node;//当前节点左子节点的父节点替换为当前节点的父节点
            } else if (node.parent_node != null && node.data > node.parent_node.data) {//如果存在父节点并且此节点的值大于于父节点的值(代表此节点为父节点的右子节点)
                node.parent_node.right_child = node.right_child;//当前父节点的右子节点替换为此节点的右子节点
                node.right_child.parent_node = node.parent_node;//当前节点左子节点的父节点替换为当前节点的父节点
            } else {//代表被删除的节点是根节点且根节点只有右子节点
                node.right_child.parent_node = null;//直接将该节点右子节点的父节点引用置空,并跳过检索
                tree.remove(node);//从队列中移除此节点
                return new Result(true, node);
            }
            tree.remove(node);//从队列中移除此节点
            return new Result(false, node);
        }

• 被删除的节点既有左子树又右子树

  例1：

  
  满足此条件的节点有{10，20}，我们来删除根节点（20）
  这里和情况下2不同，因为根节点同时拥有左右子树，所以不能简单的用左右子树去替换被删除节点的位置

  我们来分析一下情况：

  • 由根节点（20）的平衡因子为1可以知道，根节点的左树深度是比右树高的
  • 此时我们需要找到根节点左子树中的最大值节点
  • 由上图可知最大值节点为15，我们将节点15的值和节点20的值进行替换（仅仅是值的替换，不改变两个节点的其它信息，比如说父节点引用、左右子节点引用、平衡因子、插入次数）

替换后的树结构为：

• 替换后再删除值为20的节点

删除后的树结构为：

此时我们发现被删除的值为20的节点的父节点（10）bf = 2，处于失衡的状态，此时最小不平衡子树为节点10。
需要对以10为根节点的子树进行调整【这个地方进行删除操作时，相当于在以10为根节点的左子树的右子树上进行插入操作】，也就是进行LR调整。先对节点10的左子节点（8）进行左旋，让其成为左左

左旋后的树结构为：

再对最小不平衡子树（节点10）进行右旋

右旋后的树结构为：

此时的二叉树保持平衡

总结一下，删除有左右子树的节点的步骤为：

1. 判断被删除的节点bf 值 属于[0,1] 的区间还是 = -1（ 属于[0,1] 说明该节点左子树比右子树深或和右子树一样深，等于-1表示右子树比左子树深）
2. 如果是左子树深度 > = 右子树深度，则找到左子树中的最大值节点
3. 如果是右子树深度 > 左子树深度，则找到右子树中的最小值节点
4. 将找到的最大或最小值节点与被删除的节点进行值的交换（仅仅只交换值，不修改其它属性）
5. 删除原值所在的节点
6. 从被删除的节点的父节点开始向上检索，判断是否节点左右子树高度差超过1；如果有，则此树失衡，且该节点是最小不平衡子树；如果没有，则继续向上检索，直至根节点。
7. 如果检索到了失衡，则根据失衡的类型（LL、LR、RL、RR）执行不同的旋转策略（此时的策略和添加节点的旋转策略有所不同）

PS： 关于最大值节点和最小值节点，这里我们来探究一个问题。
为什么左子树深度 > = 右子树深度，则找左子树中的最大值节点去替换，右子树深度 > 左子树深度，则找到右子树中的最小值节点去替换呢？这里能不能反过来呢？

我们先来看反过来会有什么后果，还是上面的那个例子

我们删除节点20，本来是用左子树中的最大值节点15去替换它，这回我们反过来，用左子树中的最小值节点8去替换

替换后的树结构为：

• 替换后再删除值为20的节点

  删除后的树结构为：
  
  此时根节点（8）的左子节点值10，右子节点值为25。由上文二叉树的定义可知，任意节点左子树上的值均小于该节点，右子树上的值均大于该节点。很显然节点8的左子节点值大于此节点，不符合二叉树的要求。所以这里只能用左子树上的最大值节点来替换。

如何获取左子树上的最大值节点

例图：

比如我想获取节点根节点4的左子树中最大值节点3，由于任意节点的右子树值都大于该节点的值 ，获取节点3其实就是获取根节点左子树中最右边的那个节点。
那如果节点左子树中没有最右边的节点怎么办呢？
例如我想获取节点7左子树中的最大值节点，节点7的左子树为节点6，由于节点6的右子节点为空，此时节点6就是左子树中的最大值节点。

代码实现：
这里提供两种实现思路

• 递归

     /**
       * 获取目标节点的最大值节点
       * 获取节点的最大值其实就是获取该节点的最右子节点
       *
       * @param node
       * @return
       */
      private TreeNode getMaxNode(TreeNode node) {
          if (node == null) return null;
          return node.right_child == null ? node : getMaxNode(node.right_child);
      }
      
  

• 循环

     /**
       * 获取目标节点的最大值节点
       * 获取节点的最大值其实就是获取该节点的最右子节点
       *
       * @param node
       * @return
       */
      private TreeNode getMaxNode(TreeNode node) {
          if (node == null) return null;
           while (node.right_child != null) {
              node = node.right_child;
          }
          return node;
      }
      
  

  同理可以得出获取节点右子树中的最小值节点

  代码实现：

  • 递归

     /**
       * 获取目标节点的最小值节点
       * 获取节点的最小值其实就是获取该节点的最左子节点
       *
       * @param node
       * @return
       */
      private TreeNode getMinNode(TreeNode node) {
          if (node == null) return null;
          return node.left_child== null ? node : getMinNode(node.left_child);
      }
      
  

• 循环

     /**
       * 获取目标节点的最小值节点
       * 获取节点的最小值其实就是获取该节点的最左子节点
       *
       * @param node
       * @return
       */
      private TreeNode getMinNode(TreeNode node) {
          if (node == null) return null;
           while (node.left_child!= null) {
              node = node.left_child;
          }
          return node;
      }
      
  

删除节点完整的代码为：

  	   /**
         * 删除节点
         * * 有四种情况:
         * * 1.删除的节点没有左右子节点(叶子节点或根节点)
         * * 2.删除的节点有左子节点
         * * 3.删除的节点有右子节点
         * * 4.删除的节点有左右子节点
         *
         * @param data 节点值
         * @return ture:删除成功,false:删除失败
         */
        public boolean deleteNode(int data) {
            TreeNode node = searchNode(data);//查找该节点
            if (node == null) return false;
            boolean isSkipBuild = false;//是否跳过rebuild()
            Result result = null;//删除结果回调
            /**
             * 如果删除的节点没有左右子节点
             * 1.判断该节点是否是根节点（删除没有左右子树的根节点可以跳过检索）
             * 2.判断该节点是父节点的左子节点还是右子节点,把其在父节点的引用链置空
             * 3.删除该节点
             * 4.从被删除的节点的父节点向上检索是否有节点失衡,如果有则停止检索，根据失衡的类型执行旋转
             */
            if (node.left_child == null && node.right_child == null) {
                result = deleteNodeByLeafNode(node);//删除一个叶子节点(没有左右子树的节点)
                node = result.target_node;
                isSkipBuild = result.isSkipBuild;
                System.out.println("删除的节点为： " + node.toString());
                /**
                 * 如果删除的节点只有左子树
                 * 1.判断该节点是否是根节点（删除只有左子树的根节点可以跳过检索）
                 * 2.判断该节点是父节点的左子节点还是右子节点,将其原来在父节点中的引用链替换为该节点的左子节点,将该节点的左子节点的父节点替换为该节点的父节点
                 * 3.删除节点
                 * 4.从被删除的节点的父节点向上检索是否有节点失衡,如果有则停止检索，根据失衡的类型执行旋转
                 */
            } else if (node.left_child != null && node.right_child == null) {
                result = deleteNodeByOnlyleftTree(node);//删除一个只有左子树的节点
                node = result.target_node;
                isSkipBuild = result.isSkipBuild;
                System.out.println("删除的节点为： " + node.toString());
                /**
                 * 如果删除的节点只有右子树
                 * 1.判断该节点是否是根节点（删除只有右子树的根节点可以跳过检索）
                 * 2.判断该节点是父节点的左子节点还是右子节点,将其原来在父节点中的引用链替换为该节点的右子节点,将该节点的右子节点的父节点替换为该节点的父节点
                 * 3.删除节点
                 * 4.从被删除的节点的父节点向上检索是否有节点失衡,如果有则停止检索，根据失衡的类型执行旋转
                 */
            } else if (node.right_child != null && node.left_child == null) {
                result = deleteNodeByOnlyRightTree(node);//删除一个只有右子树的节点
                node = result.target_node;
                isSkipBuild = result.isSkipBuild;
                System.out.println("删除的节点为： " + node.toString());
                /**
                 * 如果删除的节点有左右子树
                 * 1.判断该节点的平衡因子是否为0或1,如果是,则寻找到该节点左子树中的最大值节点(left_max节点),把该节点与left_max节点的值进行交换(只交换值,不替换引用链,计算因子等)
                 * 2.判断判断该节点的平衡因子是否为-1,如果是,则寻找到该节点右子树中的最小值节点(right_min节点),把该节点与right_min节点的值进行交换(只交换值,不替换引用链,计算因子等)
                 * 3.删除替换值后的left_max节点或right_min节点
                 * 4.从被删除的节点的父节点向上检索是否有节点失衡,如果有则停止检索，根据失衡的类型执行旋转
                 */
            } else if (node.left_child != null && node.right_child != null) {
                if (node.bf == 0 || node.bf == 1) {//如果该节点的平衡因子是0或1
                    TreeNode max_node = getMaxNode(node.left_child);//获取被删除节点左子树中的最大值节点(该节点只可能是一个叶子节点,或者是一个只有左子树的节点)
                    int temp_data = node.data;//节点值互换
                    node.data = max_node.data;
                    max_node.data = temp_data;
                    if (max_node.left_child != null) {//该节点是一个只有左子树的节点
                        result = deleteNodeByOnlyleftTree(max_node);//删除一个只有左子树的节点
                        node = result.target_node;
                        isSkipBuild = result.isSkipBuild;
                    } else {//该节点是一个叶子节点
                        result = deleteNodeByLeafNode(max_node);//删除一个叶子节点(没有左右子树的节点)
                        node = result.target_node;
                        isSkipBuild = result.isSkipBuild;
                    }
                    System.out.println("删除的节点为： " + max_node.toString());
                } else if (node.bf == -1) {//如果该节点的平衡因子是-1
                    TreeNode min_node = getMinNode(node.right_child);//获取被删除节点右子树中的最小值节点(该节点只可能是一个叶子节点,或者是一个只有右子树的节点)
                    int temp_data = node.data;//节点值互换
                    node.data = min_node.data;
                    min_node.data = temp_data;//节点值互换
                    if (min_node.right_child != null) {//该节点是一个只有右子树的节点
                        result = deleteNodeByOnlyRightTree(min_node);//删除一个只有右子树的节点
                        node = result.target_node;
                        isSkipBuild = result.isSkipBuild;
                    } else {//该节点是一个叶子节点
                        result = deleteNodeByLeafNode(min_node);//删除一个叶子节点(没有左右子树的节点)
                        node = result.target_node;
                        isSkipBuild = result.isSkipBuild;
                    }
                    System.out.println("删除的节点为： " + min_node.toString());
                }
            }
            reCountNodeBF();//重新计算平衡因子
            if (!isSkipBuild) {
                rebuild(node);
            }
            return true;
        }

修改节点

修改节点比较简单，这里只说一下实现思路，不画图做原理的探讨。修改一个节点的值等于删除这个节点再插入一个新节点

修改步骤：

1. 检索二叉树，判断修改的节点是否存在
2. 删除检索到的节点
3. 新建一个节点，节点值为修改值

代码实现：

       /**
         * 修改节点
         * 修改一个节点的值等于删除这个节点再把期望值赋给新节点
         *
         * @param target_value   目标值
         * @param expected_value 期望值
         * @return 修改结果
         */
        public boolean modifyNode(int target_value, int expected_value) {
            TreeNode node = searchNode(target_value);
            if (node == null) return false;//查无此节点
            if (deleteNode(target_value)) {//删除目标值节点
                insertNode(expected_value);//如果删除成功则插入一个新节点,节点值为目标值
            } else {
                return false;
            }
            return true;
        }

最后贴上完整的源码资源，有兴趣的可以复制下来测试。
源码地址
ps:代码并未做性能上的优化，有兴趣的可以深入研究