MIT算法导论-第9讲-二叉查找树

一、二叉查找树

1.定义

对一颗二叉查找树的任何节点，该节点的左子树中的任何一个节点的值都小于等于该节点的值，该节点的右子树中的任何一个节点的值都大于等于该节点的值。

2.删除结点

叶子节点直接删除，非叶子节点选择左最大、右最小替换该节点（即左子树最小的节点或右子树最大的节点）。

3.查找、插入、删除节点的时间复杂度

最坏时间复杂度O（n）：无左子树/无右子树

一般时间复杂度O（lgn）。

二、随机化版本的二叉查找树（http://www.cnblogs.com/soyscut/p/3409542.html）

下面主要介绍随机化版本的二叉查找树，因为查找树的效率的关键就是树的高度，所以这里想通过随机化来使二叉查找树更加平衡。

主要内容是：1. BST sort与quicksort 的关系 2.二叉树的随机化版本 3.随机BST depth的分析

1. BST sort与quicksort 的关系

BST sort过程：

BST SORT(A) {
　　T = 0   // Create an empty BST
　　for i=1 to n
　　　　do Tree-Insert(T,A[i])
　　Perform an inorder tree walk of T
}

让我们来考虑一个例子，并分析一下整个过程。 A=[3 1 8 2 6 7 5]; 建好树后的结构是：

分析建立二叉树时间复杂度
最好情况是完全二叉树，树完全是平衡的，高度也达到最小，时间复杂度为Θ(nlgn)。
最差情况是当元素完全顺序或逆序时，生成的数就是一个链表，时间复杂度为Θ(n^2)。
根据上面的两个复杂度，我们很自然的想到了快排。 而实际上，BST sort和基本快排(即把第一个元素当分割点)执行了相同的比较，但是按照不同的顺序。

由基本快排的优化方案，我们自然就想到了随机化版本的BSTsort。

2.二叉树的随机化版本

随机化BST sort的主要方法是先随机化的重新排列数组，然后再执行BST sort。
根据快排的时间复杂度得BST sort的时间复杂度为：

进一步得到树的平均深度的期望:

我们关注的是平均高度而不是实际高度，即每个节点的高度和的平均值。而实际上，树的实际高度可能远大于logn。比如下面这个例子中，平均高度是lgn，但是实际高度是n(1/2)。

3.随机BST depth的分析
上面提到，随机化建立的树的高度可能不是lgn，而是节点的平均高度是lgn。

现在我们要证明的定理是随机化BST建立的树的高度的期望确实是lgn。