4.2AVL树
4.2.1 AVL树的概念
二叉搜索树虽可以缩短查找的效率，但如果**数据有序或接近有序二叉搜索树将退化为单支树，查找元素相当 于在顺序表中搜索元素，效率低下。**解决上述问题的方法：当向二叉搜索树中插入新结点后，如果能保证每个结点的左右子树高度之 差的绝对值不超过1(需要对树中的结点进行调整)，即可降低树的高度，从而减少平均搜索长度。
一棵AVL树或者是空树，或者是具有以下性质的二叉搜索树：
- 它的左右子树都是AVL树
- 左右子树高度之差(简称平衡因子)的绝对值不超过1(-1/0/1)
如果一棵二叉搜索树是高度平衡的，它就是AVL树。如果它有n个结点，其高度可保持在 O(log2n)，
搜索时间复杂度 O(log2n)，
4.2.2 AVL树节点的定义
template<class T>
struct AVLTreeNode
{
AVLTreeNode(const T& data)
: _pLeft(nullptr)
, _pRight(nullptr)
, _pParent(nullptr)
, _data(data)
, _bf(0)
{}
AVLTreeNode<T>* _pLeft; // 该节点的左孩子
AVLTreeNode<T>* _pRight; // 该节点的右孩子
AVLTreeNode<T>* _pParent; // 该节点的双亲
T _data;
int _bf; // 该节点的平衡因子
};
4.2.3 AVL树的插入
bool Insert(const T& data) { // 1. 先按照二叉搜索树的规则将节点插入到AVL树中 if (nullptr == _pRoot) { _pRoot = new Node(data); return true; } // 按照二叉搜索树的性质找data在AVL中的插入位置 PNode pCur = _pRoot; PNode pParent = nullptr; while (pCur) { pParent = pCur; if (data < pCur->_data) pCur = pCur->_pLeft; else if (data > pCur->_data) pCur = pCur->_data; else return false; // 该节点在二叉搜索树中存在 } // 插入新节点：新节点一定插入在pParent的左侧或者右侧 if (data < pParent->_data) pParent->_pLeft = pCur; else pParent->_pRight = pCur; // 更新pCur的双亲节点 pCur->_pParent = pParent; // 2. 新节点插入后，AVL树的平衡性可能会遭到破坏，此时就需要更新平衡因子，并检测是否破坏了AVL树的平衡性 //... return true; }bool Insert(const T& data) { // 1. 先按照二叉搜索树的规则将节点插入到AVL树中 // ... // 2. 新节点插入后，AVL树的平衡性可能会遭到破坏，此时就需要更新平衡因子，并检测是否破坏了AVL树 // 的平衡性 /* pCur插入后，pParent的平衡因子一定需要调整，在插入之前，pParent 的平衡因子分为三种情况：-1，0, 1, 分以下两种情况： 比特科技 1. 如果pCur插入到pParent的左侧，只需给pParent的平衡因子-1即可 2. 如果pCur插入到pParent的右侧，只需给pParent的平衡因子+1即可 此时：pParent的平衡因子可能有三种情况：0，正负1， 正负2 1. 如果pParent的平衡因子为0，说明插入之前pParent的平衡因子为正负1，插入后被调整成0，此时满 足 AVL树的性质，插入成功 2. 如果pParent的平衡因子为正负1，说明插入前pParent的平衡因子一定为0，插入后被更新成正负1， 此 时以pParent为根的树的高度增加，需要继续向上更新 3. 如果pParent的平衡因子为正负2，则pParent的平衡因子违反平衡树的性质，需要对其进行旋转处理 */ while (pParent) { // 更新双亲的平衡因子 if (pCur == pParent->_pLeft) pParent->_bf--; else pParent->_bf++; // 更新后检测双亲的平衡因子 if (0 == pParent->_bf) break; else if (1 == pParent->_bf || -1 == pParent->_bf) { // 插入前双亲的平衡因子是0，插入后双亲的平衡因为为1 或者 -1 ，说明以双亲为根的二叉 树 // 的高度增加了一层，因此需要继续向上调整 pCur = pParent; pParent = pCur->_pParent; } else { // 双亲的平衡因子为正负2，违反了AVL树的平衡性，需要对以pParent // 为根的树进行旋转处理 if(2 == pParent->_bf) { // ... } else { // ... } } } return true; }4.2.3 AVL树的旋转
如果在一棵原本是平衡的AVL树中插入一个新节点，可能造成不平衡，此时必须调整树的结构，使之平衡
化。根据节点插入位置的不同，AVL树的旋转分为四种：
/*上图在插入前，AVL树是平衡的，新节点插入到30的左子树(注意：此处不是左孩子)中，30左子树增加 了一层，导致以60为根的二叉树不平衡，要让60平衡，只能将60左子树的高度减少一层，右子树增加一 层，即将左子树往上提，这样60转下来，因为60比30大，只能将其放在30的右子树，而如果30有右子树，右 子树根的值一定大于30，小于60，只能将其放在60的左子树，旋转完成后，更新节点的平衡因子即可。在旋 转过程中，有以下几种情况需要考虑： 1. 30节点的右孩子可能存在，也可能不存在 2. 60可能是根节点，也可能是子树 如果是根节点，旋转完成后，要更新根节点 如果是子树，可能是某个节点的左子树，也可能是右子树 */ void _RotateR(PNode pParent) { // pSubL: pParent的左孩子 // pSubLR: pParent左孩子的右孩子，注意：该 PNode pSubL = pParent->_pLeft; PNode pSubLR = pSubL->_pRight; // 旋转完成之后，30的右孩子作为双亲的左孩子 pParent->_pLeft = pSubLR; // 如果30的左孩子的右孩子存在，更新亲双亲 if (pSubLR) pSubLR->_pParent = pParent; // 60 作为 30的右孩子 pSubL->_pRight = pParent; // 因为60可能是棵子树，因此在更新其双亲前必须先保存60的双亲 PNode pPParent = pParent->_pParent; // 更新60的双亲 pParent->_pParent = pSubL; // 更新30的双亲 pSubL->_pParent = pPParent; // 如果60是根节点，根新指向根节点的指针 if (NULL == pPParent) { _pRoot = pSubL; pSubL->_pParent = NULL; } else { // 如果60是子树，可能是其双亲的左子树，也可能是右子树 if (pPParent->_pLeft == pParent) pPParent->_pLeft = pSubL; else pPParent->_pRight = pSubL; } // 根据调整后的结构更新部分节点的平衡因子 pParent->_bf = pSubL->_bf = 0; }2.新节点插入较高右子树的右侧—右右：左左旋（参考右单旋）
3.新节点插入较高左子树的右侧—左右：先左单旋再右单旋
将双旋变成单旋后再旋转，即：先对30进行左单旋，然后再对90进行右单旋，旋转完成后再考虑平衡因
子的更新。
// 旋转之前，60的平衡因子可能是-1/0/1，旋转完成之后，根据情况对其他节点的平衡因子进行调整 void _RotateLR(PNode pParent) { PNode pSubL = pParent->_pLeft; PNode pSubLR = pSubL->_pRight; // 旋转之前，保存pSubLR的平衡因子，旋转完成之后，需要根据该平衡因子来调整其他节点的平衡因 子 int bf = pSubLR->_bf; // 先对30进行左单旋 _RotateL(pParent->_pLeft); // 再对90进行右单旋 _RotateR(pParent); if(1 == bf) pSubL->_bf = -1; else if(-1 == bf) pParent->_bf = 1; }
总结：
假如以pParent为根的子树不平衡，即pParent的平衡因子为2或者-2，分以下情况考虑：
1.pParent的平衡因子为2，说明pParent的右子树高，设pParent的右子树的根为pSubR
当pSubR的平衡因子为1时，执行左单旋
当pSubR的平衡因子为-1时，执行右左双旋
- pParent的平衡因子为-2，说明pParent的左子树高，设pParent的左子树的根为pSubL
当pSubL的平衡因子为-1是，执行右单旋
当pSubL的平衡因子为1时，执行左右双旋
旋转完成后，原pParent为根的子树个高度降低，已经平衡，不需要再向上更新。
4.2.4 AVL树的验证
AVL树是在二叉搜索树的基础上加入了平衡性的限制，因此要验证AVL树，可以分两步：
验证其为二叉搜索树
如果中序遍历可得到一个有序的序列，就说明为二叉搜索树
验证其为平衡树
- 每个节点子树高度差的绝对值不超过1(注意节点中如果没有平衡因子)
- 节点的平衡因子是否计算正确
// 注意：此处需要验证两个内容： // 1. 每个节点的平衡因子是否计算正确(通过节点的子树高度差来与当前节点的平衡因子比较) // 2. 每个节点的平衡因子的绝对值是否超过1 int _Height(PNode pRoot) { if (nullptr == pRoot) return 0; // 计算pRoot左右子树的高度 int leftHeight = _Height(pRoot->_pLeft); int rightHeight = _Height(pRoot->_pRight); // 返回左右子树中较高的子树高度+1 return (leftHeight > rightHeight) ? (leftHeight + 1) : (rightHeight + 1); } bool _IsBalanceTree(PNode pRoot) { // 空树也是AVL树 if (nullptr == pRoot) return true; // 计算pRoot节点的平衡因子：即pRoot左右子树的高度差 int leftHeight = _Height(pRoot->_pLeft); int rightHeight = _Height(pRoot->_pRight); int diff = rightHeight - leftHeight; // 如果计算出的平衡因子与pRoot的平衡因子不相等，或者 // pRoot平衡因子的绝对值超过1，则一定不是AVL树 if (diff != pRoot->_bf || (diff > 1 || diff < -1)) return false; // pRoot的左和右如果都是AVL树，则该树一定是AVL树 return _IsBalanceTree(pRoot->_pLeft) && _IsBalanceTree(pRoot->_pRight); }
验证用例
常规场景1
{16, 3, 7, 11, 9, 26, 18, 14, 15}
特殊场景2
{4, 2, 6, 1, 3, 5, 15, 7, 16, 14}
4.2. AVL树的性能
AVL树是一棵绝对平衡的二叉搜索树，其要求每个节点的左右子树高度差的绝对值都不超过1，这样可以保证
查询时高效的时间复杂度，即 log2(N)
但是如果要对AVL树做一些结构修改的操作，性能非常低下，比如： 插入时要维护其绝对平衡，旋转的次数比较多，更差的是在删除时，有可能一直要让旋转持续到根的位置。 因此：如果需要一种查询高效且有序的数据结构，而且数据的个数为静态的(即不会改变)，可以考虑AVL树， 但一个结构经常修改，就不太适合。
640
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
