数据结构——二叉树汇总

---

1. 二叉树

1.1 满二叉树

  一个高度为$h$，并含有$2^k-1$个结点的二叉树为满二叉树。即树中每一层都含有最多的结点。如图(a)所示，其中叶子结点都在树的最下面一层，并且除了叶子结点以外，其他结点的度均为2。

1.2 完全二叉树

  设一个高度为$h$，并含有$n$个结点的二叉树，当且仅当其每一个结点都与高度为$h$的满二叉树中编号$1\sim n$一一对应时，称为完全二叉树，如图(b)所示。这种树的特点如下：

1. 若$i\le \lfloor n/2\rfloor$，则结点i为分支结点，否则为叶结点。
2. 叶子结点只可能在层次最大的两层上出现。对于最大层次中的儿子结点，都依次排序在该层最左边的位置上。
3. 如果有度为1的结点，只可能有一个，且该结点只有左孩子而无右孩子。
4. 按层序编号后，一旦出现某结点（其编号为$i$）为叶子结点或只有左孩子，则编号大于$i$的结点均为叶子结点。
5. 若$n$为技术，则每个分支结点都有左子女和右子女；若&n&为偶数，则编号最大的分支结点(编号为$n/2$)只有左子女，没有右子女，其余分支结点左、右子女都有。

1.3 二叉树性质

1. 非空二叉树上叶子结点数等于度为2的结点数加1，即$N_0=N_2+1$；
2. 非空二叉树上第K层最多有$2^{K-1}$个结点（$K\ge 1$，跟为第一层，往下依次加1）;
3. 高度为H的二叉树至多有个$2^{H-1}$结点（$H\ge 1$);
4. 对完全二叉树按照从上到下、从左到右的顺序依次编号$1,2,3,...,N$，则有以下关系：
   • 当$i>1$时，结点$i$的双亲结点的编号为$\lfloor i/2\rfloor$。即当$i$为偶数时，其双亲结点的编号为$i/2$，它是双亲结点的左孩子；即当$i$为奇数时，其双亲结点的编号为$(i-1)/2$，它是双亲结点的右孩子；
   • 当$2i\le N$时，结点$i$的左孩子结点编号为$2i$，否则无左孩子；
   • 当$2i+1\le N$时，结点$i$的右孩子结点编号为$2i+1$，否则无右孩子；
   • 结点$i$所在的层次（深度）为$\lfloor lo{g}_{2}i\rfloor +1$。
5. 具有$N$个$(N>0)$结点的完全二叉树的高度为$\lceil lo{g}_2(N+1)\rceil +1$或$\lfloor lo{g}_{2}N\rfloor +1$。

2. 二叉树应用

2.1 二叉排序树

  二叉排序树，也称为二叉查找树，二叉搜索树，或BST（Binary Search Tree）。二叉排序树或者是一棵空树，或者是一棵具有下列特性的非空二叉树：

• 若左子树非空，则左子树上所有的结点关键字值均小于根结点的关键字值；
• 若右子树非空，则右子树上所有的结点关键字值均大于根结点的关键字值；
• 左、右子树本身也是一棵二叉排序树。
  

2.2 平衡二叉树

  在构建二叉排序树的时候，可能会出现这么种极端情况，如下图所示。

在这种情况下，虽然也满足二叉排序树的标准，但是有条“大长腿”看起来比较畸形。在这种情况下，就有了平衡二叉树。

  对于二叉树而言，如果满足任意结点的左、右子树高度差的绝对值不超过1，则其就是一棵平衡二叉树，简称平衡树（VAL树）。定义结点左子树和右子树的高度差为该结点的平衡因子，则平衡二叉树任意结点的平衡因子的值只可能是-1、1和0。

2.3 红黑树

  有了上面的铺垫，下面来讲解一个比较难懂，但是却非常重要，面试经常会被问到的东西——红黑树。它是自平衡的二叉查找树，在进行插入和删除等可能会破坏树的平衡的操作时，需要重新自处理达到平衡状态

  红黑树（Red-Black Tree, RBT）是一个自平衡(不是绝对的平衡)的二叉查找树(BST)，树上的每个结点都遵循下面的规则：

• 每个结点不是黑色便是红色；
• 根结点是黑色；
• 没有两个相邻的红色结点（红色结点不能有红色父结点或红色子结点，并没有说不能出现连续的黑色结点）；
• 任一结点（包括根）到NULL（树尾端，叶子结点下方挂的两个空节点，并且认为他们是黑色的）的任何路径，所含的黑结点数相同。

2.3.1 旋转（rotation）

  在讲解插入结点之前，先来了解下红黑树的旋转操作，主要有左旋和右旋两种情况，分别如下：

• 左旋：以某个结点作为支点(旋转结点)，其右子结点变为旋转结点的父结点，右子结点的左子结点变为旋转结点的右子结点，左子结点保持不变。下图中将红色结点左旋，注意蓝色结点的位置变换。
  
• 右旋：以某个结点作为支点(旋转结点)，其左子结点变为旋转结点的父结点，左子结点的右子结点变为旋转结点的左子结点，右子结点保持不变。下图中将红色结点左旋，注意蓝色结点的位置变换。
  

  其实这个旋转很简单，可以把这些树想做一串葡萄。拎起来需要旋转的那个结点，这个时候手提着的这个葡萄可能有三个分支，把中间的那个分支摘下来，如果是左旋的话，就将它挂在手提葡萄左侧的那个葡萄上；如果是右旋的话，就将它挂在手提葡萄右侧的那个葡萄上。完事儿~~

  此外还有一个概念比较重要，就是染色（recolor）。也就是说黑色的结点可以变成红色，红色的结点也可以变黑。

2.3.2 插入结点

  结点的插入是一个比较麻烦的操作，为啥说比较麻烦嘞，因为后面还有个更麻烦的操作——删除。不过大家不要怕，仔细研究研究，掌握了技巧就不难了。

  结点插入可以分为多种情况，在插入节点之前，这里先把红黑树满足的规则再强调一遍：

• 条件1：每个结点不是黑色便是红色；
• 条件2：根结点是黑色；
• 条件3：没有两个相邻的红色结点（红色结点不能有红色父结点或红色子结点，并没有说不能出现连续的黑色结点）；
• 条件4：任一结点（包括根）到NULL（树尾端，叶子结点下方挂的两个空节点，并且认为他们是黑色的）的任何路径，所含的黑结点数相同。

2.3.2.1 插入结点x时，如果树中没有结点（空树）

  插入结点x时，如果树中没有结点（空树）时，该结点x作为树的根（root）。根据条件2，该结点是黑色。后续情况均默认新插入的结点x为红色。

2.3.2.2 如果结点x不是根结点，且其父节点为黑结点

  如果结点x不是根结点，且其父节点为黑结点。由于插入的结点是红色的，并不会影响红黑树的平衡，因此直接插入即可，无需做自平衡（即不需要调整）。

2.3.2.3 如果结点x不是根结点，且其父结点为红结点

  这个时候就不能直接插入，否则与条件3冲突，即结点x即其父节点均为红色。因此，需要对其进行分情况讨论。

2.3.2.3.1 当结点x的叔叔结点为红色时

• 则将P（父结点）和U（叔叔结点）设置为黑色

• 将PP（祖父节点）设置为红色

• 把PP设置为当前插入结点
  

    一般情况下操作如情景1所示，在插入结点x时，如果结点x的父节点（P）和叔叔结点（U）均为红色，则将P和U修改成为黑色，并将祖父节点（PP）修改成红色。此时修改PP的时候，其实也相当于插入了新节点，需要再对PP的父节点进行判断，并根据结点插入规则向上依次修改，直至最终红黑树自平衡。

    再来看下特殊情况，如情景2所示，此时PP刚好为根结点时，那么根据条件2，我们必须把PP重新设为黑色，那么树的红黑结构变为：黑黑红。换句话说，从根结点到叶子结点的路径中，黑色结点增加了。这也是唯一一种会增加红黑树黑色结点层数的插入情景。
    同理，插入结点x的父节点P在祖父节点PP的左子树，跟插入结点x的父节点P在祖父节点PP的右子树操作方式一样。

2.3.2.3.2 当结点x的叔叔结点为黑色或不存在，并且插入结点的父亲结点是祖父结点的左子结点

2.3.2.3.2.1 插入结点是其父结点的左子结点

• 将P设为黑色
• 将PP设为红色
• 对PP进行右旋
  当然，此时也可以将结点x和结点PP设置成黑色，将结点P设置成红色，但是这时由于插入了红色结点，需要从结点P开始再次向上调整，增加了不必要的麻烦，因此不建议。

2.3.2.3.2.2 插入结点是其父结点的右子结点

• 对P进行左旋
• 将PP设为红色
• 对PP进行左旋
  

2.3.2.3.3 当结点x叔叔结点不存在或为黑结点，并且插入结点的父亲结点是祖父结点的右子结点

  这种情况和2.3.2.3.3节“当结点x的叔叔结点为黑色或不存在，并且插入结点的父亲结点是祖父结点的左子结点”刚好相反，操作也刚好相反。

2.3.2.3.3.1 插入结点是其父结点的右子结点

2.3.2.3.3.1 插入结点是其父结点的左子结点

这就是插入操作的全部了。

2.3.3 删除结点

2.4 红黑树应用

map, set, multimap, and multiset
上述四种容器采用红黑树实现，红黑树是平衡二叉树的一种。不同操作的时间复杂度近似为:

• 插入: O(logN)
• 查看:O(logN)
• 删除:O(logN)

hash_map, hash_set, hash_multimap, and hash_multiset
上述四种容器采用哈希表实现，不同操作的时间复杂度为：

• 插入:O(1)，最坏情况O(N)。
• 查看:O(1)，最坏情况O(N)。
• 删除:O(1)，最坏情况O(N)。

记住，如果你采用合适的哈希函数，你可能永远不会看到最坏情况。但是记住这一点是有必要的。

3. B+树

3.1 B+树与B树的区别

• 每个节点上的指针上限为2d而不是2d+1（d为节点的出度） ；
• 有k个子结点的结点必然有k个关键码；
• 非叶结点仅具有索引作用，数据信息则存放在叶结点中；
• 树的所有叶结点构成一个有序链表，可以按照关键码排序的次序遍历全部记录；
• 而B+树中间节点没有Data数据，所以同样大小的磁盘页可以容纳更多的节点元素。所以数据量相同的情况下，B+树比B树更加“矮胖“，因此使用的IO查询次数更少。
• 由于B树的查找并不稳定（最好的情况是查询根节点，最坏查询叶子节点）。而B树每一次查找都是稳定的。
• 比起B树，B+树 ①IO次数更少 ②查询性能很稳定 ③范围查询更简便

  如上图所示，蓝色结点中存储的是索引，并没有存储数据。红色结点中存储数据，并没有存储索引。非叶子结点中存储的是子结点中数据最大值的索引。

3.2 B+树查找

假设现在需要查找上图中的15（任意数据都需要相同的查询次数），则：

• 第一步
  搜索根结点，根据索引数据选择查询根结点的右子树。
  
• 第二步：
  根据根右子树中的索引信息，选择查询该结点的右子树。
  
• 第三步：
  在对应叶子结点中查找数，并将查找结果返回。
  

3.3 B+树插入、删除

B树和B+树的操作详解

参考文献

1. a
2. b
3. B+树总结