数据结构与算法(一):二叉搜索树树

二叉搜索树 是满足下列条件的二叉树:

  • 左子树上所有节点值均小于根节点值
  • 右子树上所有节点值均不小于根节点值
  • 左右子树也满足上述条件

二叉查找树的查找:

给定一棵二叉查找树,查找某节点p的过程就是递归的过程:

  • 若当前节点cur值小于p的值,查找cur的左子树;
  • 若当前节点cur值不小于p的值,查找cur的右子树;
  • 递归上述过程,直到cur == p或者cur为空;
struct node{
    int val;
    pnode lchild;
    pnode rchild;
    }

pnode search_BST(pnode p,int x){
    bool solve = false;
    while(p && !solve){
        if(x == p->val){
            solve = true
        }else if(x < p-> val1){
            p = p->lchild;
        }else{
            p =  p->rchild
        }
    }


    if(p == nullptr){
        cout<<"没有找到"<<x<<endl
    }
    return p;
}

二叉查找树的插入:

插入过程如下:

  • 若当前的二叉查找树为空,则插入的元素为根节点,
  • 过插入的元素值小于根节点,则将元素插入到左子树中,
  • 若插入的元素值不小于根节点值,则将原宿插入到右子树中,
  • 递归上述过程,直到找到插入点为叶子节点
pnode insert(pnode &root,int x){
    if(root == nullptr){
        pnode p = (pnode)new(len)
        p->val = x;
        p->lchild = nullptr;
        p->rchild = nullptr;
        root = p;
    }else if(x < root->val){
        root->lchild = insert(root->lchild,x)
    }else{
        root->rchild = insert(root->rchild,x)
    }
    return root;
}

二叉树的建立:

依次插入就完成了二叉树的建立。

二叉查找树的删除:

计待删除的节点为p,分三种情况进行处理:

  • p为叶子节点(把该节点delete掉,将父节点的该子树释放了)
  • p为单支节点(将p的子树与p的父亲节点相连,删除p即可)
  • p的左子树和右子树均不为空(找到p的直接后继d,即p的右孩子的最左子孙,使用删除单支节点的方法,删除d,并让d的父亲节点dp成为d的右子树的父亲节点;同时,用d的值代替p的值)(对偶的,可以找到p的直接前去x,即p的左子树的最右子孙,删除x,并让x的父亲节点成为x的左子树的父亲节点)
 struct node* deleteNode(struct node* t,int item)
      {
                  if (t==nullptr)
                        return t;
                  if (item<t->key)
                        t->left=deleteNode(t->left,item);
                  else if (item>t->key)
                        t->right=deleteNode(t->right,item);
                  else
                  {
                       if (t->left==nullptr)
                        {
                              struct node *temp=t->right;
                              delete t;
                              return temp;
                        }
                        else if (t->right==nullptr)
                        {
                              struct node*temp=t->left;delete t;
                              return temp;
                        }
                        struct node* temp=findmin(t->right);
                        t->key=temp->key;
                        t->right=deleteNode(t->right,temp->key);
                  }
                  return t;
      };

二叉树的遍历:

  • 前序遍历(根->左->右)
  • 中序遍历(左->根->右)
  • 后序遍历(左->右->根)
  • 深度遍历
  • 广度遍历

void PreOrder(TreeNode *T)//非递归,前序遍历
{
	if (T == NULL)
	{
		return;
	}
	stack<TreeNode*>s;
	s.push(T);
	TreeNode *temp;
	while (!s.empty())
	{
		temp = s.top();
		cout << temp->val;
		s.pop();
		if (temp->left)
		{
			s.push(temp->left);
		}
		if (temp->right)
		{
			s.push(temp->right);
		}
	}
}
 
void InOrder(TreeNode *T)//中序遍历
{
	if (!T)
		return;
	InOrder(T->left);
	cout << T->val;
	InOrder(T->right);
}
 
void PostOrder(TreeNode *T)//后序遍历
{
	if (!T)
		return;
	PostOrder(T->left);
	PostOrder(T->right);
	cout << T->val;
}

已知前序、中序遍历,求后序遍历:

 void InPre2Post(char* inorder, char* preorder,int length){
     TreeNode * node = new TreeNode;
     node->elem, =*preorder;
     int nRoot = 0;
     for (;nRoot <length;nRoot++)
     {
         if(inorder[nRoot] == *preorder)
            break;
     }
     InPre2Post(inorder,preorder+1,nRoot);
     InPre2Post(inorder+nRoot+1,preorder+nRoot+1,length-(nRoot+1));
     cout<<node->elem<<endl;
     return;
 }

 

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
搜索是一种常用的数据结构,它们可以用于各种搜索和排序应用中。下面是几种常见的搜索以及它们的效率比较: 1. 二叉搜索树(Binary Search Tree,BST):BST 是一种基于二叉的搜索,它的查找、插入和删除操作都可以在 O(log n) 时间内完成,其中 n 为 BST 中节点的数量。但是,当 BST 呈现出链式结构时,其时间复杂度会退化为 O(n)。 2. 平衡二叉搜索树(Balanced Binary Search Tree):为了解决 BST 的时间复杂度退化问题,平衡二叉搜索树应运而生。平衡二叉搜索树的常见实现方式包括 AVL 和红黑。它们能够保证的高度在 O(log n) 的范围内,从而保证了查找、插入和删除操作的时间复杂度均为 O(log n)。 3. B (B-Tree):B 是一种多叉,它的每个节点可以拥有多个子节点。B 的查找、插入和删除操作的时间复杂度均为 O(log n),其中 n 为节点数量。B 相比于平衡二叉搜索树的优势在于,它能够更好地利用磁盘块的读写性能,从而提高了数据访问的效率。 4. B+ (B+ Tree):B+ 是一种基于 B 的数据结构,它相比于 B 的变化在于,B+ 的叶子节点只包含键值对,而非指向数据的指针。B+ 的查找、插入和删除操作的时间复杂度均为 O(log n),其中 n 为节点数量。B+ 相比于 B 的优势在于,它能够更好地支持范围查询和顺序访问。 总体来说,以上搜索的效率比较,可以根据实际应用场景来选择不同的实现方式。如果需要支持快速的插入和删除操作,且数据量不大,可以选择 BST;如果需要支持高效的范围查询和顺序访问,可以选择 B+ ;如果需要支持大规模数据的高效访问,可以选择 B

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值