数据结构树

最新推荐文章于 2022-09-17 17:13:32 发布

不屈的小强

最新推荐文章于 2022-09-17 17:13:32 发布

阅读量621

点赞数

分类专栏：算法、数据结构文章标签：数据结构树结构 avl

本文链接：https://blog.csdn.net/qq_25359343/article/details/106373470

版权

算法、数据结构专栏收录该内容

3 篇文章 0 订阅

订阅专栏

一些定义

树：
一棵树t是一个非空的有限元素的集合，其中一个元素为根，其余的元素（如果有的话）组成t的子树。
一棵树的高度或深度是树中级的个数。
一个元素的度是指其孩子的个数。叶子节点的个数为0.一棵树的度是其元素的度的最大值。

二叉树：
一棵二叉树有n个元素，n>0,它有n-1条边。
一棵二叉树的高度为h，h大于等于0，则他最少有h个元素，最多有2^h-1个元素。
一棵二叉树有n个元素，n>0，它的最大高度为n，最小高度为log2(n+1)；

满二叉树：
当高度为h的二叉树恰好友2^h-1个元素时，称其为满二叉树。

完全二叉树：
一棵深度为k的有n个结点的二叉树，对树中的结点按从上至下、从左到右的顺序进行编号，如果编号为i（1≤i≤n）的结点与满二叉树中编号为i的结点在二叉树中的位置相同，则这棵二叉树称为完全二叉树。
若设二叉树的深度为h，除第 h 层外，其它各层 (1～h-1) 的结点数都达到最大个数，第 h 层所有的结点都连续集中在最左边，这就是完全二叉树。

二叉查找树(BST)：
二叉排序树（Binary Sort Tree），又称二叉查找树（Binary Search Tree），亦称二叉搜索树。是数据结构中的一类。在一般情况下，查询效率比链表结构要高。
定义:
一棵空树，或者是具有下列性质的二叉树：
性质1：若左子树不空，则左子树上所有结点的值均小于它的根结点的值；
性质2：若右子树不空，则右子树上所有结点的值均大于它的根结点的值；
性质3：左、右子树也分别为二叉排序树；
性质4：没有键值相等的结点。

平衡二叉树（avl树）
AVL树本质还是一棵二叉查找树，只是在其基础上增加了“平衡”的要求。所谓平衡是指，对AVL树的任意结点来说，其左子树与右子树的高度之差的绝对值不超过1，其中左子树与右子树的高度因子之差称为平衡因子。
平衡二叉树要求对于每一个节点来说，它的左右子树的高度之差不能超过1，如果插入或者删除一个节点使得高度之差大于1就要进行节点之间的旋转，将二叉树重新维持在一个平衡状态。这个方案很好的解决了二叉查找树退化成链表的问题，把插入，查找，删除的时间复杂度最好情况和最坏情况都维持在O（logn）时间时间。但是频繁旋转会使插入和删除牺牲掉O（logN）的的左右的时间，不过相对二叉查找树来说，时间上稳定了很多。

B树
B 树又叫平衡多路查找树。它的每一个节点最多包含m个孩子，m便称为B树的阶。k的大小取决于磁盘页的大小。
b树（balance tree）和b+树应用在数据库索引，可以认为是m叉的多路平衡查找树，但是从理论上讲，二叉树查找速度和比较次数都是最小的，为什么不用二叉树呢？
因为我们要考虑磁盘IO的影响，它相对于内存来说是很慢的。数据库索引是存储在磁盘上的，当数据量大时，就不能把整个索引全部加载到内存了，只能逐一加载每一个磁盘页（对应索引树的节点）。所以我们要减少IO次数，对于树来说，IO次数就是树的高度，而“矮胖”就是b树的特征之一，它的每个节点最多包含m个孩子，m称为b树的阶，m的大小取决于磁盘页的大小。

红黑树：
一种二叉查找树，但在每个节点增加一个存储位表示结点的颜色，可以是红或黑(非红即黑)。通过对任何一条从根到叶子的路径上各个节点着色的方式的限制，红黑树确保没有一条路径会比其他路径长出两倍，因此，红黑树是一种弱平衡二叉树(由于是弱平衡，可以看到，在相同的节点情况下，AVL树的高度低于红黑树)，相对于要求严格的AVL树来说，它的旋转次数少，插入最多两次旋转，删除最多三次旋转，所以对于搜索，插入，删除操作较多的情况下，我们就用红黑树。
它必须满足下面性质：
性质1：每个节点要么是黑色，要么是红色。
性质2：根节点是黑色。
性质3：每个叶子节点（NIL）是黑色。
性质4：每个红色结点的两个子结点一定都是黑色。
性质5：任意一结点到每个叶子结点的路径都包含数量相同的黑结点。

a、红黑树（Red Black Tree）是一种自平衡二叉查找树，是在计算机科学中用到的一种数据结构，典型的用途是实现关联数组
b、由于它的设计，任何不平衡都会在三次旋转之内解决。红黑树是用空间换时间，空间复杂度O（logn）
c、相比于BST，因为红黑树可以能确保树的最长路径不大于两倍的最短路径的长度，所以可以看出它的查找效果是有最低保证的。在最坏的情况下也可以保证O(logN)的，这是要好于二叉查找树的。因为二叉查找树最坏情况可以让查找达到O(N)。

AVL和红黑树比较

1.红黑树并不追求“完全的平衡”，它只要求达到部分的平衡，降低了对旋转的要求，从而提高了性能。
2.红黑树能够以O(log2 n)的时间复杂度进行搜索、插入、删除操作，由于它的设计，任何不平衡都会在三次旋转之内解决。还有一些更好的，但实现起来更复杂的数据结构能够做到一步旋转之内达到平衡，但红黑树能够给我们一个比较“便宜”的解决方案。
3.红黑树的算法时间复杂度和AVL相同，但统计性能比AVL树更高
4.红黑树的插入效率更高
5.红黑树的平衡要求不如AVL树严格，理论上search要慢些，实际也如此，不过差距并不大
6.因为AVL树和红黑树都属于二叉查找树，所以是有序的。

总结：
红黑树的查询性能略微逊色于AVL树，因为他比avl树会稍微不平衡最多一层，也就是说红黑树的查询性能只比相同内容的avl树最多多一次比较，但是，红黑树在插入和删除上完爆avl树，avl树每次插入删除会进行大量的平衡度计算，而红黑树为了维持红黑性质所做的红黑变换和旋转的开销，相较于avl树为了维持平衡的开销要小得多
AVL树适合用于插入与删除次数比较少，但查找多的情况；相对于要求严格的AVL树来说，红黑树的旋转次数少，所以对于搜索、插入、删除操作较多的情况下，我们就用红黑树。
window对进程地址空间的管理用到了AVL树。红黑树广泛应用于C++的STL中，set、multiset、map、multimap；Linux虚拟内存的管理，以及Java的TreeMap和TreeSet都是通过红黑树去实现的

红黑树相对于哈希表，在选择使用的时候有什么依据？

权衡三个因素: 查找速度, 数据量, 内存使用，可扩展性。
总体来说，hash查找速度会比map快，而且查找速度基本和数据量大小无关，属于常数级别;而map的查找速度是log(n)级别。并不一定常数就比log(n) 小，hash还有hash函数的耗时，明白了吧，如果你考虑效率，特别是在元素达到一定数量级时，考虑考虑hash。但若你对内存使用特别严格，希望程序尽可能少消耗内存，那么一定要小心，hash可能会让你陷入尴尬，特别是当你的hash对象特别多时，你就更无法控制了，而且 hash的构造速度较慢。
红黑树并不适应所有应用树的领域。如果数据基本上是静态的，那么让他们待在他们能够插入，并且不影响平衡的地方会具有更好的性能。如果数据完全是静态的，例如，做一个哈希表，性能可能会更好一些。
在实际的系统中，例如，需要使用动态规则的防火墙系统，使用红黑树而不是散列表被实践证明具有更好的伸缩性。Linux内核在管理vm_area_struct时就是采用了红黑树来维护内存块的。
STL::map是基于红黑树的。C++ 11标准中加入了unordered系列的容器。unorered系列容器是基于哈希的。

时间复杂度

二叉查找树。算法的性能取决于树的形状，而树的形状取决于插入键的顺序。在最好的情况下，n个结点的树是完全平衡的，如下图“最好情况”所示，此时树的高度为⌊log2 n⌋ + 1，所以时间复杂度为O(lg n)当我们将键以升序或者降序插入的时候，得到的是一棵斜树，如下图中的“最坏情况”，树的高度为n，时间复杂度也变成了O(n)。在最坏情况下，二叉查找树的查找和插入效率很低。为了解决这个问题，引出了平衡二叉树(AVL)。
在这里插入图片描述
此处不再深究直接给出一些结论：