数据结构-二分搜索树篇
树结构本身是一种天然的组织结构
二叉树
和链表一样,动态数据结构
class Node{
E e;
Node left;
Node right;
}
-
二叉树具有唯一 根节点
-
二叉树每个节点最多有两个孩子:左孩子,右孩子
-
叶子结点
-
二叉树每个节点最多有一个父节点
-
二叉树具有天然的递归结构
-
每个节点的左子树也是二叉树,每个节点的右子树页数二叉树
-
二叉树不一定是“满”的,一个节点也是二叉树,空也是二叉树
二分搜索树:也是二叉树
二分搜索树的每个节点的值:
-
大于其左子树的所有节点的值
-
小于其右子树的所有节点的值
-
每一个子树也是二叉树
-
存储的元素必须有可比较性
1. 定义二分搜索树节点
public class BST<E extends Comparable<E>> {
private class Node{
public E e;
public Node left,right;
public Node(E e){
this.e = e;
left = null;
right = null;
}
}
private Node root;
private int size;
public BST(){
root = null;
size = 0;
}
public int size(){
return size;
}
public boolean isEmpty(){
return size==0;
}
}
2. 二分搜索操作
-
添加新元素
不包含重复元素
如果向包含重复元素的话,只需要定义:左子树小于等于节点;或者右子树大于等于节点
PS:之前讲的数组和链表,可以有重复元素
二分搜索树添加元素的非递归写法,和链表很像
关注递归实现
//向二分搜索树中添加新的元素e
public void add(E e){
if(root==null){
root = new Node(e);
size++;
}else{
add(root,e);
}
}
//向以node为根的二分搜索树中插入元素E,递归算法
private void add(Node node,E e){
if(e.equals(node.e)){
return;
}else if(e.compareTo(node.e)<0 && node.left==null){
node.left = new Node(e);
size++;
return;
}else if(e.compareTo(node.e)>0 && node.right==null){
node.right = new Node(e);
size++;
return;
}
if(e.compareTo(node.e)<0){
add(node.left,e);
}else{
add(node.right,e);
}
}
- 改进递归终止条件
public void add(E e){
root = add(root,e);
}
//返回插入新节点后二分搜索树的根(相同元素放不进来)
private Node add(Node node,E e ){
if(node==null){
size++;
return new Node(e);
}
if(e.compareTo(node.e)<0){
node.left = add(node.left,e);
}else if(e.compareTo(node.e)>0) {
node.right = add(node.right, e);
}
return node;
}
- 查询操作
//看二分搜索树中是否包含元素e
public boolean contains(E e){
return contains(root,e);
}
//以node为根的二分搜索树中是否包含元素额,递归算法
private boolean contains(Node node,E e){
if(node==null){
return false;
}
if(e.compareTo(node.e)==0){
return true;
}else if(e.compareTo(node.e)<0){
return contains(node.left,e);
}else{//(e.compareTo(node.e)>0)
return contains(node.right,e);
}
}
- 删除二分搜索树的最小元素
//寻找二分搜索树的最小元素
public E minimum() {
if (size == 0) {
throw new IllegalArgumentException("BST is empty");
}
return minimum(root).e;
}
//返回以node为根的二分搜索树的最小值所在的节点
private Node minimum(Node node) {
if (node.left == null) {
return node;
}
return minimum(node.left);
}
//从二分搜索树中删除最小值所在的节点,返回最小值
public E removeMin() {
E ret = minimum();
root = removeMin(root);
return ret;
}
//删除掉以node为跟的二分搜索树中的最小节点
//返回删除节点后新的二分搜索树
private Node removeMin(Node node) {
if (node.left == null) {
Node rightNode = node.right;
node.right = null;
size--;
return rightNode;
}
node.left = removeMin(node.left);
return node;
}
- 删除二分搜索树的最大元素
//寻找二分搜索树的最大元素
public E maximum() {
if (size == 0) {
throw new IllegalArgumentException("BST is empty");
}
return maximum(root).e;
}
//返回以node为根的二分搜索树的最大值所在的节点
private Node maximum(Node node) {
if (node.right == null) {
return node;
}
return maximum(node.right);
}
//从二分搜索树中删除最小值所在的节点,返回最大值
public E removeMax(){
E ret = maximum();
root = removeMax(root);
return ret;
}
//删除掉以node为跟的二分搜索树中的最大节点
//返回删除节点后新的二分搜索树
private Node removeMax(Node node){
if(node.right==null){
Node leftNode = node.left;
node.left = null;
size--;
return leftNode;
}
node.right = removeMax(node.right);
return node;
}
- 测试类
public static void main(String[] args) {
BST<Integer> bst = new BST<>();
Random random = new Random();
int n=1000;
for(int i=0;i<n;i++){
bst.add(random.nextInt(10000));
}
ArrayList<Integer> nums = new ArrayList<>();
while (!bst.isEmpty()){
nums.add(bst.removeMin());
}
System.out.print(nums);
for(int i=1;i<nums.size();i++){
if(nums.get(i-1)>nums.get(i)){
throw new IllegalArgumentException("Error");
}
}
System.out.println("\nremoveMin test completed");
}
- 二分搜索树删除节点
//从二分搜索树中删除元素为e的节点
public void remove(E e) {
root = remove(root, e);
}
//删除掉以node为根的二分搜索树中值为e的节点,递归算法
//返回删除节点后新的二分搜索树的根
private Node remove(Node node, E e) {
if (node == null)
return null;
if (e.compareTo(node.e) < 0) {
node.left = remove(node.left, e);
return node;
} else if (e.compareTo(node.e) > 0) {
node.right = remove(node.right, e);
return node;
} else { //e==node.e
//待删除节点左子树为空的情况
if (node.left == null) {
Node rightNode = node.right;
node.right = null;
size--;
return rightNode;
}
//待删除节点右子树为空的情况
if (node.right == null) {
Node leftNode = node.left;
node.left = null;
size--;
return leftNode;
}
//待删除节点左右子树均不为空
//找到比待删除节点大的最小节点,即待删除节点右子树的最小节点
//用这个节点顶替待删除节点的位置
Node successor = minimum(node.right);
successor.right = removeMin(node.right);
successor.left = node.left;
node.left = node.right = null;
return successor;
}
}
3. 二分搜索树的遍历
- 前序遍历(深度优先遍历) 最自然,最常用的遍历方式
遍历操作就是把所有节点都访问一遍
//二分搜索树的前序遍历
public void preOrder(){
preOrder(root);
}
private void preOrder(Node node){
/* if(node==null){
return;
}*/
if(node!=null){
System.out.println(node.e);
preOrder(node.left);
preOrder(node.right);
}
}
测试类:
@Override
public String toString(){
StringBuilder res = new StringBuilder();
generateBSTString(root, 0, res);
return res.toString();
}
// 生成以node为根节点,深度为depth的描述二叉树的字符串
private void generateBSTString(Node node, int depth, StringBuilder res){
if(node == null){
res.append(generateDepthString(depth) + "null\n");
return;
}
res.append(generateDepthString(depth) + node.e + "\n");
generateBSTString(node.left, depth + 1, res);
generateBSTString(node.right, depth + 1, res);
}
private String generateDepthString(int depth){
StringBuilder res = new StringBuilder();
for(int i = 0 ; i < depth ; i ++)
res.append("--");
return res.toString();
}
public class Main {
public static void main(String[] args) {
BST<Integer> bst = new BST<>();
int[] nums = {5,3,6,8,4,2};
for(int num:nums){
bst.add(num);
}
System.out.println(bst);
bst.preOrder();
}
}
- 中序遍历 :遍历结果是顺序的
//二分搜索树的中序遍历
public void inOrder(){
inOrder(root);
}
//中序遍历以node为根的二分搜索树,递归算法
private void inOrder(Node node){
if(node==null){
return;
}else{
inOrder(node.left);
System.out.println(node.e);
inOrder(node.right);
}
}
- 后序遍历
//二分搜索树的后续遍历
public void postOrder(){
postOrder(root);
}
//后续遍历以node为根的二分搜索树,递归算法
private void postOrder(Node node){
if(node==null){
return;
}else{
postOrder(node.left);
postOrder(node.right);
System.out.print(node.e);
}
}
应用: 为二分搜索树释放内存
- 层序遍历(广度优先遍历)
//二分搜索树的层序遍历:广度优先遍历
public void levelOrder() {
Queue<Node> queue = new LinkedList<>();
queue.add(root);
while (!queue.isEmpty()) {
Node cur = queue.remove();
System.out.println(cur.e);
if (cur.left != null) {
queue.add(cur.left);
}
if (cur.right != null) {
queue.add(cur.right);
}
}
}
广度优先遍历的意义:
- 更快的找到问题的解
- 常用语算法设计中-最短路径
- 图中的深度优先遍历和广度优先遍历
- 二分搜索树遍历的非递归实现
//前序遍历的非递归(深度优先遍历)
public void preOrderNR() {
Stack<Node> stack = new Stack<>();
stack.push(root);
while (!stack.isEmpty()) {
Node cur = stack.pop();
System.out.print(cur.e);
if (cur.right != null) {
stack.push(cur.right);
}
if (cur.left != null) {
stack.push(cur.left);
}
}
}