数据结构与算法学习系列-4-常见的数据结构-树

常见的数据结构-树

树-概念

树是一种非线性结构，就像真实的树倒挂

具体定义

树是包含n（n≥0）个结点的有穷集，其中：

• 1.每个元素称为结点
• 2.有一个特定的结点被称为根结点或树根
• 3.除根结点之外的其余数据元素被分为m（m≥0）个互不相交的集合T1，T2，．…Tm-1，其中每一个集合Ti（1≤i≤m）本身也是一棵树，被称作原树的子树

相关概念

• 1.树的高度
• 2.深度
• 3.层
• 4.树的定义是递归定义的
• 5.根据树中结点最多的子结点树引申出二叉树、三叉树、多叉树

二叉树-概念

二叉树是每个结点最多有两个子树的树结构，即左子树和右子树

基本实现和特性

二叉树的形态分为5种

二叉树-分类

叶子结点

一棵树当中没有子结点（即度为0）的结点称为叶子结点

满二叉树

• 叶子结点全部在最底层
• 除叶子结点外，每个结点都有左右两个子结点
• 该树就是满二叉树

完全二叉树

• 若设二叉树的深度为h
• 除第h层外，其他各层（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

二叉搜索树

• 定义：
  在树中的任意一个结点，其左子树的值都小于这个结点的值，而右子树结点的值都大于这个结点的值
• 特性：
  二叉搜索树为了实现快速查找而设计，不仅仅可以快速查找一个数据，还可以快速插入删除
• 查找操作：
  先取根结点，如果它等于我们要查找的数就返回；
  如果查找的数据比根结点的值小，那就在左子树中递归查找
  如果要查找的数据比根结点的值大，那就在右子树中递归查找
• 插入操作：
  如果要插入的数据比结点的数据大，并且结点的右子树为空，就将新数据直接插到右子结点的位置
  如果不为空，就再递归遍历右子树，查找插入位置。
  同理，如果要插入的数据比结点数值小，并且结点的左子树为空，就将新数据插入到左子结点的位置
  如果不为空，就再递归遍历左子树，查找插入位置
• 删除操作：
  • 需要分三种情况处理
  • 1.如果要删除的结点没有子结点，只需要直接将父亲结点中，指向要删除结点的指针设为null
  • 2.如果要删除的结点只有一个子结点（只有左子结点或者右子结点），我们只需要更新父结点中，指向要删除结点的指针，让它指向要删除结点的子结点
  • 3.如果要删除的结点有两个子结点，需要找到这个结点的右子树中的最小结点，把它替换到要删除的结点上，然后再删除掉这个最小结点
• 上述的查找、插入和删除的时间复杂度都是0（树的高度）

平衡二叉搜索树（AVL）

定义：二叉树中任意一个结点的左右子树的高度差不能大于1

考虑二叉树的高度可能退化成单链表的情况
造成插入、删除的效率变成O（n），
因此设计出了平衡二叉搜索树，高度接近logn，
也因此插入删除和查找的时间复杂度接近为O（logn）

红黑树

定义:红黑树中的结点，一类被标记为黑色，一类被标记为红色

• 1.根结点是黑色的
• 2.每个叶子结点都是黑色的空结点，叶子结点不存储数据
• 3.任何相邻的结点都不能同时为红色，红色节点被黑色结点隔开
• 4.每个结点，从该结点到达其可达叶子结点的左右路径，都包含相同数目的黑色系结点

红黑树是一种平衡二叉搜索树，为了解决普通二叉搜索树在数据更新的过程中，复杂度退化问题而产生的

红黑树的高度近似为logn，插入删除查找的时间复杂度都是O（logn）

二叉树-存储

1.基于指针或者引用的二叉链表存储法
2.基于数组的顺序存储法，其中完全二叉树使用数组存储是最节省内存的一种方式

二叉树-遍历方式

• 广度优先搜索 BFS - 层次遍历
• 深度优先搜索 DFS
  • 前序遍历
    • 对于树中的任意结点来说，先打印这个结点，然后再打印它的左子树，最后打印它的右子树
  • 中序遍历
    • 对于树中的任意结点来说，先打印它的左子树，然后再打印这个结点，最后打印它的右子树
  • 后序遍历
    • 对于树中的任意结点来说，先打印它的右子树，然后再打印它的左子树，最后打印结点本身
• 本质上上述遍历是一个递归的过程，且时间复杂度为0（n）
  

常考面试题

1.判断一棵树是否平衡
2.求二叉树的深度
3.二叉树的递归遍历、非递归遍历
4.二叉树的最大路径和
5.所有路径的给定和
6.二叉树的最低公共父结点
7.求二叉树第K层的结点个数
8.树的层次遍历