树的相关知识（个人理解）

数据结构树的相关知识点

本文主要是学习完树的相关知识后总结出来的一些理解，主要涉及到树，二叉树，平衡树和红黑树。

1. 树

1.1 树的基本概念

		树是由结点或顶点和边组成的(可能是非线性的)且不存在着任何环的一种数据结构。
	没有结点的树称为空(null或empty)树。一棵非空的树包括一个根结点，还(很可能)有
	多个附加结点，所有结点构成一个多级分层结构。

1.2 树的特点

（1）每个节点有零个或者多个节点
（2）没有父节点的点称为根节点
（3）每一个非根节点有且只有一个父节点
（4）除了根节点外，每个子节点可以分为多个不想交的子树

1.3 相关名词理解

（1）节点：指树中的每一个元素
（2）节点的度：指节点拥有的子树的个数，二叉树的度不大于2
（3）叶子：度为0的节点，也称为终端节点
（4）高度：叶子节点的高度为0，根节点的高度最高
（5）层：根在第一层，以此类推
（6）父节点：若一个节点含有子节点，则这个节点称为其子节点的父节点
（7）子节点：子节点是父节点的下一层节点
（8）节点的层次：从根节点开始，根节点为第一层，根的子节点为第二层，以此类推
（9）兄弟节点：拥有共同父节点的节点互称为兄弟节点

2.二叉树

2.1 什么是二叉树

二叉树是每个节点最多只有两个子树的树结构，二叉树要求左节点的值小于父节点，右节点的值大于父节点。

2.2 二叉树的五种基本形态

2.3 满二叉树、完全二叉树和霍夫曼树

（1）满二叉树：指深度为k且有2^k-1个结点的二叉树 。如图所示：

（2）完全二叉树：当二叉树的深度为h时，它的h层节点必须都是连续靠左并不可隔开的(满二叉树也符合)，并且1～h-1层的结点数都达到最大个数(即1~h-1层为一个满二叉树)。

（3）霍夫曼树：每个节点要么没有子节点，要么有两个子节点

2.4 二叉树的遍历

二叉树主要有三种遍历方式：先序遍历、中序遍历、以及后序遍历
（1）先序遍历（根左右）：先访问根节点，再访问根的左节点，最后访问根的右节点

（2）中序遍历（左根右）：先访问左节点，再访问根节点，最后访问右节点。中序遍历可以用来排序

（3）后序遍历（左右根）：先访问左节点，再访问右节点，最后访问根节点

3. 平衡二叉树

3.1 什么是平衡二叉树

	平衡树，即平衡二叉树（Balanced Binary Tree），具有以下性质：它是一棵空树或它的左右两个子树的高
度差的绝对值不超过1，并且左右两个子树都是一棵平衡二叉树。

3.2 为什么要用平衡二叉树

	当遇到下图所示情况时，我们遍历该二叉树需要很多层，这个时候并不能节约遍历的时间。为了避免这种情况
发生，我们希望有一种算法，将我们的不平衡二叉排序树转化为平衡二叉排序树。这样就可以让我们的二叉排序树
结构最优化。

3.3 平衡二叉树的要求

（1）该二叉树必须是二叉查找树
（2）每个节点的左子树和右子树的高度差至多为1（平衡因子）。
（3）平衡因子：该节点的左子树高度-该节点右子树的高度，即左右子树的高度差

3.4 平衡树的旋转

	整个实现过程是通过在一棵平衡二叉树中依次插入元素(按照二叉排序树的方式)，若出现不平衡，则要根据新插
入的结点与最低不平衡结点的位置关系进行相应的调整。分为LL型、RR型、LR型和RL型4种类型，各调整方法如下
(下面用A表示最低不平衡结点)：

（1）LL型

LL型调整的一般形式如上图所示，表示在A的左孩子B的左子树BL(不一定为空)中插入结点(图中阴影部分所示)而导致不平衡( h 表示子树的深度)。这种情况调整如下：①将A的左孩子B提升为新的根结点；②将原来的根结点A降为B的右孩子；③各子树按大小关系连接(BL和AR不变，BR调整为A的左子树)。

（2）RR型

RR型调整的一般形式如上图所示，表示在A的右孩子B的右子树BR(不一定为空)中插入结点而导致不平衡。这种情况调整如下：
将A的右孩子B提升为新的根结点；
将原来的根结点A降为B的左孩子
各子树按大小关系连接(AL和BR不变，BL调整为A的右子树)。
（3）LR型

LR型调整的一般形式如上图所示，表示在A的左孩子B的右子树(根结点为C，不一定为空)中插入结点而导致不平衡。这种情况调整如下：①将B的左孩子C提升为新的根结点；②将原来的根结点A降为C的右孩子；③各子树按大小关系连接(BL和AR不变，CL和CR分别调整为B的右子树和A的左子树)。
（4）RL型

RL型调整的一般形式如上图所示，表示在A的右孩子B的左子树(根结点为C，不一定为空)中插入结点而导致不平衡。这种情况调整如下：①将B的左孩子C提升为新的根结点；②将原来的根结点A降为C的左孩子；③各子树按大小关系连接(AL和BR不变，CL和CR分别调整为A的右子树和B的左子树)。

3.5 平衡二叉树实现的实例

选取一组数据分别为2，1，0，3，4，5，6，9，8，7的10个结点来构造平衡二叉树。

首先数据为2的结点作为根结点插入，接着插入1，仍是平衡的，再插入0是，2的平衡因子变为2，此时出现了不平衡，因此需要进行调整，最低不平衡结点为2，属于LL型，调整过程如图1所示。
图1
接着插入3，是平衡的，再插入4，此时出现了不平衡，结点 1 和 2 的平衡因子都为 -2，结点2为最低不平衡结点，属于RR型，调整过程如图2所示

图2
接着插入5，此时结点 1 的平衡因子为 -2，导致不平衡，结点1为最低不平衡结点，属于RR型，调整如图3所示。

图3
接着插入6，此时结点4的平衡因子为 -2，导致不平衡，结点4为最低不平衡结点，属于RR型，调整如图4所示。

图4
接着插入9，是平衡的，再插入8，此时结点 3、5、6 的平衡因子都为 -2，导致不平衡，结点6为最低不平衡结点，属于RL型，调整如图5所示。

图五
插入7，此时结点3、5的平衡因子为 -2，导致不平衡，最低不平衡结点为5，属于RL型，调整如图6所示。

图六

原文链接：https://blog.csdn.net/isunbin/article/details/81707606

4.红黑树

4.1 红黑树介绍

	红黑树，一种二叉查找树，但在每个结点上增加一个存储位表示结点的颜色，可以是Red或Black。通过对任何
一条从根到叶子的路径上各个结点着色方式的限制，红黑树确保没有一条路径会比其他路径长出俩倍，因而是
接近平衡的。 
	它是在1972年由Rudolf Bayer发明的，当时被称为平衡二叉B树（symmetric binaryB-trees）。
后来，在1978年被 Leo J. Guibas 和 Robert Sedgewick 修改为如今的“红黑树”。
	红黑树和AVL树类似，都是在进行插入和删除操作时通过特定操作保持二叉查找树的平衡，
从而获得较高的查找性能。
	它虽然是复杂的，但它的最坏情况运行时间也是非常良好的，并且在实践中是高效的： 它可以在O(log n)时间
内做查找，插入和删除，这里的n 是树中元素的数目。

4.2 红黑树的特点

（1）节点是红色或者黑色。
（2）根节点是黑色。
（3）每个叶节点（NIL节点、空节点）是黑色的。
（4）每个红色节点的两个子节点都是黑色的（从每个叶子到根的所有路径上都不能有两个连续的红色节点）。
（5）从任一节点到其每个叶子的所有路径都包含相同数目的黑色节点。
这些性质保证了根节点到任意叶子节点的路径长度，最多相差一半（因为路径上的黑色节点相等，差别只是不能相邻的红色节点个数），所以红黑树是一个基本平衡的二叉搜索树，它没有AVL树那么绝对平衡，但是同样的关键字组成的红黑树相比AVL旋转操作要少，而且删除操作也比AVL树效率更高，实际应用效果也比AVL树更出众。

4.3 红黑树的插入节点

（1）情况1：插入的是根节点。
原树是空树，此情况只会违反特点2。
对策：直接把这个节点变成黑色节点
（2）情况2：插入的节点的父节点是黑色。
不会违反性质特点2和特点4，红黑树没有被破坏。
对策：什么也不需要做。
（3）情况3：当前节点的父节点是红色且祖父节点的另一个节点（叔叔节点）是红色
此时父节点的父节点一定存在，否则插入前就已经不是红黑树。与此同时，又分为父节点是祖父节点的左子还是右子，对于对称性，我们只需要解开一个方向就可以了。在此，我们只考虑父节点为祖父节点左子的情况。
对策：将当前节点的父节点和叔叔节点涂黑，祖父节点涂红，把当前节点指向祖父节点，从新的当前节点重新开始算法
针对情况3，变化前的情况为（当前节点为4）：


（4）情况4：当前节点的父节点是红色，叔叔节点是黑色，当前节点是其父节点的右子。
对策：当前节点的父节点作为新的当前节点，以新的节点为支点左旋。
如下图所示，变化前（当前节点为7）：


（5）情况5：当前节点的父节点是红色，叔叔节点是黑色，当前节点是其父节点的左子
对策：父节点变为黑色，祖父节点变为红色，以父节点为支点右旋
如下图所示（当前节点为2）：

4.4 红黑树删除节点