数据结构-----树

数据结构之树

数据结构的学习笔记，不妥之处请指正。

---

---

一、树的基础知识

1、树的定义

树是一种数据结构，它是由n(n≥1)个有限节点组成一个具有层次关系的集合。把它叫做“树”是因为它看起来像一颗倒挂的树，也就是说它是根朝上，而叶朝下。
它具有以下的特点：
（1）每个节点有零个或多个子节点；
（2）没有父节点的节点称为根节点；
（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相交的子树。

树 是一种经常用到的数据结构，，它是一种非线性存储结构，存储具有“一对多”关系的数据元素的集合，用来模拟具有树状结构性质的数据集合。

树里的每一个节点有一个值和一个包含所有子节点的列表。从图的观点来看，树也可视为一个拥有N 个节点和N-1 条边的一个有向无环图。

2、树中的术语

节点深度：对任意节点x，x节点的深度表示为根节点到x节点的路径长度。所以根节点深度为0，第二层节点深度为1，以此类推

节点高度：对任意节点x，叶子节点到x节点的路径长度就是节点x的高度

树的深度：一棵树中节点的最大深度就是树的深度，也称为高度

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

子节点：一个节点含有的子树的根节点称为该节点的子节点

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

兄弟节点：拥有共同父节点的节点互称为兄弟节点

度：节点的子树数目就是节点的度

叶子节点：度为零的节点就是叶子节点

祖先：对任意节点x，从根节点到节点x的所有节点都是x的祖先（节点x也是自己的祖先）

后代：对任意节点x，从节点x到叶子节点的所有节点都是x的后代（节点x也是自己的后代）

森林：m颗互不相交的树构成的集合就是森林

3、树的种类

（1）无序树：树中任意节点的子结点之间没有顺序关系，这种树称为无序树,也称为自由树；
（2）有序树：树中任意节点的子结点之间有顺序关系，这种树称为有序树；
（3）二叉树：每个节点最多含有两个子树的树称为二叉树；
（4）满二叉树：叶节点除外的所有节点均含有两个子树的树被称为满二叉树；
（5）完全二叉树：除最后一层外，所有层都是满节点，且最后一层缺右边连续节点的二叉树称为完全二叉树；
（6）哈夫曼树（最优二叉树）：带权路径最短的二叉树称为哈夫曼树或最优二叉树。

4、树的深度

定义一棵树的根结点层次为1，其他结点的层次是其父结点层次加1。一棵树中所有结点的层次的最大值称为这棵树的深度。

5、表示方法

（1）图像表示法

（2）符号表达法

用括号先将根结点放入一对圆括号中，然后把它的子树由左至右的顺序放入括号中，而对子树也采用同样的方法处理；同层子树与它的根结点用圆括号括起来，同层子树之间用逗号隔开，最后用闭括号括起来。如前文树形表示法可以表示为：
（A（B（D，E），C（F）））。

（3）遍历表达法
遍历表达法有4种方式：先序遍历、中序遍历、后序遍历、层次遍历。

先序遍历（根-左-右）：先序遍历首先访问根节点，然后遍历左子树，最后遍历右子树。

中序遍历（左-根-右）：中序遍历是先遍历左子树，然后访问根节点，然后遍历右子树。

后序遍历（左-右-根）：后序遍历是先遍历左子树，然后遍历右子树，最后访问树的根节点。

层次遍历（同广度优先搜索）：层序遍历就是逐层遍历树结构。

广度优先搜索 是一种广泛运用在树或图这类数据结构中，遍历或搜索的算法。 该算法从一个根节点开始，首先访问节点本身。 然后遍历它的相邻节点，其次遍历它的二级邻节点、三级邻节点，以此类推。

当我们在树中进行广度优先搜索时，我们访问的节点的顺序是按照层序遍历顺序的。

---

二、树的种类（详细介绍）

1、二叉查找树（二叉搜索树、二叉排序树、BST）

性质：

若任意节点的左子树不空，则左子树上所有节点的值均小于它的根节点的值；
若任意节点的右子树不空，则右子树上所有节点的值均大于它的根节点的值；
任意节点的左、右子树也分别为二叉查找树；
没有键值相等的节点。

局限性以及应用：

一个二叉树是由n个节点随即构成，所以对于某些情况，二叉树会退化成一个有b个节点的线性链。

2、AVL树（自平衡二叉查找树）

性质：

本身首先是一颗二叉树。
带有平衡条件， 每个结点的左右子树的高度之差的绝对值（平衡因子）最多为1。
也就是说，AVL树本质上是带了平衡功能的二叉查找树

使用场景：

AVL树适合用于插入删除次数比较少，但查找多的情况。
也在Windows进程地址空间管理中得到了使用
旋转的目的是为了降低树的高度，使其平衡

3、红黑树

一种自平衡二叉查找树, 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,红黑树确保从根到叶子节点的最长路径不会是最短路径的两倍，用非严格的平衡来换取增删节点时候旋转次数的降低，任何不平衡都会在三次旋转之内解决。

性质：

性质1. 节点是红色或黑色。
性质2. 根节点是黑色。
性质3. 每个红色节点的两个子节点都是黑色。(从每个叶子到根的所有路径上不能有两个连续的红色节点)
性质4. 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。

使用场景：
红黑树多用于搜索,插入,删除操作多的情况下

广泛用在C++的STL中。map和set都是用红黑树实现的。
著名的linux进程调度Completely Fair Scheduler,用红黑树管理进程控制块。
epoll在内核中的实现，用红黑树管理事件块。
nginx中，用红黑树管理timer等。

4、B树（B-树、B-tree）

B树(B-Tree)是一种自平衡的树,它是一种多路搜索树（并不是二叉的），能够保证数据有序。同时它还保证了在查找、插入、删除等操作时性能都能保持在O(logn)，为大块数据的读写操作做了优化,同时它也可以用来描述外部存储(支持对保存在磁盘或者网络上的符号表进行外部查找)

性质：

1、根结点至少有两个子女；
2、每个非根节点所包含的关键字个数 j 满足：[m/2] - 1 <= j <= m - 1；
3、除根结点以外的所有结点（不包括叶子结点）的度数正好是关键字总数加1，故内部子树个数 k 满足：[m/2] <= k <= m ；
4、所有的叶子结点都位于同一层

使用场景：

B树大量应用在数据库与文件系统中，它的设计思想是，将相关数据尽量集中在一起，以便一次读取多个数据，减少硬盘操作次数。B树算法减少定位记录时所经历的中间过程，从而加快存取速度。

5、B+树

B+树是B-树的变体，也是一种多路搜索树。
B+的搜索与B-树也基本相同，区别是B+树只有达到叶子结点才命中（B-树可以在非叶子结点命中），其性能也等价于在关键字全集做一次二分查找；

性质：

每个结点至多有m个子女；
除根结点外，每个结点至少有[m/2]个子女，根结点至少有两个子女；
有k个子女的结点必有k个关键字。

使用场景

文件系统和数据库系统中常用的B/B+ 树，他通过对每个节点存储个数的扩展，使得对连续的数据能够进行较快的定位和访问，能够有效减少查找时间，提高存储的空间局部性从而减少IO操作。

---

总结

本文记录了一下学习数据结构中树的相关基础知识点，深层次的理解与学习还在持续中，文中如有错误请指正。

---

参考

https://www.jianshu.com/p/912357993486
https://zhuanlan.zhihu.com/p/90255760