非线性排序,完全二叉树
二叉树2种存储方法:基于链式,数组
链式存储法:三个节点,一个存储数据,另外2个存储左右节点指针
基于数组的顺序存储法,根节点存储在下标 i = 1 的位置,那左子节点 2 * i = 2 的,右子节点存储在 2 * i + 1 = 3 。以此类推
完全二叉树,仅仅“浪费”了一个下标为 0 的存储位置。如果是非完全二叉树,其实会浪费比较多的数组存储空间。例子。
所以完全二叉树,用数组存储是最节省内存的一种方式
二叉树的遍历
前序遍历、中序遍历和后序遍历
每个节点最多会被访问两次,所以遍历操作的时间复杂度,跟节点的个数 n 成正比,也就是说二叉树遍历的时间复杂度是 O(n)。
思考:
1、给定一组数据,比如 1,3,5,6,9,10。你来算算,可以构建出多少种不同的二叉树?
- 既然是数组了,说明是完全二叉树,应该有n的阶乘个组合。
2、三种二叉树的遍历方式,前、中、后序。实际上,还有另外一种遍历方式,也就是按层遍历,你知道如何实现吗?
- 二叉树按层遍历,可以看作以根结点为起点,图的广度优先遍历的问题。
二叉查找树
特点:支持动态数据集合的快速插入、删除、查找操作。
二叉查找树要求,左子树中的每个节点的值,都要小于这个节点的值,右子树节点的值都大于这个节点的值
二叉查找树的查找操作
public class BinarySearchTree {
private Node tree;
public Node find(int data) {
Node p = tree;
while (p != null) {
if (data < p.data) p = p.left;
else if (data > p.data) p = p.right;
else return p;
}
return null;
}
public static class Node {
private int data;
private Node left;
private Node right;
public Node(int data) {
this.data = data;
}
}
}
2. 二叉查找树的插入操作
public void insert(int data) {
if (tree == null) {
tree = new Node(data);
return;
}
Node p = tree;
while (p != null) {
if (data > p.data) {
if (p.right == null) {
p.right = new Node(data);
return;
}
p = p.right;
} else { // data < p.data
if (p.left == null) {
p.left = new Node(data);
return;
}
p = p.left;
}
}
}
3. 二叉查找树的删除操作
- 第一种,如果要删除的节点没有子节点,只需直接将父节点中,指向要删除节点的指针置为 null。比如图中的删除节点 55。
- 第二种,如果要删除的节点只有一个子节点(只有左子节点或者右子节点),只需更新父节点中,指向要删除节点的指针,让它指向要删除节点的子节点就可以了。比如图中的删除节点 13。
- 第三种,如果要删除的节点有两个子节点。需要找到这个节点的右子树中的最小节点,把它替换到要删除的节点上。然后再删除掉这个最小节点,因为最小节点肯定没有左子节点(如果有左子结点,那就不是最小节点了),所以,我们可以应用上面两条规则来删除这个最小节点。比如图中的删除节点 18。
public void delete(int data) {
Node p = tree; // p指向要删除的节点,初始化指向根节点
Node pp = null; // pp记录的是p的父节点
while (p != null && p.data != data) {
pp = p;
if (data > p.data) p = p.right;
else p = p.left;
}
if (p == null) return; // 没有找到
// 要删除的节点有两个子节点
if (p.left != null && p.right != null) { // 查找右子树中最小节点
Node minP = p.right;
Node minPP = p; // minPP表示minP的父节点
while (minP.left != null) {
minPP = minP;
minP = minP.left;
}
p.data = minP.data; // 将minP的数据替换到p中
p = minP; // 下面就变成了删除minP了
pp = minPP;
}
// 删除节点是叶子节点或者仅有一个子节点
Node child; // p的子节点
if (p.left != null) child = p.left;
else if (p.right != null) child = p.right;
else child = null;
if (pp == null) tree = child; // 删除的是根节点
else if (pp.left == p) pp.left = child;
else pp.right = child;
}
- 关于二叉查找树的删除操作,还有个非常简单、取巧的方法,就是单纯将要删除的节点标记为“已删除”,但不真正从树中将这个节点去掉。这样原本删除的节点还需要存储在内存中,比较浪费内存空间,但是删除操作就变得简单了很多。而且,这种处理方法也并没有增加插入、查找操作代码实现的难度。
4. 二叉查找树的其他操作
二叉查找树中还可以支持快速地查找最大节点和最小节点、前驱节点和后继节点。
中序遍历二叉查找树,可以输出有序的数据序列,时间复杂度 O(n),非常高效。因此,二叉查找树也叫作二叉排序树。支持重复数据的二叉查找树。
支持重复数据的二叉查找树
二叉查找树在实际的软件开发中,存储的是一个包含很多字段的对象。利用对象的某个字段作为键值(key)来构建二叉查找树。把对象中的其他字段叫作卫星数据。
存储的两个相同对象的键值,2种解决方法:
- 第一种,二叉查找树中每一个节点不仅会存储一个数据,因此我们通过链表和支持动态扩容的数组等数据结构,把值相同的数据都存储在同一个节点上。
- 第二种,每个节点仍然只存储一个数据。查找中,如果节点的值,与要插入数据的值相同,将插入的数据放到这个节点的右子树,也就是说,把新插入的数据当作大于这个节点的值来处理。
- 当查找遇到值相同节点,不停止查找操作,继续在右子树中查找,直到遇到叶子节点才停止。这样就可以把键值等于要查找值的所有节点都找出来。
- 对于删除操作,也需要先查找到每个要删除的节点,然后再按前面讲的删除操作的方法,依次删除。
二叉查找树的时间复杂度分析
时间复杂度其实都跟树的高度成正比,也就是 O(height)
- 树的高度,第 K 层包含的节点个数 2^(K-1)。
- 对于完全二叉树。它包含的节点个数在 1 个到 2^(L-1) 个之间(假设最大层数是 L)。如果我们把每一层的节点个数加起来就是总的节点个数 n。也就是说,如果节点的个数是 n,那么 n 满足这样一个关系:
n >= 1+2+4+8+…+2^(L-2)+1
n <= 1+2+4+8+…+2(L-2)+2(L-1)
借助等比数列的求和公式,可以计算出,L 的范围是 [log2(n+1), log2n +1]。完全二叉树的层数小于等于 log2n +1,完全二叉树的高度小于等于 log2n。
相比散列表的优点
- 散列表存储是无序的,如果输出有序的数据,需要先进行排序,而二叉树直接中序遍历,O(n)。
- 散列表扩容耗时太多,当遇到散列冲突时,性能不稳定,而平衡二叉树性能非常稳定O(logn)。
- 笼统地来说,散列表时间复杂度是常量级的,但因为哈希冲突的存在,这个常量不一定比 logn 小,所以实际的查找速度可能不一定比 O(logn) 快
- 散列表复杂,散列函数的设计、冲突解决办法、扩容、缩容等。平衡二叉查找树只需要考虑平衡性这一个问题,而且这个问题的解决方案比较成熟、固定。
- 为了避免过多的散列冲突,散列表装载因子不能太大,特别是基于开放寻址法解决冲突的散列表,不然会浪费一定的存储空间。