红黑树:
红黑树,是一种二叉搜索树,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。
红黑树的性质:
- 每个结点不是红色就是黑色。
- 根节点是黑色的。
- 如果一个节点是红色的,则它的两个孩子结点是黑色的。
- 对于每个结点,从该结点到其所有后代叶结点的简单路径上,均包含相同数目的黑色结点。(每条路径上有相同数量的黑色节点。)
- 每个叶子结点都是黑色的(此处的叶子结点指的是空结点)
为什么满足上面的性质,红黑树就能保证:其最长路径中节点个数不会超过最短路径节点个数的两倍?
答:可以参考博文:https://blog.csdn.net/simplehap/article/details/69692306
最短的路径上节点的颜色全部都为黑色;最长的路径则为黑红交叉的路径,其上有与最短路径的黑节点数目相同的黑节点数和红节点数目。所以我们按照红黑树性质所建立的红黑树的最长路径必然不会超过最短路径的两倍!
红黑树结构:
为了后续实现关联式容器简单,红黑树的实现中增加一个头结点,因为根节点必须为黑色,为了与根节点进行区分,将头结点给成黑色,并且让头结点的 pParent 域指向红黑树的根节点,pLeft域指向红黑树中小的节点,_pRight域指向红黑树中大的节点。
红黑树的定义:
// 节点的颜色 enum Color{RED, BLACK};
// 红黑树节点的定义
template<class ValueType> struct RBTreeNode {
RBTreeNode(const ValueType& data = ValueType(),Color color = RED)
: _pLeft(nullptr)
, _pRight(nullptr)
, _pParent(nullptr)
, _data(data), _color(color)
{}
RBTreeNode<ValueType>* _pLeft; // 节点的左孩子
RBTreeNode<ValueType>* _pRight; // 节点的右孩子
RBTreeNode<ValueType>* _pParent; // 节点的双亲
//(红黑树需要旋转,为了实现简单给出该字段)
ValueType _data; // 节点的值域
Color _color; // 节点的颜色
};
红黑树的插入操作:
- 原因是:插入黑节点必然会影响所有路径都含有相同数目的黑色节点这一原则
红黑树是在二叉搜索树的基础上加上其平衡限制条件,因此红黑树的插入可分为两步:
- 1. 按照二叉搜索的树规则插入新节点
bool Insert(const ValueType& data)
{
PNode& pRoot = GetRoot();
if (nullptr == pRoot)
{
pRoot = new Node(data, BLACK); // 根的双亲为头节点
pRoot->_pParent = _pHead;
_pHead->_pParent = pRoot;
}
else {
// 1. 按照二叉搜索的树方式插入新节点
// 按照二叉搜索树的特性,找节点在红黑树中的插入位置
PNode pCur = pRoot;
PNode pParent = nullptr;
while (pCur) {
pParent = pCur;
if (data < pCur->_data)
pCur = pCur->_pLeft;
else if (data > pCur->_data)
pCur = pCur->_pRight;
else
return false;
}
// 插入新节点
pCur = new Node(data);
if (data < pParent->_data)
pParent->_pLeft = pCur;
else
pParent->_pRight = pCur;
// 2. 检测新节点插入后,红黑树的性质是否造到破坏,
// 若满足直接退出,否则对红黑树进行旋转着色处理
}
// 根节点的颜色可能被修改,将其改回黑色
pRoot->_color = BLACK;
_pHead->_pLeft = LeftMost();
_pHead->_pRight = RightMost();
return true;
}
- 2. 检测新节点插入后,红黑树的性质是否造到破坏。
因为新节点的默认颜色是红色,因此:如果其双亲节点的颜色是黑色,没有违反红黑树任何性质,则不需要调整;但当新插入节点的双亲节点颜色为红色时,就违反了性质三不能有连在一起的红色节点。
此时需要对红黑树分情况来讨论:
约定:cur为当前节点,p为父节点,g为祖父节点,u为叔叔节点
- 情况一:cur为红,p为红,g为黑,u存在且为红
- 情况二:cur为红,p为红,g为黑,u不存在/u为黑
- p为g的左孩子,cur为p的左孩子,则进行右单旋转;
- 相反, p为g的右孩子,cur为p的右孩子,则进行左单旋转
- p、g变色--p变黑,g变红
- 情况三: cur为红,p为红,g为黑,u不存在/u为黑
- p为g的左孩子,cur为p的右孩子,则针对p做左单旋转;
- 相反, p为g的右孩子,cur为p的左孩子,则针对p做右单旋转
- 则转换成了情况2
// 新节点插入后,如果其双亲节点的颜色为空色,则违反性质3:不能有连在一起的红色结点
while(pParent && RED == pParent->_color) {
// 注意:grandFather一定存在
// 因为pParent存在,且不是黑色节点,则pParent一定不是根,则其一定有双亲
PNode grandFather = pParent->_pParent;
// 先讨论左侧情况
if(pParent == grandFather->_pLeft) {
PNode unclue = grandFather->_pRight;
// 情况三:叔叔节点存在,且为红
if(unclue && RED == unclue->_color) {
pParent->_color = BLACK;
unclue->_color = BLACK;
grandFather->_color = RED;
pCur = grandFather;
pParent = pCur->_pParent;
}
else {
// 情况五:叔叔节点不存在,或者叔叔节点存在且为黑
if(pCur == pParent->_pRight) {
_RotateLeft(pParent);
swap(pParent, pCur);
}
// 情况五后转化成情况四
grandFather->_color = RED;
pParent->_color = BLACK;
_RotateRight(grandFather);
}
}
else {
// 右侧
}
}
红黑树的验证:
红黑树的检测分为两步:
- 1. 检测其是否满足二叉搜索树(中序遍历是否为有序序列)
- 2. 检测其是否满足红黑树的性
bool _IsRBTree(PNode pRoot, size_t blackCount, size_t pathBlack) {
if (nullptr == pRoot)
return true;
if (BLACK == pRoot->_color)
pathBlack++;
PNode pParent = pRoot->_pParent;
if (pParent && pRoot->_color == RED && RED == pParent->_color) {
cout << "违反性质3:有连在一起的红色节点" << endl;
return false;
}
if (pRoot->_pLeft == nullptr && nullptr == pRoot->_pRight) {
if (blackCount != pathBlack) {
cout << "违反性质4:路径中黑色节点的个数不相同" << endl;
return false;
}
}
return _IsRBTree(pRoot->_pLeft, blackCount, pathBlack)
&& _IsRBTree(pRoot->_pRight, blackCount, pathBlack);
}
红黑树与AVL树的比较:
红黑树和AVL树都是高效的平衡二叉树,增删改查的时间复杂度都是O(log2 N ),红黑树不追求绝对平衡,其只需保证最长路径不超过最短路径的2倍,相对而言,降低了插入和旋转的次数,所以在经常进行增删的结构中性能比AVL树更优,而且红黑树实现比较简单,所以实际运用中红黑树更多。