二叉搜索树BST
原因
最近想了解下C++ STL中的map和set的原理,它们是由红黑树实现的,但是想要了解红黑树要先了解下最基本的二叉搜索树
概念
二叉搜索树(Binary Search Tree)是有如下特征:
- 每个元素有唯一的键,这些键能比较大小
- 任何一个结点,它的左子树上任意结点的键都比它小,它的右子树上任意结点的键都比它大(由此可以推出,键值最大的结点无右儿子,键值最小的结点无左儿子)
另外,如果对这棵二叉树进行中序遍历,键的排列会是严格递增的
代码定义
BST的C++类定义如下:
class BST{
private:
class node{
public:
int key;
int value;
node* lc; //左儿子
node* rc; //右儿子
};
private:
node* root;
//对外接口
public:
BST();
void Insert(int key, int value);
bool Find(int key, int &value);
bool Delete(int key);
void MidOrder();
//内部接口及功能实现
private:
void _Insert(node* &n, int key, int value);
bool _Find(node* n, int key, int &value);
node* _Delete(node* &n, int key, bool &flag);
void _MidOrder(node* n);
};
它的结点包含一对键值对,此处为了方便全用整型变量表示(当然可以写成泛型的形式,但是应当注意键的类型需能比较大小或重载了该运算符)
另外,由于BST也是一种二叉树,所以结点也满足二叉树的结点定义,即包含左儿子指针和右儿子指针
操作
BST的操作有插入、查询、删除、遍历(建树的过程在插入中实现),这些方法基本都是递归实现的。
在上文的类定义中,由于node类为私有,并且方法的实现为递归,为了安全与简洁,对外部的方法作为接口会调用对应的私有方法,因此下文的每种操作都会列举出一个接口和方法实现,使用只需要调用规范好的接口就行了。
构造函数
BST::BST(){
//初始化
this->root = nullptr;
}
插入
以第1个数据为根结点,逐个插入所有数据。插入时分三种情况:
- 当传入指针即当前结点为空,则new直接插入(new一个结点,并赋值)
- 若插入数据键比当前结点的键小,则向左子树递归继续寻找插入位置
- 若插入数据键比当前结点的键大,则向右子树递归继续寻找插入位置
其代码如下:
//插入方法实现
void BST::_Insert(node* &n, int key, int value){
//为空直接插入
if(!n)
{
n = new node;
n->key = key;
n->value = value;
n->lc = nullptr;
n->rc = nullptr;
return;
}
//不为空需要找查
if(n->key == key) //如果等于当前键,则直接修改该结点的值
n->value = value;
else if(n->key > key) //当前结点的键大于所要插入的键,则往左子树找插入点
this->_Insert(n->lc, key, value);
else //当前结点的键大于所要插入结点的键,则往右子树找插入点
this->_Insert(n->rc, key, value);
}
//插入方法接口
//参数:键,值
void BST::Insert(int key, int value)
{
this->_Insert(this->root, key, value);
}
查询
该操作原理与插入类似,都是需要比较键的大小往判断往左子树找还是右子树找
//查找方法实现
//成功返回true,并将value改为键对应的值;否则返回false,value不做处理
bool BST::_Find(node* n, int key, int &value)
{
//检查是否为空
if(!n)
return false;
if(n->key == key) //找到
{
value = n->value;
return true;
}
else if(n->key > key) //未找到,且当前键大于查询键,继续往左找
return this->_Find(n->lc, key, value);
else //未找到,且当前键小于查询键,继续往右找
return this->_Find(n->rc, key, value);
}
//查找方法的接口
bool BST::Find(int key, int &value)
{
return this->_Find(this->root, key, value);
}
删除结点
删除结点的操作比较麻烦。
首先根据键找到被删除结点,进行删除后改树应仍满足BST的定义,这就需要进行分类讨论:
- 当要被删除的结点为叶子结点,直接将其对应的父结点的指针置为空,并删除该结点
- 当要被删除的结点仅有左子树或右子树时,其对应父结点的指针应指向子树的根结点,再进行删除。
- 当要被删除的结点既有左子树,又有右子树,这种情况比较麻烦。一种删除方法是将右子树的最小键结点的键与值替换当前结点,然后删除右子树的最小键结点
代码如下(比较抽象):
//删除方法的实现
BST::node* BST::_Delete(node* &n, int key, bool &flag)
{
if(!n)
return n;
if(n->key>key) //往左找
n->lc = this->_Delete(n->lc, key, flag);
if(n->key<key) //往右找
n->rc = this->_Delete(n->rc, key, flag);
else{
//找到
flag = true; //设置flag,表示删除成功
//如果仅有左子树或右子树或为叶子结点
if(!(n->rc)) //无右子树或为叶子结点
return n->lc;
if(!(n->lc)) //无左子树
return n->rc;
//寻找右子树最小键结点的键与值拷贝至当前结点
node* p = n->rc;
while(p->lc)
p = p->lc;
n->value = p->value;
n->key = p->key;
bool temp = false;
n->rc = this->_Delete(n->rc, p->key, temp); //将右子树最小键结点的父结点左指针置为空
delete p; //删除原右子树最小键结点
}
return n;
}
//删除方法的接口
bool BST::Delete(int key)
{
bool flag = false;
this->_Delete(this->root, key, flag);
return flag;
}
遍历
遍历方法无非就是二叉树的那几种,但是正如前面提到的,对BST进行中序遍历的时候,其键的排序是严格递增的,这也正是采用该数据结构的一种重要原因,所以此处仅给出了中序遍历的递归定义
注:其他遍历可参考之前文章 二叉树及其遍历-CairBin
//中序遍历方法实现
void BST::_MidOrder(node* n)
{
if(!n)
return;
this->_MidOrder(n->lc);
cout << n->key << ":" << n->value << " ";
this->_MidOrder(n->rc);
}
//中序遍历接口
void BST::MidOrder()
{
this->_MidOrder(this->root);
cout << endl;
}
缺点与改进
BST的插入是按给定序列的顺序进行的,最后建成的树是唯一的。
也就是说它可能很好,也可能很坏。
-
最坏的情况:如序列
{1,2,3,4,5,6,7}
,为方便排序令其键与值相等,然后就会发现该BST会退化成一个每个结点都有右子树,无左子树(叶子结点都没有)的链表,导致访问一个结点的复杂度为 O ( n ) O(n) O(n) -
最好的情况:如序列
{4,2,1,3,6,5,7}
,同样令键与值相等,其为一个三层的满二叉树,访问结点的复杂度为 O ( l o g 2 n ) O(log_{2}{n}) O(log2n)
从上述情况看,BST优劣取决于是否为一个平衡的二叉树,所以有一系列相关的算法进行改进。BST算法有:红黑树、AVL、Splay等
参考
- 《算法竞赛入门到进阶》——清华大学出版社