数据结构-树

一、树
（一）概述
1、树的定义
现实中数据的逻辑关系并不都是线性关系，在实际场景中，常常存在着一对多，甚至是多对多的情况，所以需要树型数据结构
树（tree）是n（n≥0）个节点的有限集。当n=0时，称为空树。在任意一个非空树中，有如下特点。
有且仅有一个特定的称为根的节点。
当n>1时，其余节点可分为m（m>0）个互不相交的有限集
每一个集合本身又是一个树，并称为根的子树
图示：

节点1是根节点（root），没有父节点
节点5、6、7、8是树的末端，没有“孩子”，被称为叶子节点（leaf）
节点2、3、4、是树的中端，有父节点，有孩子，被称为中间节点或枝节点
图中的虚线部分，是根节点1的其中一个子树
树的最大层级数，被称为树的高度或深度，上图这个树的高度是4。树的层级定义如下：

注：注意高度、深度、层定义的顺序

2、树的分类

（二）二叉树
1、定义
二叉树（binary tree）是树的一种特殊形式。二叉，顾名思义，这种树的每个节点最多有2个孩子节点。注意，这里是最多有2个，也可能只有1个，或者没有孩子节点。
图示：

二叉树节点的两个孩子节点，一个被称为左孩子（left child），一个被称为右孩子（right child）。这两个孩子节点的顺序是固定的，左孩子小于右孩子。
2、树的存储
二叉树属于逻辑结构，可以使用链表和数组进行存储。
（1）链表存储

二叉树的每一个节点包含3部分
存储数据的data变量
指向左孩子的left指针
指向右孩子的right指针
（2）数组存储
使用数组存储时，会按照层级顺序把二叉树的节点放到数组中对应的位置上。如果某一个节点的左孩子或右孩子空缺，则数组的相应位置也空出来

对于一个稀疏的二叉树（孩子不满）来说，用数组表示法是非常浪费空间的，所以二叉树一般用链表存储实现。（二叉堆除外）

树寻址方式：
一个父节点的下标是n，那么它的左孩子节点下标就是2×n+1、右孩子节点下标就是2*(n+1)
比如根节点下标是0，那么左子节点下标是1，右子节点下标是2。以此类推即可
3、分类
（1）满二叉树
一个二叉树的所有非叶子节点都存在左右孩子，并且所有叶子节点都在同一层级上，那么这个树就是满二叉树

注：所有分支的叶子节点都必须齐全
（2）完全二叉树
对一个有n个节点的二叉树，按层级顺序编号，则所有节点的编号为从1到n。如果这个树所有节点和同样深度的满二叉树的编号为从1到n的节点位置相同，则这个二叉树为完全二叉树

满二叉树要求所有分支都是满的；而完全二叉树只需保证最后一个节点之前的节点都齐全即可。
注：只需要满足倒数第二层的所有节点都存在，叶子节点不需要全部齐全
（3）二叉查找树（BST）
1）定义
二叉查找树(binary search tree)，二叉查找树在二叉树的基础上增加了以下几个条件：
如果左子树不为空，则左子树上所有节点的值均小于根节点的值
如果右子树不为空，则右子树上所有节点的值均大于根节点的值
左、右子树也都是二叉查找树
图示：

二叉查找树要求左子树小于父节点，右子树大于父节点，正是这样保证了二叉树的有序性
2）操作
查找树
如上图如果需要查的值为4，查询顺序是，从根节点开始4<6，查左子节点3,3<4，查右子节点，则刚好为4
如果节点总数是n，那么搜索节点的时间复杂度就是O(logn)，和树的深度是一样的。这种方式正是二分查找思想
插入值：从根节点开始一次比较，找到值存储位置
插入节点：通过递归方式实现，当插入一个data时，就从根节点开始比较，直到找到某个节点的左右或子节点为null时，就把新添加的节点插入的该节点左侧或右侧
4、二叉树遍历（以二叉查找树为例）
（1）深度遍历
深度遍历是先把一个子树遍历到底再去遍历另一边子树，具体又分为前序、中序、后序遍历，实际看根节点(父节点)的优先级为依据
前序判断顺序为根节点-左子节点-右子节点，中序判断顺序为左子节点-根节点(父节点)-右子节点，后序判断顺序是左子节点-根节点(父节点)-右子节点
示例：如图二叉查找树

前序遍历节点搜索顺序：10-8-7-9-11-12
中序遍历节点搜索顺序：7-8-9-10-11-12
后续遍历节点搜索顺序：7-9-8-12-11-10
广度遍历节点检索顺序：10-8-11-7-9-12
（2）广度遍历
二叉树按照从根节点到叶子节点的层次关系，一层一层横向遍历各个节点。
二叉树同一层次的节点之间是没有直接关联的，利用队列可以实现

如图：先把根节点1放入队列，然后判断队列是否有数据，如果有就取出队头数据比较，同时把子节点2和3放入队列，依次放入取出比较，直到搜索完整个树
在图中节点搜索顺序是1-2-3-4-5-6
5、时间复杂度
二叉查找树的插入和查找时间复杂度为:O(logn)极端情况下二叉查找树退化成链表，时间复杂度为O(n)，所以需要平衡二叉查找树。
6、应用
非线性数据：菜单，组织结构、家谱等等
线性数据：二叉查找树
二叉查找树是有序的，我们只需要中序遍历，就可以在 O(n) 的时间复杂度内，输出有序的数据序列。二叉查找树的性能非常稳定，扩容很方便(链表实现)

（三）红黑树
1、概述
二叉查找树极端情况下退化成了链表，由于树的深度变得多了，查找的效率也会大幅下降所以需要对这种二叉树进行自平衡，红黑树就是一种自平衡的二叉查找树。
比如按照顺序插入节点10、9、8、7、6、5、4，那么二叉查找树的形状类似左斜杠“/”，实际就是一个链表
2、红黑树定义
红黑树除了有二叉查找树(BST)的特征外，还有以下特征：
每个节点要么是黑色，要么是红色
根节点必须是黑色
每个叶子节点都是黑色的空结点（NIL结点）（为了简单期间，一般会省略该节点）
如果一个节点是红色的，则它的子节点必须是黑色的（父子不能同为红）
从任一结点到其每个叶子的所有路径都包含相同数目的黑色结点（平衡的关键）
新插入节点默认为红色，插入后需要校验红黑树是否符合规则，不符合则需要进行平衡
注：一个红黑树必须满足这些规则，对红黑树进行添加或者删除操作时可能会破坏这些规则，所以红黑树有维持树平衡策略：左旋转、右旋转和颜色反转
3、红黑树平衡策略
（1）左旋（RotateLeft）
逆时针旋转红黑树的两个结点，使得父结点被自己的右孩子取代，而自己成为左孩子

左旋就是以某个节点为中心，把该节点往左子节点方向旋转。节点成为左子节点，该节点要关联先前右子节点的左子节点为自己的右子节点，即图中X节点需要关联节点b
（2）右旋（RotateRight）
顺时针旋转红黑树的两个结点，使得父结点被自己的左孩子取代，而自己成为右孩子

右旋就是以某个节点为中心，把该节点往右子节点方向旋转。节点成为右子节点，该节点要关联先前左子节点的右子节点为自己的左子节点，即图中X节点需要关联节点c
（3）颜色反转
红黑树新插入一个节点是红色的，如果插入节点与父节点、叔叔节点同为红色，这种情况违反了红黑树的规则，需要将红色向祖辈上传，把父节点和叔叔节点红色变为黑色，祖父节点从黑色变为红色，如果祖父节点是根节点，那么根节点还是保持黑色

4、红黑树插入节点规则
1.第一层。即插入根节点，修改根节点颜色为黑即可
2.第二层。插入根节点的左右子节点，满足左节点小于根节点，右节点大于根节点，其他不用调整
3.第三层往下所有层。
3.1如果父节点是黑色，直接插入
3.2如果父节点和叔叔节点都存在且都是红色。只需要颜色反转
3.3如果父节点是红，叔叔节点是黑或者没有，需要自旋。
3.3.1插入节点是左子树的左子节点，以祖父节点为中心右旋；插入节点是左子树的右子节点，那么先以父节点为中心左旋，再以祖父节点为中心右旋。
3.3.2插入节点是右子树的右子节点，以祖父节点为中心左旋。插入节点是右子树的左子节点，那么先以父节点为中心右旋，再以祖父节点为中心左旋
在三层及以上的树插入节点注意事项

图释：
1.角色定义。以节点10为中心，父节点是19，祖父节点是9，叔叔节点是5
2.子树定义。左子树还是右子树是父节点相对于祖父节点而言，如果父节点是祖父节点左节点，就是左子树，父节点是祖父节点右节点，就是右子树。
示例1：假如以节点5为中心，由于节点5是节点9的左子节点，所以节点5构成左子树，同时如果以节点6为中心，节点6是节点5的右子节点，所以节点6构成右子树
示例2：如图节点10就是右子树19的左子节点，节点32是右子树19的的右子节点，假设新插入节点16，插入规则使用3.3.2
3.自旋思路
如果插入节点是左子树的左子节点，树的形状类似左斜杠“/”。在3.3.1规则中，插入左子树的右子节点，就是通过左旋把红节点先转为“/”形状，然后再对祖父节点右旋
示例：如果插入新结点25，那么先以父节点24为中心左旋，得到24-25-32的“/”排列，再以祖父节点32为中心右旋，则节点19的右子节点就是节点25，节点25的左子节点是24，右子节点是32，满足红黑树规则
如果插入节点是右子树的右子节点，树的形状类似右斜杠“\”。在3.3.1规则中，插入右子树的左子节点，就是通过左旋把红节点先转为“\”形状，,然后再对祖父节点左旋

注：插入节点整体思路：在进行插入规则判定时，先看插入节点的层级，再看父节点是否是红色，最后看叔叔节点是否存在且是否红色
算法动画演示地址：https://www.cs.usfca.edu/~galles/visualization/RedBlack.html
5、时间复杂度：O(logn)
6、应用
在JDK1.8中HashMap使用数组+链表+红黑树的数据结构。内部维护着一个数组table，该数组保存着每个链表的表头结点或者树的根节点

（四）多路查找树
1、概述
多路查找树(muitl-way search tree)，其每一个节点的孩子数可以多于两个，且每一个节点处可以存储多个元素
2、B树和B+树
MySQL索引原理

（五）二叉堆
1、概述
二叉堆本质上是一种完全二叉树
2、分类
（1）大顶堆(最大堆)
最大堆的任何一个父节点的值，都大于或等于它左、右孩子节点的值

（2） 小顶堆(最小堆)
最小堆的任何一个父节点的值，都小于或等于它左、右孩子节点的值

二叉堆的根节点叫作堆顶。最大堆和最小堆的特点决定了：最大堆的堆顶是整个堆中的最大元素；最小堆的堆顶是整个堆中的最小元素
3、存储原理
完全二叉树比较适合用数组来存储。用数组来存储完全二叉树是非常节省存储空间的。因为我们不需要存储左右子节点的指针，单纯地通过数组的下标，就可以找到一个节点的左右子节点和父节点。

从图中我们可以看到，数组中下标为 i 的节点的左子节点，就是下标为 i∗2 的节点，右子节点就是下标为 i∗2+1 的节点，父节点就是下标为 i/2 取整的节点
4、应用
优先队列
利用堆求 Top K问题