二叉树
里面有有一个节点,和链表不同的是有两个节点引用
class Node{
int e;
Node left;
Node right;
}
二叉树和链表都具有天然的递归结构,但是由于链表具有线性,使用循环也能处理,但是二叉树是非线性,使用递归进行处理会更加方便
二分搜索树
- 二分搜索树首先是一个二叉树。
- 二分搜索树的节点值大于其左子树的值,小于其右子树的值
- 每一个子树也是二分搜索树
- 存储的元素必须具有可比较性
这样的话二分搜索树在查询的时候更加快速
二分搜索树的定义
public class BinyTree<E extends Comparable<E>> {
private Node root;
private int size;
public BinyTree() {
root = null;
size = 0;
}
class Node{
E e;
Node left;
Node right;
public Node(E e) {
this.e = e;
left = null;
right = null;
}
}
}
添加新的元素
public void add(E e) {
if (root == null) {
root = new Node(e);
size++;
} else {
insert(root, e);
}
}
private void insert(Node node, E e) {
//等于的时候默认不添加,前两个是递归的终止条件
if (node.e.compareTo(e) < 0 && node.right == null) {
node.left = new Node(e);
size++;
} else if (node.e.compareTo(e) > 0 && node.left == null) {
node.left = new Node(e);
size++;
} else if (node.e.compareTo(e) < 0 && node.right != null) {
insert(node.left, e);
} else if (node.e.compareTo(e) < 0 && node.left != null) {
insert(node.right, e);
}
}
简洁的改善版
public void add(E e) {
insert(root, e);
}
//返回插入新节点后二叉树的根
private Node insert(Node node, E e) {
//终止条件
if (node ==null){
size++;
return new Node(e);
}
if (node.e.compareTo(e)>0){
node.left = insert(node.left,e);
}else if (node.e.compareTo(e)<0){
node.right = insert(node.right,e);
}
return node;
}
二叉树的查询
public boolean contain(E e){
return searchEle(root,e);
}
private boolean searchEle(Node node, E e) {
if (node==null) return false;
if (node.e.equals(e)) return true;
if (node.e.compareTo(e)>0){
return searchEle(node.left,e);
}else {
return searchEle(node.right,e);
}
}
二分搜索树的遍历
//谦虚遍历
public void preOrder(){
transe(root);
}
private void transe(Node root) {
if (root==null) return;
System.out.println(root.e);
transe(root.left);
transe(root.right);
}
中序和后续只是输出的位置不一样,其他都是相同的
中序遍历就是二分搜索树排序后的结果!!!,二分搜索树也可以被称为排序树。
二分搜索树的非递归实现
相对于递归,非递归代码较为复杂
利用栈,具体可以百度查下,感觉太复杂了。
前中后序都是深度优先遍历。
二分搜索树的层次遍历
广度优先遍历,通常使用非递归,还要借助队列。
//层次遍历
public void levelOrder(){
Queue<Node> queue = new ArrayDeque<>();
queue.add(root);
while (!queue.isEmpty()){
//每次弹出一个节点,然后在加入弹出节点的左右节点
Node node = queue.poll();
if(node.left!=null){
queue.add(node.left);
}
if (node.right!=null){
queue.add(node.right);
}
System.out.println(node.e);
}
}
广度优先遍历的应用
- 更快找到问题的解。
- 常用于查找最短路径
二分搜索树的最小值和最大值的问题
最小值就是最左的节点,最大值就是最右的节点
public E getMin(){
return getMin(root);
}
private E getMin(Node node) {
if (node.left==null) return node.e;
return getMin(node.left);
}
删除最小值和最大值
//删除最小节点
public E deleteMin() {
E min = getMin();
root = removeMin(root);
return min;
}
//返回删除最小节点的根
private Node removeMin(Node node) {
if (node.left == null) {
size--;
return node.right;
}
node.left = removeMin(node.left);
return node;
}
删除任意值
// 删除掉以node为根的二分搜索树中值为e的节点, 递归算法
// 返回删除节点后新的二分搜索树的根
private Node remove(Node node, E e){
if( node == null )
return null;
if( e.compareTo(node.e) < 0 ){
node.left = remove(node.left , e);
return node;
}
else if(e.compareTo(node.e) > 0 ){
node.right = remove(node.right, e);
return node;
}
else{ // e.compareTo(node.e) == 0
// 待删除节点左子树为空的情况
if(node.left == null){
Node rightNode = node.right;
node.right = null;
size --;
return rightNode;
}
// 待删除节点右子树为空的情况
if(node.right == null){
Node leftNode = node.left;
node.left = null;
size --;
return leftNode;
}
// 待删除节点左右子树均不为空的情况
// 找到比待删除节点大的最小节点, 即待删除节点右子树的最小节点
// 用这个节点顶替待删除节点的位置,此时优点复杂
//右节点的最小节点返回,此时就是根节点
Node successor = minimum(node.right);
//此时会返回删除最小值的右子树根节点
successor.right = removeMin(node.rigt);
successor.left = node.left;
//让节点释放
node.left = node.right = null;
return successor;
}
}
二分搜索树的优缺点
查找的速度只与树的高度有关
优点
- 可以在查询的时候将复杂度降为logn
- 在增加,删除,修改的时候也是logn,极大的提高了查询的速度
缺点 - 当数据有序的时候,此时建立的二叉树就会退化称为了一个链表,这时候就会变成了n的时间复杂度,
用平衡二叉树可以解决这个问题