二叉搜索树（BST）

1 二叉搜索树（BST）

1.1 定义

二叉搜索树是指二叉树中各节点（或对应的关键码）的值支持大小比较，且左子树上所有结点的值均小于它的根结点的值，右子树上所有结点的值均大于它的根结点的值的树。

1.2 顺序性

        二叉搜索树中序遍历可转换成线性序列，该序列的节点严格按照其大小次序排列，可得结论：二叉搜索树当且仅当其中中序遍历单调非降

1.3 查找

1.3-1 算法

        二叉搜索树的查找算法，采用了减而治之的思路与策略，其执行过程可描述为：从树根出发，逐步地缩小查找范围，直到发现目标(成功)或缩小至空树(失败)，返回最后一个访问的节点

1.3-1 效率

        二叉搜索树每一层，查找算法至多访问一个节点，且只需常数时间，故总体所需时间应与查找路径（深度）成正比。最好情况下只需O(1)时间，即目标在根节点处；最坏情况下需要O(n)时间，即二叉搜索树退化成单链（该情况发生的概率不低），此时查找等效于顺序查找，二叉搜索树的顺序性已无意义。为了避免最坏情况的发生，我们需要对二叉搜索树的高度加以控制，所以引入了平衡二叉搜索树。

1.4 插入

1.4-1 算法

通过查找算法确定插入元素的位置及方向，然后将新节点作为叶子插入，然后更新其祖先节点的高度

1.4-2 效率

        插入操作仅消耗O(1)的时间，其主要时间消耗在查找操作和更新高度，故其复杂度取决于新节点的深度，最坏情况下不超过全树的高度。

1.5 删除

1.5-1 算法

通过查找算法确定删除节点的位置，然后根据子树数量分为两种情况：第一，无或单分支时，后代替换且更新祖先高度；第二，双分支时，与直接后继(中序遍历的下一位)交换位置，回到第一种情况

1.5-2 效率

        删除操作所需时间，主要消耗于查找、直接后继和更新高度，它们至多消耗O(1)，故总体的渐进时间复杂度不超过全树的高度。

2 平衡二叉搜索树（BBST）

2.1 意义

        根据以上对二叉搜索树的接口分析，均线性正比于树的高度。而在最坏情况下，二叉搜索树将退化为链表，此时查找效率会降至O(n)。因此，若不能有效地控制树高，则就实际性能而言，较之此前的向量和链表，二叉搜索树无法体现出明显优势

2.2 理想平衡与适度平衡

2.2-1理想平衡

        既然二叉搜索树的性能主要取决于高度，故在节点数固定的前提下，应尽可能地降低高度。当包含n个节点的二叉树，其高度不可能小于log₂n，若树高恰好为log₂n，则称为理想平衡树，满二叉树和完全二叉树均属此列。
遗憾的是理想平衡的条件太过苛刻，此类二叉树所占比例极低，且随着规模的增大，这一比例还将锐减。由此可见，从算法可行性角度来看，有必要依照某种相对宽松的标准，重新定义二叉搜索树的平衡性。

2.2-2 适度平衡

        在渐进意义下适当放松标准之后的平衡性，称作适度平衡，其标准为渐进高度不超过O(logn)。按照这一标准，二叉搜索树诞生了许多分支，AVL树、伸展树、红黑树等。

2.3 等价变换

2.3-1 等价二叉树

        若两颗二叉搜索树的中序遍历序列相同，则称他们彼此等价；反之亦然

        由上图不难看出，等价二叉搜索树具有上下可变，左右不乱的特点，因此可进行等价变换。

2.3-2 局部性

        平衡二叉搜索树的适度平衡性，都是通过对树中每一局部增加某种限制条件来保证的。比如，在红黑树中，根到叶子的通路中黑节点数量相同；在AVL树中，兄弟节点的高度相差不过1。因此平衡二叉树必须具备以下局部性：

• 经过单次动态修改操作后，至多只有O(logn)处局部不在满足限制条件
• 可在O(logn)时间内，使该树重新满足限制条件

继续了解平衡二叉搜索树

平衡二叉搜索树 - AVL树
平衡二叉搜索树 - B树
平衡二叉搜索树 - 红黑树

该文内容均来自邓俊辉老师的《数据结构与算法》