STL关联式容器（二）

平衡二叉搜索树
也许因为输入值不够随机，也许因为经过某些插入或删除操作，二叉搜索树可能会失去平衡造成搜寻效率低落的情况：

所谓树形平衡与否，并没有一个绝对的标准。“平衡”的大致意义是：没有任何一个节点过深或深度过大。不同的平衡条件，造成不同的效率表现，以及不同的实现复杂度。有数种特殊结构如AVL-tree、RB-tree、AA-tree，均可实现出平衡二叉搜索树，它们都比一般的（无法绝对维持平衡的）二叉搜索树复杂。因此，插入节点和删除节点的平均时间也比较长，但是它们总是保持某种程度的平衡，所以元素的访问（搜寻）时间平均而言也就比较少。
AVL tree（Adelson-Velskii-Landis tree）
AVL tree是一个“加上了额外平衡条件”的二叉搜索树。其平衡条件的建立是为了确保整棵树的深度为O(log N)。直观上的最佳平衡条件是每个节点的左右子树有着相同的高度，但这未免太过严苛，我们很难插入新元素而又保持这样的平衡条件。AVL tree于是退而求其次，要求任何节点的左右子树高度相差最多1。这是一个较弱的条件，但仍能够保证“对数深度（logarithmic depth）”平衡状态。
下图所示是一个AVL tree，插入节点11后，灰色节点违反AVL tree 的平衡条件。由于只有“插入点至根节点”路径上的各节点可能改变平衡状态，因此，只要调整其中最深的那个节点，便可使整棵树重新获得平衡。
前面说过，只要调整“插入点至根节点”路径上，平衡状态被破坏至各节点中最深的那一个，便可使整棵树重新获得平衡。假设该最深节点为X，由于节点多拥有两个子节点，而所谓“平衡被破坏”意味着X的左右两棵子树的高度相差2，因此我们可以轻易将情况分四种：

1. 插入点位于X的左子节点的左子树——左左；
2. 插入点位于X的左子节点的右子树——左右；
3. 插入点位于X的右子节点的左子树——右左；
4. 插入点位于X的右子节点的右子树——右右；
   情况1、4对称，称为外侧插入（outside）插入，可以采用单旋转操作（single rotation）调整解决。情况2,3彼此对称，称为内侧（inside）插入，可以采用双旋转操作（double rotation）调整解决。
   
   单旋转（Single Rotation）
   在外侧插入状态，k2“插入前平衡，插入后不平衡”的唯一情况如下图左侧所示。A子树成长了一层，致使它比C子树的深度多2.B子树不可能和A子树位于同一层，否则k2在插入前就处于不平衡状态了。B子树也不可能和C子树位于同一层，否则第一个违反平衡条件的将是k1而不是k2.
   
   为了调整平衡状态，我们希望将A子树提高一层，并将C子树下降一层。这已经比AVL tree所要求的平衡条件更进一步了，上图右侧为调整后的情况。我们可以这么想象，把k1提起，使k2自然下滑，并将B子树挂在k2的左侧。这么做是因为，二叉搜索树的规则使我们知道，k2>k1,所以k2必须成为新树形中的k1的右子节点。二叉搜索树的规则也告诉我们，B子树的所有节点的键值都在k1和k2之间，所以新树形中的B子树必须落在k2的左侧。
   双旋转（Double Rotation）
   下图左侧为内侧插入所造成的不平衡状态，单旋转无法解决这种情况。一是我们不能再以k3为根节点，其次，我们不能将k3和k1做一次单旋转，因为旋转之后还是不平衡。唯一的可能是以k2为新的根节点，这使得k1必须为k2的左子节点，k3必须成为k2的右子节点，而这么一来也就完全决定了四个子树的位置。新的树形满足AVL-tree的平衡条件，并且，就像单旋转的情况一样，它恢复了节点插入之前的高度，因此，保证不再需要任何调整：