1.1 概念
平衡二叉树就是为了让二叉搜索树的平均查找长度更短,时间复杂度更靠近logN,如果一个二叉搜索树不平衡了就会出现图1情况,完全变成一个数组,时间复杂度也变为了O(N)。
平衡因子:平衡因子就是针对于树中某一结点,它的左子树高度减去右子树的高度所得结果就是它的平衡因子,如果这个平衡因子的绝对值等于2的话,那么这个树就认为出现了不平衡状况,我们就需要修正这个树,缩小它的平衡因子,缩小平衡因子,也就是让树的左右两端高度更均匀平衡,让高度越靠近log2N+1(N个结点构成的二叉树的高度)。
查找长度:查找长度就是查找运算中需要比较的次数,树的高度越小,查找长度就越小,查找效率就越高。它的定义如下:
n为查找表中元素个数,Pi为查找第i个元素的概率,通常假设每个元素查找概率相同,Pi=1/n,Ci是找到第i个元素的比较次数,显然AVL树中每个节点的比较次数与它所在的层数有关,AVL树本质还是二叉搜索树,二叉搜索树又与线性二分查找一样。
这个集合中,找到每个数的概率都相同,为1/9,第一次查找,就是数组中间那个元素也就是5,第二次查找,有两个方向,向右或者向左指向2或者7,第三次查找有四种可能(1 or 3 or 6 or 8 ) ,第四次有两种可能(4 or 9) ,于是可以算出期望1x1/9+2x2/9+3x4/9+4x2/9=25/9,也就是我们给出一个数,平均要比较两次就能找到,将这个数组抽象为二叉搜索树,通过查找长度公式也能得出这棵树的平均查找长度是25/9。
1.2 修正树,缩小平衡因子的方法
第一种(左旋)
如果插入一个结点(插入点)到另一个结点A的左儿子的左子树而导致树失衡的话,也就是三点连成一条直线(A,A左儿子,插入点),那么我们采用左旋来解决这种情况,我们旋转时以谁为支点,旋转它的子树呢?是以最先发现树不平衡的那位结点,也就是从下往上,第一个平衡因子为2的那个结点。
首先8肯定是最先发现树不平衡的结点,此时以8为支点,将它的子树向左(顺时针)移动,想象着把他它的子树装进麻袋里看作一个整体来进行移动,最后移动到位置后再拆开,此时树结构会发生变化,由于5结点的right指向了8,6这个点变得孤立无援,但由于树结构发生变化,点8的left是空着的,于是就让支点8的left的来指向它。
左旋模板:
第二种(右旋)
如果插入一个结点(插入点)到另一个结点A的右儿子的右子树而导致树失衡的话,也就是三点连成一条直线(A,A右儿子,插入点),那么我们采用左旋来解决这种情况。
右旋模板:
可以看见A与A的右儿子B,以及插入点,这三点构成向右的一条直线
第三种 左右旋:如果插入一个结点(插入点)到另一个结点A的左儿子的右子树而导致树失衡的话,也就是三点连不成一条直线(A,A左儿子,插入点),那么我们采用左右旋来解决这种情况,左右旋实际就是以A的左儿子为支点对它的右子树进行一次右旋,然后以A为支点对它左子树进行一次左旋
第四种 右左旋:如果插入一个结点(插入点)到另一个结点A的右儿子的左子树而导致树失衡的话,也就是三点连不成一条直线(A,A右儿子,插入点),那么我们采用右左旋来解决这种情况,右左旋实际就是以A的右儿子为支点对它的左子树进行一次左旋,然后以A为支点对它右子树进行一次右旋
java代码实现
class AVLTree {
Tree root;
public void Insert(int Data){
root=Tree.InsertNode(root,Data);
}
public void Inorder(){
Tree.Inorder(root);
}
public int Height(){
return Tree.MaxHeight(root);
}
}
public class Tree {
Tree left;
Tree right;
int Data;
public Tree(int Data){
this.Data=Data;
}
public static Tree InsertNode(Tree root, int Data){
if(root==null){
Tree node = new Tree(Data);
return node;
}
else {
if (Data > root.Data) {//插入的是右子树
root.right = InsertNode(root.right, Data);
if(MaxHeight(root.left)-MaxHeight(root.right)==-2){
if(Data>root.right.Data)//右旋
root=rightTrans(root);
else
root=right_left_Trans(root);
}
} else if (Data <= root.Data) {//插入的左子树
root.left = InsertNode(root.left, Data);
if(MaxHeight(root.left)-MaxHeight(root.right)==2){
if(Data<root.left.Data)//左旋
root=rightTrans(root);
else
root=left_right_Trans(root);
}
}
}
return root;
}
public static Tree Delete(Tree node, int Data){
if(node==null){
return null; //未找到
}
//先找到要删除的节点
if(Data>node.Data){
node.right = Delete(node.right,Data);
}
else
if(Data<node.Data){
node.left = Delete(node.left,Data);
}
else{//找到了
if(node.left!=null && node.right!=null){
node.Data=findInsteadNode(node.left);
Delete(node.left,Data);
}
else{
if(node.right!=null)
node=node.right;
else
if(node.left!=null)
node=node.left;
else
node=null;
}
}
return node;
}
public static int findInsteadNode(Tree node){
if(node.right!=null)
return findInsteadNode(node.right);
else
return node.Data;
}
public static void Inorder(Tree node){
if(node!=null){
Inorder(node.left);
System.out.println(node.Data+" ");
Inorder(node.right);
}
}
//高度计算函数
public static int MaxHeight(Tree node){
int leftHeight,rightHeight;
if(node!=null){
leftHeight=MaxHeight(node.left);
rightHeight=MaxHeight(node.right);
return (leftHeight>rightHeight ?leftHeight:rightHeight)+1;
}
return 0;
}
//右旋
public static Tree rightTrans(Tree A){
Tree B=A.right;
A.right=B.left;
B.left=A;
return B;
}
//左右旋
public static Tree left_right_Trans(Tree A){
Tree B=A.left;
A.left=rightTrans(B);
return leftTrans(A);
}
//左旋
public static Tree leftTrans(Tree A){
Tree B=A.left;
A.left=B.right;
B.right=A;
return B;
}
//右左旋
public static Tree right_left_Trans(Tree A){
Tree B=A.right;
A.right=leftTrans(B);
return rightTrans(A);
}
public static void main(String[] args) {
AVLTree avlTree = new AVLTree();
avlTree.Insert(10);
avlTree.Insert(15);
avlTree.Insert(5);
avlTree.Insert(3);
avlTree.Insert(8);
avlTree.Insert(6);
}
}