二叉平衡树

AVL树

二叉搜索树虽可以缩短查找的效率，但如果数据有序或接近有序二叉搜索树将退化为单支树，查找元素相当于在顺序表中搜索元素，效率低下。因此，两位俄罗斯的数学家G.M.Adelson-Velskii和E.M.Landis在1962年 发明了一种解决上述问题的方法：当向二叉搜索树中插入新结点后，如果能保证每个结点的左右子树高度之差的绝对值不超过1(需要对树中的结点进行调整)，即可降低树的高度，从而减少平均搜索长度。
一棵AVL树或者是空树，或者是具有以下性质的二叉搜索树：

• 它的左右子树都是AVL树
• 左右子树高度之差(简称平衡因子)的绝对值不超过1(-1/0/1)

如果一棵二叉搜索树是高度平衡的，它就是AVL树。如果它有n个结点，其高度可保持在logN ，搜索时间复杂度为logN。

AVL树节点的定义

class AVLTreeNode {
	public AVLTreeNode left = null; // 节点的左孩子
	public AVLTreeNode right = null; // 节点的右孩子
	public AVLTreeNode parent = null; // 节点的双亲
	public int val = 0;
	public int bf = 0; // 当前节点的平衡因子=右子树高度-左子树的高度
	public AVLTreeNode(int val) {
		this.val = val;
	}
}

AVL树的插入

AVL树就是在二叉搜索树的基础上引入了平衡因子，因此AVL树也可以看成是二叉搜索树。那么AVL树的插入过程可
以分为以下步骤：

1. 先按照二叉搜索树的规则将节点插入到AVL树中
2. 新节点插入后，AVL树的平衡性可能会遭到破坏，此时就需要更新平衡因子，并检测是否破坏了AVL树的平衡性pCur插入后，pParent的平衡因子一定需要调整，在插入之前，pParent的平衡因子分为三种情况：-1，0, 1, 在插入之后分以下两种情况：

如果pCur插入到pParent的左侧，只需给pParent的平衡因子-1即可
如果pCur插入到pParent的右侧，只需给pParent的平衡因子+1即可

此时：pParent的平衡因子可能有三种情况：0，正负1， 正负2

如果pParent的平衡因子为0，说明插入之前pParent的平衡因子为正负1，插入后被调整成0，此时满足AVL树的性质，插入成功

如果pParent的平衡因子为正负1，说明插入前pParent的平衡因子一定为0，插入后被更新成正负1，此时以pParent为根的树的高度增加，需要继续向上更新
如果pParent的平衡因子为正负2，则pParent的平衡因子违反平衡树的性质，需要对其进行旋转处理

boolean insert(int val){

	// cur插入后，parent的平衡因子一定遭到破坏，必须对parent的平衡因子进行调整
	while(null != parent){
		// 更新双亲节点的平衡因子
		if(cur == parent.left)
			parent.bf--;
		else
			parent.bf++;
		if(parent.bf == 0)
			break;
		else if(parent.bf == -1 || parent.bf == 1) {
			cur = parent;
			parent = cur.parent;
		}else {
		// parent节点的平衡因子为2，违反了AVL树的性质
		// 此时需要对以parent为根的二叉树进行旋转处理
		if(-2 == parent.bf) {
		// parent的平衡因子为-2，说明parent的左子树比较高，最终需要右旋
	// ......
		}else{
	// parent的平衡因子为2，说明parent的右子树比较高，最终需要左旋
	// ......
	}
	// 旋转完成之后，以parent为根的树已经和插入之前的高度相同，不会再对上层树的平衡性造成影响
		break;
	}
}

AVL树的旋转

如果在一棵原本是平衡的AVL树中插入一个新节点，可能造成不平衡，此时必须调整树的结构，使之平衡化。根据节点插入位置的不同，AVL树的旋转分为四种：

1. 新节点插入较高左子树的左侧—右单旋

private void rotateRight(TreeNode parent){
	TreeNode subL = parent.left;
	TreeNode subLR = subL.right;
	parent.left = subLR;
	if(subLR != null) {
		subLR.parent = parent;
	}
	subL.right = parent;
	//记录下当前parent的父亲
	TreeNode parParent = parent.parent;
	parent.parent = subL;
	if(parent == root) {
		//独立的子树
		root = subL;
		root.parent = null;//subL.parent = null;
	}else {
		//不是独立的子树，是其他树的左树或者右树
		if(parParent.left == parent) {
			parParent.left = subL;
		}else {
			parParent.right = subL;
		}
		subL.parent = parParent;
	}
	subL.bf = 0;
	parent.bf = 0;
}

2. 新节点插入较高右子树的右侧—左单旋
   

// 左单旋
private void rotateLeft(AVLTreeNode parent){
	//subR为parent的右树
	TreeNode subR = parent.right;
	//subRL为subR的左树
	TreeNode subRL = subR.left;
	//1、第一个修改的指向
	parent.right = subRL;
	//2、第2个修改的指向有可能subRL这棵树是空树
	if(subRL != null) {
		subRL.parent = parent;
	}
	//3、第2个修改的指向
	subR.left = parent;
	//记录下来 之前的parent的父亲
	TreeNode parentParent = parent.parent;
	//4、第4个修改的指向
	parent.parent = subR;
	//5、有可能当前父亲节点，不是根
	if(parent == root) {
		root = subR;
		root.parent = null;
	}else {
		if(parent == parentParent.left) {
			parentParent.left = subR;
			subR.parent = parentParent;
		}else {
			parentParent.right = subR;
			subR.parent = parentParent;
		}
	}
	subR.bf = parent.bf = 0;
}

3. 新节点插入较高左子树的右侧：先左单旋再右单旋【左右双旋】
   将双旋变成单旋后再旋转，即：先对30进行左单旋，然后再对90进行右单旋，旋转完成后再考虑平衡因子的更新。
   

private void rotateLR(TreeNode parent) {
	TreeNode subL = parent.left;
	TreeNode subLR = subL.right;
	int bf = subLR.bf;
	rotateLeft(parent.left);
	rotateRight(parent);
	if(bf == -1) {
		subL.bf = 0;
		parent.bf = 1;
		subLR.bf = 0;
	}else if(bf == 1) {
		subL.bf = -1;
		parent.bf = 0;
		subLR.bf = 0;
	}
}

4. 新节点插入较高右子树的左侧—右左：先右单旋再左单旋【右左双旋】
   

总结：
当新节点插入后，假设以pParent为根的子树不平衡，即pParent的平衡因子为2或者-2，分以下情况考虑

1. pParent的平衡因子为2，说明pParent的右子树高，设pParent的右子树的根为pSubR
   当pSubR的平衡因子为1时，执行左单旋
   当pSubR的平衡因子为-1时，执行右左双旋
2. pParent的平衡因子为-2，说明pParent的左子树高，设pParent的左子树的根为pSubL
   当pSubL的平衡因子为-1是，执行右单旋
   当pSubL的平衡因子为1时，执行左右双旋
   即：pParent与其较高子树节点的平衡因子时同号时单旋转，异号时双旋转。
   旋转完成后，原pParent为根的子树个高度降低，已经平衡，不需要再向上更新。

AVL树性能分析

AVL树是一棵绝对平衡的二叉搜索树，其要求每个节点的左右子树高度差的绝对值都不超过1，这样可以保证查询时高效的时间复杂度，即logN 。但是如果要对AVL树做一些结构修改的操作，性能非常低下，比如：插入时要维护其绝对平衡，旋转的次数比较多，更差的是在删除时，有可能一直要让旋转持续到根的位置。因此：如果需要一种查询高效且有序的数据结构，而且数据的个数为静态的(即不会改变)，可以考虑AVL树，但一个结构经常修改，就不太适合。