红黑树的概念
红黑树,是一种二叉搜索树,但在每个结点上增加一个存储位表示结点的颜色,可以是Red或Black。 通过对任何一条从根到叶子的路径上各个结点着色方式的限制,红黑树确保没有一条路径会比其他路径长出俩倍,因而是接近平衡的。
红黑树的性质
- 每个结点不是红色就是黑色。
- 根节点是黑色的。
- 如果一个节点是红色的,则它的两个孩子结点是黑色的。
- 对于每个结点,从该结点到其所有后代叶结点的简单路径上,均包含相同数目的黑色结点 。
- 每个叶子结点都是黑色的(此处的叶子结点指的是空结点)。
红黑树节点的定义
// 节点的颜色
enum Colour
{
BLACK,
RED
};
template<class K, class V>
struct RBTreeNode
{
RBTreeNode<K, V>* _left; // 左子节点
RBTreeNode<K, V>* _right; // 右子节点
RBTreeNode<K, V>* _parent; // 父节点
Colour _col; // 节点的颜色
pair<K, V> _kv; // 节点的值
RBTreeNode(const pair<K, V>& kv)
:_left(nullptr)
, _right(nullptr)
, _parent(nullptr)
, _col(RED)
, _kv(kv)
{}
};
红黑树的插入操作
红黑树是建立在二叉搜索树之上的,插入的步骤分为两步:先按二叉搜索树的规则插入结点,再按红黑树的性质做修改。
按照二叉搜索的树规则插入新节点
从根节点往下找,插入值比根节点大往节点右子树找,比根节点小往节点左子树找,如果相等,直接返回错误(二叉搜索树不允许数据冗余),重复操作直到空节点。
bool Insert(const pair<K, V>& kv)
{
// 空树直接插入结点
if (_root == nullptr)
{
_root = new Node(kv);
_root->_col = BLACK;
return true;
}
// 找到要插入结点的位置
Node* parent = nullptr;
Node* cur = _root;
while (cur)
{
if (cur->_kv.first < kv.first)
{
parent = cur;
cur = cur->_right;
}
else if (cur->_kv.first>kv.first)
{
parent = cur;
cur = cur->_left;
}
else
{
return false;
}
}
// 插入结点
cur = new Node(kv);
cur->_col = RED;
if (parent->_kv.first < kv.first)
{
parent->_right = cur;
cur->_parent = parent;
}
else
{
parent->_left = cur;
cur->_parent = parent;
}
// 对红黑树做调整
while()
{
}
// 根结点设置为黑色
_root->_col = BLACK;
return true;
}
调整红黑树
因为新节点的默认颜色是红色(新结点为红色比黑色更容易调整),因此:如果其双亲节点的颜色是黑色,没有违反红黑树任何性质,则不需要调整;但当新插入节点的双亲节点颜色为红色时,就违反了性质三不能有连在一起的红色节点,此时需要对红黑树分情况来讨论:
注意: 这里cur为当前节点,p为父节点,g为祖父节点,u为叔叔节点
- cur为红,p为红,g为黑,u存在且为红
这里需要将p,u改为黑,g改为红并继续先上调整。
多次调整的情况
- cur为红,p为红,g为黑,u不存在或u为黑
这里又分为两种情况:
(1)cur 和 p 在同一边
(2)cur 和 p 不在同一边
实现代码
while (parent&&parent->_col == RED)
{
Node* grandparent = parent->_parent;
if (parent == grandparent->_left)
{
Node* uncle = grandparent->_right;
// 情况一:uncle存在且为红,进行变色处理,并继续往上更新处理
if (uncle&&uncle->_col == RED)
{
uncle->_col = BLACK;
parent->_col = BLACK;
grandparent->_col = RED;
cur = grandparent;
parent = cur->_parent;
}// 情况二+三:uncle不存在,或者存在且为黑,需要旋转+变色处理
else
{
// 情况二:单旋+变色
if (cur == parent->_left)
{
RotateR(grandparent);
parent->_col = BLACK;
grandparent->_col = RED;
}
else// 情况三:双旋 + 变色
{
RotateL(parent);
RotateR(grandparent);
cur->_col = BLACK;
grandparent->_col = RED;
}
break;
}
}
else // (parent == grandfather->_right)
{
Node* uncle = grandparent->_left;
if (uncle&&uncle->_col == RED)
{
uncle->_col = BLACK;
parent->_col = BLACK;
grandparent->_col = RED;
cur = grandparent;
parent = cur->_parent;
}
else
{
if (parent->_right == cur)
{
RotateL(grandparent);
parent->_col = BLACK;
grandparent->_col = RED;
}
else
{
RotateR(parent);
RotateL(grandparent);
cur->_col = BLACK;
grandparent->_col = RED;
}
break;
}
}
}
左旋和右旋在博主AVL树的模拟实现一文中有详细介绍。
红黑树的验证
我们可以写一个函数来来检测创建的二叉树是否满足红黑树的性质
// 中序遍历输出节点
void _InOrder(Node* root)
{
if (root == nullptr)
{
return;
}
_InOrder(root->_left);
cout << root->_kv.first<<" ";
_InOrder(root->_right);
}
void InOrder()
{
_InOrder(_root);
cout << endl;
}
// 检测是否存在连续的红色节点
bool CheckRED_RED(Node* cur)
{
if (cur == nullptr)
{
return true;
}
if (cur->_col == RED&&cur->_parent->_col == RED)
{
cout << "违反规则,存在连续的红色节点" << endl;
return false;
}
return CheckRED_RED(cur->_left)
&& CheckRED_RED(cur->_right);
}
// 检查每条路径黑色节点的数量
bool CheckBlackNum(Node* cur, int blackNum, int benchmark)
{
if (cur == nullptr)
{
if (blackNum != benchmark)
{
cout << "黑色节点的数量不相等" << endl;
return false;
}
return true;
}
if (cur->_col == BLACK)
++blackNum;
return CheckBlackNum(cur->_left, blackNum, benchmark)
&& CheckBlackNum(cur->_right, blackNum, benchmark);
}
bool IsBalance()
{
if (_root == nullptr)
{
return true;
}
if (_root->_col == RED)// 检测根节点的颜色
{
cout << "违反规则根节点是红色" << endl;
return false;
}
// 算出最左路径的黑色节点的数量作为基准值
Node* cur = _root;
int benchmark = 0// 记录最左路径的黑色节点的数量
while (cur)
{
if (cur->_col == BLACK)
{
benchmark++;
}
cur = cur->_left;
}
int blackNum = 0;// 记录当前路径黑色节点的数量
return CheckRED_RED(_root) && CheckBlackNum(_root, blackNum, benchmark);
}
红黑树与AVL树的比较
红黑树和AVL树都是高效的平衡二叉树,红黑树不追求绝对平衡,其只需保证最长路径不超过最短路径的2倍,相对而言,降低了插入和旋转的次数,所以在经常进行增删的结构中性能比AVL树更优,而且红黑树实现比较简单,所以实际运用中红黑树更多。