数字的森林——各种树数据结构解析

眨眼间数据结构课已经接近尾声了。Rose-Hulman这个数据结构课，从非线性数据结构开始讲起（因为线性数据结构——链表、堆栈和队列——已经在上一个面向对象设计课里面学过）讲了近10种树结构和少量的图结构。其中对所有的树更是印象深刻。

下面还是总结一下这个学期学了什么。

首先介绍了基本的树结构（Tree） ：



由此可见，树其实可以算是一个链表形式的结构，只不过每一个结点都连着一个或多个结点，任君选择。

然后是二叉树（Binary Tree） ：


二叉树严格控制了每个结点最多只能有两个后继结点（简称“儿子”）控制了这样的结构之后，这棵树就比普通的树简单很多啦。

如果我们再用二叉树来做点有意义的事情，比如说保持结构里面结点的大小顺序等等，于是我们就有一个更实用的树结构：二叉查找树（Binary Search Tree）


在 二叉树的基本定义上，二叉查找树有一层更深的定义：左儿子的元素大小严格小于父结点，右儿子的元素大小严格大于父结点。这样的话，进行搜索的时候，从根结 点出发，如果想要找的元素比这个结点小，向左搜，否则向右搜。这样的搜索效率竟然可以控制到平均O(log n)！实在是太快了！

不过，O(log n)的效率仅限于一棵比较随机的二叉查找树，如果一棵二叉查找树，儿子永远比父亲大，那么就会变成一条直线，效率也是只有O(n)而已。那么效率就变得很虚无飘渺了。

幸好，伟大的计算机科学家们在二叉查找树的基础上，加上了自动平衡的算法，因此创造出AVL树（AVL Tree） ：


AVL树的平衡条件是：左儿子高度与右儿子高度相差不超过1，上图则是给出了平衡算法。告诉大家该怎么样对树进行旋转，而得到一棵新的平衡树。

AVL树的效率已经非常可观了，平衡之后整棵树的访问效率为O(log n)，插入移除效率O(log n)，可谓十分迅速！

但是人们总是不知足的，与其通过分析树本身结构来调整，倒不如自己创建标记，再根据标记来调整，减少旋转次数！于是红黑树（Red Black Tree） 就此诞生：


红黑树的规则比较复杂，在此不赘述。这棵树比AVL树快的原因有二：

1. 此树插入和移除可以用递推来实现（递推和递归的异同我这里不赘述，可以看看我之前写的文章），因此可以不保存向下遍历的路线来调整，而是边往下走边调整！

2. 移除元素时，此树最多只需两次旋转，AVL树需要多次旋转。因此元素多的时候，速度优势就出来了。

如果你连这个红黑标记都懒得搞的话，伸展树（Splay Tree） 比较适合你。伸展树有二叉查找树的属性，但是不同的地方是：每一次搜索元素的时候，会自行对树进行调整。尽管树的结构没有红黑树或者AVL树那么整齐，但是在平摊分析 （又称Amortized Analysis ）还是能够达到O(log n)的整体效率。

除此之外，还有B树 和AA树 等等有趣的树呢！整体结构都是非常优秀的。当然这些都只是数字森林的冰山一角，其他的还是由你们自己探索啦！