【数据结构】树形数据结构知识点总结

一、二叉树

• 非空二叉树的第i层，最多有个节点
• 在高度为 h 的二叉树上最多有 个结点
• 对于任何一棵非空二叉树，如果叶子节点个数为 n0，度为 2 的节点个数为 n2，则有: n0 = n2 + 1 （利用边与节点数计算）
• 真二叉树：所有节点的度都要么为 0，要么为 2
• 满二叉树：最后一层节点的度都为 0，其他节点的度都为 2
• 完全二叉树：对节点从上至下、左至右开始编号，其所有编号都能与相同高度的满二叉树中的编号对应

二、二叉搜索树

• 任意一个节点的值都大于其左子树所有节点的值
• 任意一个节点的值都小于其右子树所有节点的值
• 它的左右子树也是一棵二叉搜索树
• 二叉搜索树存储的元素必须具备可比较性

三、平衡二叉搜索树

1.  AVL树：每个节点的左右子树高度差不超过 1

• LL – 右旋转（单旋）（g.left = p.right；p.right = g）
• RR – 左旋转（单旋）（g.right = p.left；p.left = g）

2. B树：B树是一种平衡的多路搜索树，多用于文件系统、数据库的实现

• 1 个节点可以存储超过 2 个元素、可以拥有超过 2 个子节点
• 平衡，每个节点的所有子树高度一致

3. 红黑树：相比AVL树，红黑树的平衡标准比较宽松： 没有一条路径会大于其他路径的2倍，是一种弱平衡、黑高度平衡红黑树的最大高度是 2 ∗ log2(n + 1) ，依然是 O(logn) 级别

• 节点是 RED 或者 BLACK
• 根节点是 BLACK
• 叶子节点（外部节点，空节点）都是 BLACK
• RED 节点的子节点都是 BLACK（a, RED 节点的 parent 都是 BLACK； b, 从根节点到叶子节点的所有路径上不能有 2 个连续的 RED 节点）
• 从任一节点到叶子节点的所有路径都包含相同数目的 BLACK 节点

AVL树 vs 红黑树
◼ AVL树

• 平衡标准比较严格： 每个左右子树的高度差不超过1
• 最大高度是 1.44 ∗ log2 n + 2 - 1.328（100W个节点， AVL树最大树高28）
• 搜索、添加、删除都是 O(logn) 复杂度，其中添加仅需 O(1) 次旋转调整、删除最多需要 O(logn) 次旋转调整

◼ 红黑树

• 平衡标准比较宽松： 没有一条路径会大于其他路径的2倍
• 最大高度是 2 ∗ log2(n + 1)（100W个节点，红黑树最大树高40）
• 搜索、添加、删除都是 O(logn) 复杂度，其中添加、删除都仅需 O(1) 次旋转调整

◼ 搜索的次数远远大于插入和删除，选择AVL树；搜索、插入、删除次数几乎差不多，选择红黑树
◼ 相对于AVL树来说，红黑树牺牲了部分平衡性以换取插入/删除操作时少量的旋转操作，整体来说性能要优于AVL树
◼ 红黑树的平均统计性能优于AVL树，实际应用中更多选择使用红黑树
 

 

B树与B+树

B树与B+树简明扼要的区别

 

4. 二叉堆：二叉堆的逻辑结构就是一棵完全二叉树，所以也叫完全二叉堆

二叉堆详解实现优先级队列

堆排序详解

5. 哈夫曼树

• （1），以需要编码字符出现次数为权值，将这些权值作为根节点构建 n 棵二叉树，组成森林
• （2），在森林中选出 2 个根节点最小的树合并，作为一棵新树的左右子树，且新树的根节点为其左右子树根节点之和
• （3），从森林中删除刚才选取的 2 棵树，并将新树加入森林
• （4），重复 2、 3 步骤，直到森林只剩一棵树为止，该树即为哈夫曼树