【数据结构】数据结构探索（四）—— AVL树（平衡二叉树）

AVL树又称平衡二叉搜索树，它能保证二叉树高度相对平衡，尽量降低二叉树的高度，提高搜索效率。

它具有以下特点：

1. 左子树和右子树的高度之差的绝对值不超过1 
2. 树中的每个左子树和右子树都是AVL树
3. 每个节点都有一个平衡因子(balance factor--bf),任一节点的平衡因子是-1,0,1。(每个节点的平衡因子等于右子树的高度减去左子 4. 树的高度 ) .

AVL树出了会自平衡就是一个普通的二叉树，所以我们主要研究它的平衡策略。

 

平衡策略

AVL树一旦不平衡，就可以通过一个简单的动作迭代使平衡——旋转。

我的理解是，一棵树就好像是一个天平，平衡就意味着两边的砝码差不多（在树中就是子树的高度）。如果一般砝码多，就用旋转让两边高度恢复平衡。从最早出现不平衡的那颗子树开始旋转，到平衡为止。

而旋转策略如下：

LL	在a的左子树根节点的左子树上插入节点而破坏平衡	右旋转
RR	在a的右子树根节点的右子树上插入节点而破坏平衡	左旋转
LR	在a的左子树根节点的右子树上插入节点而破坏平衡	先左旋后右旋
RL	在a的右子树根节点的左子树上插入节点而破坏平衡	先右旋后左旋

 

这么看起来比较抽象，我用实例来展示旋转过程，也许能帮助理解：

1. 如下图所示，该数增加了节点10以后：

a.20节点左子树高度为1， 右子树高度为0，子树平衡。

b.30节点的左子树高度为2，右子树高度为0，两边差值超过了1，不平衡。

c.根据左子树的左节点造成子树不平衡的策略（LL），我们应该右旋转整棵树。

旋转后左右子树平衡如下图：

2. 好，我们再来看看RR策略如何实现，现在我们向这棵树插入节点40：

3. 此时可以看出虽然有点歪，但是这棵树总体来说还是符合AVL树特点的，并不需要旋转。于是为了创造场景，我们继续插入节点50：

插入50以后我们来从50往上看：

a. 40节点，左子树高度为0，右子树高度为1，平衡，不需要调整。

b. 30节点，左子树高度为0，右子树高度为2，不平衡，需要调整。

那么我们就先调整30节点为根节点的子树，这课子树是右子树的右节点导致不平衡，那么根据RR策略，我们只需要对子树进行左旋转。

旋转完以后的结果如图：

这样40节点就已经平衡了，我们再看上面的20节点，左右子树高度平衡，不需要调整。

4. 我们如果继续向其中插入60节点呢：

a. 50节点，左子树高度为0，右子树高度为1，平衡。

b. 40节点，左子树高度为1，右子树高度为2，平衡。

c. 20节点，左子树高度为1，右子树高度为3，不平衡，因为60为20的右子树根节点的右节点，此时执行策略左旋转。

旋转以后，40变成了根节点，30变成了20的右子节点，如下：

树再次平衡。

5. 为了验证RL策略，继续插入55.

好，我们按照之前的分析方法，从新插入的55节点的父节点开始看。

a. 60节点，左子树高度为1，右子树为0，平衡。

b. 50节点，左子树高度为0，右子树高度为2，不平衡。

按照RL策略，我们应该先右旋，然后左旋。

右旋以后，如下图：

图中可见50节点还是不平衡的：

左旋以后如下图：

6. 我们继续插入节点5

此时检查一遍，所以树和子树都是平衡的。

7. 所以我们继续插入8.

重复一遍分析过程：

a. 节点5左子树为0， 右子树为1，平衡。

b. 节点10左子树为2，右子树为0，不平衡。

此时引起不平衡的节点为8，节点在以10为根节点的子树的左子树右节点，适用LR策略，先左旋，再右旋。

左旋以后图为：

此时10节点依然不平衡。

右旋以后，如图就又平衡了

四种旋转策略，已经演示完成，分析方法同上，就可以让不平衡的二叉树，回到平衡状态。