红黑树的概念:
红黑树
,一种
二叉搜索树
,
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
。 通过着色方式的限制,可以确保没有一条路径会比其他路径的俩
倍还长
,保证树是
接近平衡
的。
红黑树的性质:
1.
每个结点不是红色就是黑色
2.
根节点是黑色的
3.
如果一个节点是红色的,则它的两个孩子结点是黑色的
4.
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
5.
每个叶子结点都是黑色的
(
指空结点)
定义红黑树节点:
enum Colour
{
BLACK,
RED
};
template<class K, class V>
struct RBTreeNode
{
RBTreeNode<K, V>* _left;
RBTreeNode<K, V>* _right;
RBTreeNode<K, V>* _parent;
Colour _col;
pair<K, V> _kv;
RBTreeNode(const pair<K, V>& kv)
:_left(nullptr)
, _right(nullptr)
, _parent(nullptr)
, _col(RED)
, _kv(kv)
{}
};
插入节点:
红黑树插入节点会发生增加节点后破坏了红黑树的性质的情况,需要变更某些节点的颜色,有时还要通过旋转改变红黑树的结构才能达到保持性质的目的。
插入节点时,先根据二叉搜索树的性质由节点定义知,新增节点默认为红色,如果新节点的父节点为黑色,已经满足性质不需要调整,如果父节点为红色,出现了连续的红色节点,需要调整,当前节点的叔叔节点对调整方式有很大影响,读者可在下文体会到。
具体分为下边这几种处理方式:
定义:
cur 为当前节点
p为父节点
g为爷节点
u为叔节点
情况①:p,u为红,g为黑
p,u改为黑,g改为红,cur指向g,继续向上调整
情况②: p为红,g为黑,u不存在/u为黑 , p为g的左(右),cur为p的左(右)
u不存在时,cur为新增,以g为中心右(左)单旋 ,p,g都变色
u为黑时,cur不是新增,而是情况①变色导致的
情况③:p为红,g为黑,u不存在/u为黑 , p为g的左(右),cur为p的右(左)
以p为中心左(右)单旋,再执行情况②
最后要把根节点置为黑色,旋转的程序可参考这里
红黑树插入节点程序如下:
bool Insert(const pair<K, V>& kv)
{
if (_root == nullptr)
{
_root = new Node(kv);
_root->_col = BLACK;
return true;
}
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;
}
}
// 新增节点,颜色是红色,可能破坏规则3,产生连续红色节点
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;
}
// 控制近似平衡
while (parent && parent->_col == RED)
{
Node* grandfather = parent->_parent;
if (parent == grandfather->_left)
{
Node* uncle = grandfather->_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)
{
parent->_col = uncle->_col = BLACK;
grandfather->_col = RED;
cur = grandfather;
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(grandfather);
parent->_col = BLACK;
grandfather->_col = RED;
}
else // 情况三:双旋 + 变色
{
RotateL(parent);
RotateR(grandfather);
cur->_col = BLACK;
grandfather->_col = RED;
}
break;
}
}
else // (parent == grandfather->_right)
{
Node* uncle = grandfather->_left;
if (uncle && uncle->_col == RED)
{
parent->_col = uncle->_col = BLACK;
grandfather->_col = RED;
cur = grandfather;
parent = cur->_parent;
}
else
{
if (parent->_right == cur)
{
RotateL(grandfather);
parent->_col = BLACK;
grandfather->_col = RED;
}
else
{
RotateR(parent);
RotateL(grandfather);
cur->_col = BLACK;
grandfather->_col = RED;
}
break;
}
}
}
_root->_col = BLACK;
return true;
}
红黑树和AVL树的比较:
红黑树和
AVL
树都是高效的平衡二叉树,增删查改的时间复杂度都是
O(logn
)
,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,占用的内存也少一些,所以实际运用红黑树更多。而AVL树对平衡的要求更加严格,所以查询的效率可能相对稍微快一些,在查询和修改频率比较均衡的情况下可以考虑使用。
红黑树的一些应用:
1.
C++ STL
库
-- map/set
、
mutil_map/mutil_set
2. Java
库
3. Linux
内核