数据结构-树、二叉树、查找树、平衡树

专栏原创出处：github-源笔记文件 ，github-源码 ，欢迎 Star，转载请附上原文出处链接和本声明。

1. 树的概念

具有 $n(n\ge 0)$ 个节点的有限集称为树。

当 $n=0$ 时称为空树；

当 $n\ge 1$ 时，仅有一个特定的称为根的结点，其余结点可分为 $m(m\ge 0)$ 个互不相交的有限集。每一个集合本身又是一棵树，称为根的子树。

特点：树是非线性结构，数据元素具有"一对多"的逻辑关系；树中的每个元素最多有一个前驱结点，有多个后继结点。

树结构中的常见用语:

• 节点的深度 - 从树的根节点到该节点的边数
• 节点的高度 - 该节点和叶子之间最长路径上的边数
• 树的高度 - 其根节点的高度

2. 二叉树

二叉树是一种更为典型的树树状结构。如它名字所描述的那样，二叉树是每个节点最多有两个子树的树结构，通常子树被称作“左子树”和“右子树”。

2.1 二叉树的遍历

• 前序遍历：首先访问根节点，然后遍历左子树，最后遍历右子树。
• 中序遍历：先遍历左子树，然后访问根节点，然后遍历右子树。
• 后序遍历：先遍历左子树，然后遍历右子树，最后访问树的根节点。
• 层级遍历：逐层遍历，二叉树的最大深度也就是层级树。

对于上述三种遍历，我们简化为，前中后只是表明遍历时「根节点的位置」，不管根在哪儿都是从左向右。每次遍历到节点时把它看做时一棵新树按刚刚的方式继续遍历。

我们可以简化为一个不需要记忆的方法：

• 前序遍历：根 左 右
• 中序遍历：左 根 右
• 后序遍历：左 右 根

1. 二叉树的关系：

• 中序遍历不能唯一确定一棵二叉搜索树；
• 先序和后序遍历不能唯一确定一棵二叉搜索树；
• 中序后序可以唯一确定一棵二叉树；
• 中序先序可以唯一确定一棵二叉树。

2. 根据「中序后序」「中序先序」构造二叉树步骤：

• 通常从先序序列或者后序序列开始，根据不同遍历方法的规律，选择合适的节点构造树；
• 例如：先序序列的第一个节点是根节点，然后是它的左孩子，右孩子等等。后序序列的最后一个节点是根节点，然后是它的右孩子，左孩子等等；
• 从先序/后序序列中找到根节点，根据根节点将中序序列分为左子树和右子树；
• 从中序序列中获得的信息是：如果当前子树为空（返回 None），否则继续构造子树。

3. 常见算法题：

前序遍历、中序遍历、后序遍历、层级遍历、计算二叉树的最大深度。

从前序与中序遍历序列构造二叉树、从中序与后序遍历序列构造二叉树、二叉树的最近公共祖先

2.2 二叉树的类型

完美二叉树：又叫满二叉树，除叶子节点所有子节点都有左右子节点。

完全二叉树：除叶子节点所有子节点都有左右子节点。

2.3 二叉树相关算法

推荐 力扣-卡片-二叉树

3. 二叉查找树

二叉查找树（BST）是二叉树的一种特殊表示形式（也叫二叉查找树），它满足如下特性：

1. 每个节点中的值必须大于等于存储在其左子树中的任何值。
2. 每个节点中的值必须小于等于存储在其右子树中的任何值。

像普通的二叉树一样，我们可以按照前序、中序和后序来遍历一个二叉查找树。但是，对于二叉查找树，我们可以通过中序遍历得到一个「递增的有序序列」。因此，中序遍历是二叉查找树中最常用的遍历方法。

上述图中是一个二叉查找树，中序遍历结果为 1 2 4 6 8 10 ... 30 32 34 36

3.1 二叉查找树操作

搜索操作：

1. 如果目标值等于节点的值，则返回节点;
2. 如果目标值小于节点的值，则继续在左子树中搜索;
3. 如果目标值大于节点的值，则继续在右子树中搜索。

插入操作：

与搜索操作类似，对于每个节点，我们将：

1. 根据节点值与目标节点值的关系，搜索左子树或右子树；
2. 重复步骤 1 直到到达外部节点；
3. 根据节点的值与目标节点的值的关系，将新节点添加为其左侧或右侧的子节点。

删除操作：

1. 如果目标节点没有子节点，我们可以直接移除该目标节点。
2. 如果目标节只有一个子节点，我们可以用其子节点作为替换。
3. 如果目标节点有两个子节点，我们需要用其中序后继节点或者前驱节点来替换，再删除该目标节点。

3.2 二叉查找树相关算法

力扣-卡片-二叉查找树

4. 平衡二叉查找树

平衡二叉查找树：是一种结构平衡的二叉查找树，即叶节点高度差的绝对值不超过 1，并且左右两个子树都是一棵平衡二叉树。

从上图可以分析如果我们计算一颗树是否是高度平衡时，自上而下的计算会重复计算子节点，如果我们自下而上计算并比较当前节点高度可以避免该问题。

有 N 个节点的平衡二叉查找树，它的高度是 $logN$。

为什么是 $logN$ 呢?

• 一个高度为 h 的二叉树： $2^0+2^1+\cdots +2^h=2^{h+1}-1$
• 一个有 N 个节点，且高度为 h 的二叉树： $N\le 2^{h+1}-1$
• 所以：$h\ge |{\log }_{2}N|$

4.1 为什么需要用到平衡二叉查找树?

以搜索操作为例，如果二叉查找树的高度为 h，则时间复杂度为 O(h)。二叉查找树的高度的确很重要。

通过上文可知 $h\ge |{\log }_{2}N|$，所以具有$N$个节点的二叉查找树的高度在 $\log N$ 到 $N$ 区间变化。也就是说，搜索操作的时间复杂度可以从 $\log N$ 变化到 $N$。这是一个巨大的性能差异。
所以说，高度平衡的二叉查找树对提高性能起着重要作用。

常见的平衡二叉查找树有：

• AVL 树
• 红黑树
• 树堆
• 伸展树

4.2 实际应用

平衡二叉查找树的概念经常运用在 Set、Map 中。

比如 Java 语言中：
TreeSet 底层使用 TreeMap 实现，而 TreeMap 底层使用红黑树实现。

HashSet 底层使用 HashMap 实现，而 HashMap 底层实现了链表+红黑树实现。

参考

• 力扣

更多相关专栏内容汇总：

• Java 核心知识-专栏文章目录汇总
• Java 并发编程-专栏文章目录汇总
• Java JVM（JDK13）-专栏文章目录汇总
• 数据结构与算法-专栏文章目录汇总