树的总结

（一）二叉树

  相关复杂度：高度为k的二叉树最多有2^k-1，因此如果二叉排序树是平衡的，则n个节点的二叉排序树的高度为log₂n+1,其查找效率为O(log₂n)，近似于折半查找。如果二叉排序树完全不平衡，则其深度可达到n，查找效率为O(n)，退化为顺序查找。一般的，二叉排序树的查找性能在O(Log₂n)到O(n)之间。(对于二叉排序树，高度决定了查找效率)

 1.二叉查找树（BST树）

（1）若左子树不空，则左子树上所有结点的值均小于或等于它的根结点的值；

（2）若右子树不空，则右子树上所有结点的值均大于或等于它的根结点的值；

（3）左、右子树也分别为二叉排序树；

      对于一般的二叉搜索树（Binary Search Tree），其期望高度（即为一棵平衡树时）为log₂n，其各操作的时间复杂度O(log₂ n)，最坏的情况为其操作的时间复杂度将退化成线性的，即O(n)。

 2.平衡二叉查找树（AVL树）

（1）本身首先是一棵二叉搜索树。

（2）带有平衡条件：每个结点的左右子树的高度之差的绝对值（平衡因子）最多为1。

最少节点数n 如以斐波那契数列可以用数学归纳法证明：

N(0) = 1 (表示 AVL Tree 高度为0的节点总数）

N(1) = 2（表示 AVL Tree 高度为1的节点总数）

N(2) = 4（表示 AVL Tree 高度为2的节点总数）

N(h)=N(h− 1) +N(h− 2) + 1 （表示 AVL Tree 高度为h的节点总数）

节点的平衡因子是它的左子树的高度减去它的右子树的高度。带有平衡因子 1、0 或 -1 的节点被认为是平衡的。带有平衡因子 -2 或 2 的节点被认为是不平衡的，并需要重新平衡这个树。平衡因子可以直接存储在每个节点中，或从可能存储在节点中的子树高度计算出来。

n个结点的AVL树最大深度约1.44log₂n。查找、插入和删除在平均和最坏情况下都是O(logn)。插入和删除可能需要通过一次或多次树旋转来重新平衡这个树。这个方案很好的解决了二叉查找树退化成链表的问题，把插入，查找，删除的时间复杂度最好情况和最坏情况都维持在O(logN)。但是频繁旋转会使插入和删除牺牲掉O(logN)左右的时间，不过相对二叉查找树来说，时间上稳定了很多。

1. 左左插入——左旋
2. 右右插入——右旋
3. 左右插入——左右旋
4. 右左插入——右左旋

3.红黑树

除了二叉查找树的一般要求外，还包括了：

1.节点是红色或黑色。

2.根节点是黑色。

3.每个叶子节点都是黑色的空节点（NIL节点）。

4 每个红色节点的两个子节点都是黑色。(从每个叶子到根的所有路径上不能有两个连续的红色节点)

5.从任一节点到其每个叶子的所有路径都包含相同数目的黑色节点。

这些性质保证了根节点到任意叶子节点的路径长度，最多相差一半（因为路径上的黑色节点相等，差别只是不能相邻的红色节点个数）

红黑树都既是二叉查找树，也是2-3树。典型的用途是实现关联数组

红黑树背后的思想是用标准的二叉查找树（完全由2-结点构成）和一些额外的信息（替换3-结点）来表示2-3树。

我们将树中的链接分为两种类型：红链接将两个2-结点连接起来构成一个3-结点，黑链接则是2-3树中的普通链接。确切地说，我们将3-结点表示为由一条左斜的红色链接相连的两个2-结点。

  

因为每个结点都只会有一条指向自己的链接（从它的父结点指向它），我们将链接的颜色保存在表示结点的Node数据类型的布尔变量color中（若指向它的链接是红色的，那么该变量为true，黑色则为false）。

当我们提到一个结点颜色时，我们指的是指向该结点的链接的颜色。

红黑树能够以O(log₂n)的时间复杂度进行搜索、插入、删除操作。红黑树的算法时间复杂度和AVL相同，但统计性能比AVL树更高。红黑树并不追求“完全平衡”——它只要求部分地达到平衡要求，降低了对旋转的要求，从而提高了性能。红黑树通过两种手段来实现平衡：改变节点颜色和执行旋转操作。

AVL树和红黑树都是用旋转保持平衡，AVL树对每个插入操作最多需要两次次旋转（单/双旋），对每个删除操作最多需要O（logn）次旋转；而红黑树对每个插入和删除操作，任何不平衡都会在三次旋转之内解决。

1. 如果插入一个node引起了树的不平衡，AVL和RB-Tree都是最多只需要2次旋转操作，即两者都是O(1)；但是在删除node引起树的不平衡时，最坏情况下，AVL需要维护从被删node到root这条路径上所有node的平衡性，因此需要旋转的量级O(logN)，而RB-Tree最多只需3次旋转，只需要O(1)的复杂度。

2. 其次，AVL的结构相较RB-Tree来说更为平衡，在插入和删除node更容易引起Tree的unbalance，因此在大量数据需要插入或者删除时，AVL需要rebalance的频率会更高。因此，RB-Tree在需要大量插入和删除node的场景下，效率更高。自然，由于AVL高度平衡，因此AVL的search效率更高。

3. map的实现只是折衷了两者在search、insert以及delete下的效率。总体来说，RB-tree的统计性能是高于AVL的。

4. 因此AVL树适用于查找多，删除调整少的情况。综合性能看红黑树是一种比较折中的选择。

参考链接：https://blog.csdn.net/yang_yulei/article/details/26066409

http://www.sohu.com/a/201923614_466939

https://www.cnblogs.com/nullzx/p/6128416.html（对理解性质有帮助）

https://blog.csdn.net/sun_tttt/article/details/65445754

https://blog.csdn.net/gao1440156051/article/details/51581394（红黑树常见面试题）

（二）平衡树（多路）

 B树，B+树，B*树，2-3树

AVL树和红黑树适合内部存储应用，B树适合外部存储应用，主要应用于数据库的索引

参考链接：https://www.cnblogs.com/maybe2030/p/4732377.html#_label5

（三）树的应用场景

AVL树：windows对进程地址空间的管理

红黑树：广泛应用与C++STL中，如map和set都是用红黑树实现的

B/B+树：用在磁盘文件组织，数据索引和数据库的索引