数据结构与算法：红黑树（Red Black Tree）

最新推荐文章于 2023-02-24 12:23:35 发布

F小二V

最新推荐文章于 2023-02-24 12:23:35 发布

阅读量362

点赞数

分类专栏：数据结构与算法文章标签：红黑树数据结构与算法二叉查找树

本文链接：https://blog.csdn.net/u014165620/article/details/82628406

版权

数据结构与算法专栏收录该内容

7 篇文章 1 订阅

订阅专栏

一、简介

红黑树（Red Black Tree）是一棵二叉查找树，在每个节点增加一个属性表示节点颜色，值为红色（Red）或者黑色（Black）。红黑树也是“平衡”树中的一种，通过对任何一条从根到叶子的路径上各个节点的颜色来进行约束，确保没有一条路径会比其他路径长出2倍，因而是“近似平衡”的。对平衡性的要求相较于AVL树更宽松。

二、红黑树性质

一棵红黑树是满足下面5条红黑性质的二叉查找树：

1. 每个节点要么是红色，要么是黑色；
2. 根节点是黑色；
3. 每个叶节点（NIL或者空节点）是黑色；
4. 如果一个节点是红色，则它的两个子节点都是黑色；
5. 对于每个节点，从该节点到其所有后代叶节点的路径上，均包含相同数目的黑色节点。
下图就是一棵红黑树：
这里写图片描述
插入一个新节点或者删除一个节点时，可能会导致违反上述红黑树性质，所以需要通过改变节点颜色和旋转来维护这些性质。
旋转直观效果如下：
左旋：

右旋：

关于旋转的详细介绍，可以参考AVL树的旋转图解，红黑树的旋转与AVL树的旋转类似。

三、插入

因为红黑树也是一棵二叉查找树，所以定位新节点的插入位置与二叉查找树插入操作一样，这里主要介绍插入新节点后维护红黑树性质涉及的调整操作，即改变节点颜色和旋转。
插入新节点时，假设X为新插入节点，维护红黑树性质过程中涉及如下几个节：
这里写图片描述
为了不违反性质5（对于每个节点，从该节点到其所有后代叶节点的路径上，均包含相同数目的黑色节点），新插入的节点都为红色。

插入新节点X后包含以下几种情况：
情况1：原红黑树为空，插入后X为根节点，则根据性质2，直接将节点X涂黑即可；
情况2：X的父节点P为黑色，插入X不会违反红黑树性质，直接插入即可，不需调整；
情况3：X的父节点P为红色
此时违反性质4（如果一个节点是红色，则它的两个子节点都是黑色），需要调整。此时，包含6种情况，按父节点P是祖父节点G的左孩子left或者右孩子right划分，处理方式是对称的，这里以P是G的左孩子left为例进行介绍。其中，包含3种情况：
情况3-1：叔节点U为红色
将P涂为黑色以保持性质4，此时违反性质5，再将G涂为红色，同时U涂为黑色以保持性质5。然后X=G，G作为新节点X，继续维护。
这里写图片描述
情况3-2：叔节点U为黑色，新节点X为其父节点P的右节点right；
情况3-3：叔节点U为黑色，新节点X为其父节点P的右节点left。

情况3-2通过一个左旋，变成情况3-3。对于情况3-3，X、P都是红色，违反了性质4，所以将P涂为黑色，此时左边这条路径多了一个黑色节点，违反了性质5，所以将G涂为红色（因为P是红色，所以原来G一定是黑色），这样右边那条路径比以前少了一个黑色节点，同样违反性质5，所以通过右旋，将黑色P向上提。调整结束，无需继续上虑。
情况3对应调整伪代码如下：

while P.color == RED
    if P == G.left
        if U == RED                            //情况3-1
            P.color = BLACK
            U.color = BLACK
            G.color = RED
            X = G
        else if X == P.right                   //情况3-2
            X = X.p // X与P互换位置
            left_rotation()  //左旋
        P.color = BLACK                        //情况3-3
        G.color = Red
        right_rotation()   //右旋
    else
        //与上面3种情况对称
root.color = BLACK

四、删除

红黑树的删除操作，是在二叉查找树删除操作基础上增加部分内容，主要是增加维护红黑树性质的调整操作，与插入操作一样，调整方式包括：改变节点颜色、旋转。下面主要对调整操作进行介绍。
假设删除节点为X，维护红黑树性质的调整过程涉及如下几个节点：
这里写图片描述
红黑树删除调整包含8种情况，按照删除节点为其父节点的左孩子left或者右孩子right划分，处理方式是对称的。这里以删除节点X为其父节点P的左孩子left为例进行介绍。其中。包含4种
红黑树删除操作包含以下几种情况：
情况1：删除节点X为红色，不会导致违反5条红黑树性质，无需调整；
情况2：当删除节点为根节点时，直接删除，无需调整；
当删除节点为黑色，且不为根节点时，删除调整包含8种情况，按照删除节点为其父节点的左孩子left或者右孩子right划分，处理方式是对称的。这里以删除节点X为其父节点P的左孩子left为例进行介绍。其中，包含4种情况（3~6），如下图所以，图中无色节点（如情况4中的节点2），既可以是红色节点，也可以是黑色节点：
这里写图片描述
情况3：兄弟节点B是红色；
情况4：兄弟节点B是黑色，且B的两个子节点都是黑色；
情况5：兄弟节点B是黑色，且B的左孩子是红色，右孩子是黑色；
情况6：兄弟节点B是黑色，且B的右孩子是红色。

伪代码如下：

while X != root and X.color == BlACK
    if X == X.p.left
        B = X.p.right
        if B.color == RED
            B.color = BLACK
            X.p.color = RED
            left_rotation(X.p)
            B = X.p.right
        if B.left.color == BLACK and B.right.color == BLACK
            B.color = RED
            x = X.p
        else if B.right.color == BLACK
            B.left.color = BLACK
            B.color = RED
            right_rotation(B)
            B = X.p.right
        B.color = X.p.color
        X.p.color = BLACK
        B.right.color = BLACK
        left_rotation(X.p)
        X = root
    else
        X 为其父节点右孩子，处理方式对称
X.color = BLACK

五、红黑树与AVL树比较

红黑树与AVL树都是“平衡”二叉查找树中的一种，AVL树对平衡性的要求更高，AVL树要求每个节点左右子树高度差不超过1，而红黑树节点的左右子树高度差可能会大于1，是一种“近似平衡”。红黑树通过节点颜色控制，用非严格的平衡来换取增删节点时旋转次数的降低，任何不平衡都会在三次旋转之内解决，而AVL是严格平衡树，因此在增加或者删除节点的时候，根据不同情况，旋转的次数比红黑树要多。因此，AVL树查询效率比红黑树高。但因为平衡性要求更高，每次插入删除会进行更多的平衡调整，所以AVL树插入删除效率相对较慢。

个人总结，如有错误，感谢指正！