数据结构(四):二叉树

一、简介

通过前面的学习,我们知道,有序数组可以利用二分查找法快速的查找特定的值,时间复杂度为O(log2N),但是插入数据时很慢,时间复杂度为O(N);链表的插入和删除速度都很快,时间复杂度为O(1),但是查找特定值很慢,时间复杂度为O(N)。

那么,有没有一种数据结构既能像有序数组那样快速的查找数据,又能像链表那样快速的插入数据呢?树就能满足这种要求。不过依然是以算法的复杂度为代价

在编程的世界里,有一个真理叫“复杂度守恒定律”(当然,这是我杜撰的),一个程序当它降低了一个方面的复杂度,必然会在其他方面增加复杂度。这就跟谈恋爱一样,也没有无缘无故的爱,没有无缘无故的恨,当你跟程序谈恋爱时,没有无缘无故的易用性,也没有无缘无故的复杂度

二、概念

我们先从广义上来讨论一下树的概念

树其实是范畴更广的图的特例

下面是一个普通的非二叉树


在程序中,节点一般用来表示实体,也就是数据结构里存储的那些数据项,在java这样的面向对象的编程语言中,常用节点来表示对象

节点间的边表示关联节点间的路径,沿着路径,从一个节点到另一个节点很容易,也很快,在树中,从一个节点到另一个节点的唯一方法就是顺着边前进。java语言中,常用引用来表示边(C/C++中一般使用指针)

树的顶层总是只有一个节点,它通过边连接到第二层的多个节点,然后第二层也可以通过边连接到第三层,以此类推。所以树的顶部小,底部大,呈倒金字塔型,这和现实世界中的树是相反的

如果树的每个节点最多有两个子节点,则称为二叉树。如果节点的子节点可以多余两个,称为多路树

有很多关于树的术语,在这里不做过多的文字解释,下面给出一个图例,通过它可以直观地理解树的路径、根、父节点、子节点、叶节点、子树、层等概念


需要注意的是,从树的根到任意节点有且只有一条路径可以到达,下图所示就不是一棵树,它违背了这一原则

三、二叉搜索树

我们从一种特殊的、使用很广泛的二叉树入手:二叉搜索树。

二叉搜索树的特点是,一个节点的左子节点的关键字值小于这个节点,右子节点的关键字值大于或等于这个父节点。下图就是一个二叉搜索树的示例:


关于树,还有一个平衡树与非平衡树的概念。非平衡就是说树的大部分节点在根的一边,如下图所示:


树的不平衡是由数据项插入的顺序造成的。如果关键字是随机插入的,树会更趋向于平衡,如果插入顺序是升序或者降序,则所有的值都是右子节点或左子节点,这样生成的树就会不平衡了。非平衡树的效率会严重退化

接下来我们就用java语言实现一个二叉搜索树,并给出查找、插入、遍历、删除节点的方法

首先要有一个封装节点的类,这个类包含节点的数据以及它的左子节点和右子节点的引用

  //树节点的封装类
public class Node {
      int age;
      String name;
      Node leftChild;  //左子节点的引用
      Node rightChild; //右子节点的引用
     
      public Node(int age,String name){
             this.age = age;
             this.name = name;
      }
     
      //打印该节点的信息
      public void displayNode(){
             System.out.println("name:"+name+",age:"+age);
      }
}

以上agename两个属性用来代表该节点存储的信息,更好的方法是将这些属性封装成一个对象,例如:

      Person{
             private int age;
             private String name;
 
             public void setAge(int age){
                    this.age = age;
             }
 
             public int getAge(){
                    return this.age;
             }
 
             public void setName(String name){
                    this.name = name;
             }
 
             public String getName(){
                    return this.name;
             }
 
      }

 这样做才更符合“面向对象”的编程思想。不过现在我们的重点是数据结构而非编程思想,所以在程序中简化了

由于树的结构和算法相对复杂,我们先逐步分析一下查找、插入等操作的思路,然后再写出整个的java类

查找

我们已经知道,二叉搜索树的特点是左子节点小于父节点,右子节点大于或等于父节点。查找某个节点时,先从根节点入手,如果该元素值小于根节点,则转向左子节点,否则转向右子节点,以此类推,直到找到该节点,或者到最后一个叶子节点依然没有找到,则证明树中没有该节点

比如我们要在树中查找57,执行的搜索路线如下图所示:

 

插入

插入一个新节点首先要确定插入的位置,这个过程类似于查找一个不存在的节点。如下图所示:


找到要插入的位置之后,将父节点的左子节点或者右子节点指向新节点即可

遍历

遍历的意思是根据一种特定顺序访问树的每一个节点

有三种简单的方法遍历树:前序遍历、中序遍历、后序遍历。二叉搜索树最常用的方法是中序遍历,中序遍历二叉搜索树会使所有的节点按关键字升序被访问到

遍历树最简单的方法是递归。用该方法时,只需要做三件事(初始化时这个节点是根):

1、调用自身来遍历节点的左子树

2、访问这个节点

3、调用自身来遍历节点的右子树

遍历可以应用于任何二叉树,而不只是二叉搜索树。遍历的节点并不关心节点的关键字值,它只看这个节点是否有子节点

下图展示了中序遍历的过程:


对于每个节点来说,都是先访问它的左子节点,然后访问自己,然后在访问右子节点

如果是前序遍历呢?就是先访问父节点,然后左子节点,最后右子节点;同理,后序遍历就是先访问左子节点,在访问右子节点,最后访问父节点。所谓的前序、中序、后序是针对父节点的访问顺序而言的

查找最值

在二叉搜索树中,查找最大值、最小是是很容易实现的,从根循环访问左子节点,直到该节点没有左子节点为止,该节点就是最小值;从根循环访问右子节点,直到该节点没有右子节点为止,该节点就是最大值

下图就展示了查找最小值的过程:

 

删除节点

树的删除节点操作是最复杂的一项操作。该操作需要考虑三种情况考虑:

1、该节点没有子节点

2、该节点有一个子节点

3、该节点有两个子节点

第一种没有子节点的情况很简单,只需将父节点指向它的引用设置为null即可:


第二种情况也不是很难,这个节点有两个连接需要处理:父节点指向它的引用和它指向子节点的引用。无论要删除的节点下面有多复杂的子树,只需要将它的子树上移:


还有一种特殊情况需要考虑,就是要删除的是根节点,这时就需要把它唯一的子节点设置成根节点

下面来看最复杂的第三种情况:要删除的节点由连个子节点。显然,这时候不能简单地将子节点上移,因为该节点有两个节点,右子节点上移之后,该右子节点的左子节点和右子节点又怎么安排呢?


这是应该想起,二叉搜索树是按照关键升序排列,对每一个关键字来说,比它关键字值高的节点是它的中序后继,简称后继。删除有两个子节点的节点,应该用它的中序后继来替代该节点


上图中,我们先列出中序遍历的顺序:

5    15   20  25   30   35   40

可以看到,25的后继是35,所以应该用30来替代25的位置。实际上就是找到比欲删除节点的关键字值大的集合中的最小值。从树的结构上来说,就是从欲删除节点的右子节点开始,依次跳到下一层的左子节点,直到该左子节点没有左子节点为止。下图就是找后继节点的示例:


从上图中可以看到,后继结点有两种情况:一种是欲删除节点的右子节点没有左子节点,那么它本身就是后继节点,此时,只需要将以此后继节点为根的子树移到欲删除节点的位置:


另一种情况是欲删除节点的右子节点有左子节点,这种情况就比较复杂,下面来逐步分析。首先应该意识到,后继节点是肯定没有左子节点的,但是可能会有右子节点

 

上图中,75为欲删除节点,77为它的后继节点,树变化的步骤如下:

1、把87的左子节点设置为79;

2、把77的右子节点设为以87为根的子树;

3、把50的右子节点设置为以77为根的子树;

4、把77的左子节点设置为62

到此为止,删除操作终于分析完毕,包含了所有可能出现的情况。可见,二叉树的删除是一件非常棘手的工作,那么我们就该反思了,删除是必须要做的任务吗?有没有一种方法避开这种烦人的操作?有困难要上,没有困难创造困难也要上的二货精神是不能提倡的

在删除操作不是很多的情况下,可以在节点类中增加一个布尔字段,来作为该节点是否已删除的标志。在进行其他操作,比如查找时,之前对该节点是否已删除进行判断。这种思路有点逃避责任,但是在很多时候还是很管用的。本例中为了更好的深入理解二叉树,会采用原始的、复杂的删除方法

 

下面我们就根据上面的分析,写出一个完整的二叉搜索树类,该类中,如果有重复值,插入到右子节点,查找时也只返回第一个找到的节点

     import java.util.ArrayList;
     import java.util.List;
 
     //二叉搜索树的封装类
     public class BinaryTree {
      private Node root;  //根节点
     
      public BinaryTree(){
             root = null;
      }
     
      //按关键字查找节点
      public Node find(int key){
             Node cur = root;  //从根节点开始查找
            
             if(cur == null){  //如果树为空,直接返回null
                    return null;
             }
            
             while(cur.age != key){
                    if(cur.age < key){
                           cur = cur.leftChild;  //如果关键字比当前节点小,转向左子节点
                    }else{
                           cur = cur.rightChild;  //如果关键字比当前节点大,转向右子节点
                    }
                   
                    if(cur == null){  //没有找到结果,搜索结束
                           return null;
                    }
             }
             return cur;
      }
     
      //插入新节点
      public void insert(Node node){
             if(root == null){
                    root = node;  //如果树为空,则新插入的节点为根节点
             }else{
                    Node cur = root; 
                   
                    while(true){ 
                           if(node.age < cur.age){
                                  if(cur.leftChild == null){  //找到了要插入节点的父节点
                                         cur.leftChild = node;
                                         return;
                                  }
                                  cur = cur.leftChild;
                           }else{
                                  if(cur.rightChild == null){  //找到了要插入节点的父节点
                                         cur.rightChild = node;
                                         return;
                                  }
                                  cur = cur.rightChild;
                           }
                    }
             }
      }
     
      //删除指定节点
      public boolean delete(Node node){
             if(root == null){
                    return false;  //如果为空树,直接返回false
             }
            
             boolean isLeftChild = true;  //记录目标节点是否为父节点的左子节点
             Node cur= root;  //要删除的节点
             Node parent = null; //要删除节点的父节点
            
             while(cur.age != node.age){  //确定要删除节点和它的父节点
                    parent = cur;
                    if(node.age < cur.age){  //目标节点小于当前节点,跳转左子节点
                           cur = cur.leftChild;
                    }else{//目标节点大于当前节点,跳转右子节点
                           isLeftChild = false;
                           cur = cur.rightChild;
                    }
                    if(cur == null){
                           return false;  //没有找到要删除的节点
                    }
             }
     
             if(cur.leftChild == null && cur.rightChild == null){  //目标节点为叶子节点(无子节点)
                    if(cur == root){  //要删除的为根节点
                           root = null;
                    }else if(isLeftChild){
                           //要删除的不是根节点,则该节点肯定有父节点,该节点删除后,需要将父节点指向它的引用置空
                           parent.leftChild = null;
                    }else{
                           parent.rightChild = null;
                    }
             }else if(cur.leftChild == null){  //只有一个右子节点
                    if(cur == root){
                           root = cur.rightChild;
                    }else if(isLeftChild){
                           parent.leftChild = cur.rightChild;
                    }else{
                           parent.rightChild = cur.rightChild;
                    }
             }else if(cur.rightChild == null){  //只有一个左子节点
                    if(cur == root){
                           root = cur.leftChild;
                    }else if(isLeftChild){
                           parent.leftChild = cur.leftChild;
                    }else{
                           parent.rightChild = cur.leftChild;
                    }
             }else{  //有两个子节点
                    //第一步要找到欲删除节点的后继节点
                    Node successor = cur.rightChild; 
                    Node successorParent = null;
                    while(successor.leftChild != null){
                           successorParent = successor;
                           successor = successor.leftChild;
                    }
                    //欲删除节点的右子节点就是它的后继,证明该后继无左子节点,则将以后继节点为根的子树上移即可
                    if(successorParent == null){ 
                           if(cur == root){  //要删除的为根节点,则将后继设置为根,且根的左子节点设置为欲删除节点的做左子节点
                                  root = successor;
                                  root.leftChild = cur.leftChild;
                           }else if(isLeftChild){
                                  parent.leftChild = successor;
                                  successor.leftChild = cur.leftChild;
                           }else{
                                  parent.rightChild = successor;
                                  successor.leftChild = cur.leftChild;
                           }
                    }else{ //欲删除节点的后继不是它的右子节点
                           successorParent.leftChild = successor.rightChild;
                           successor.rightChild = cur.rightChild;
                           if(cur == root){ 
                                  root = successor;
                                  root.leftChild = cur.leftChild;
                           }else if(isLeftChild){
                                  parent.leftChild = successor;
                                  successor.leftChild = cur.leftChild;
                           }else{
                                  parent.rightChild = successor;
                                  successor.leftChild = cur.leftChild;
                           }
                    }
             }
            
             return true;
      }
     
      public static final int PREORDER = 1;   //前序遍历
      public static final int INORDER = 2;    //中序遍历
      public static final int POSTORDER = 3;  //中序遍历
     
      //遍历
      public void traverse(int type){
             switch(type){
             case 1:
                    System.out.print("前序遍历:\t");
                    preorder(root);
                    System.out.println();
                    break;
             case 2:
                    System.out.print("中序遍历:\t");
                    inorder(root);
                    System.out.println();
                    break;
             case 3:
                    System.out.print("后序遍历:\t");
                    postorder(root);
                    System.out.println();
                    break;
             }
      }
     
      //前序遍历
      public void preorder(Node currentRoot){
             if(currentRoot != null){
                    System.out.print(currentRoot.age+"\t");
                    preorder(currentRoot.leftChild);
                    preorder(currentRoot.rightChild);
             }
      }
     
      //中序遍历,这三种遍历都用了迭代的思想
      public void inorder(Node currentRoot){
             if(currentRoot != null){
                    inorder(currentRoot.leftChild);  //先对当前节点的左子树对进行中序遍历
                    System.out.print(currentRoot.age+"\t"); //然后访问当前节点
                    inorder(currentRoot.rightChild);  //最后对当前节点的右子树对进行中序遍历
             }
      }
     
      //后序遍历
      public void postorder(Node currentRoot){
             if(currentRoot != null){
                    postorder(currentRoot.leftChild);
                    postorder(currentRoot.rightChild);
                    System.out.print(currentRoot.age+"\t");
             }
      }
     
      //私有方法,用迭代方法来获取左子树和右子树的最大深度,返回两者最大值
      private int getDepth(Node currentNode,int initDeep){
             int deep = initDeep;  //当前节点已到达的深度
             int leftDeep = initDeep;
             int rightDeep = initDeep;
             if(currentNode.leftChild != null){  //计算当前节点左子树的最大深度
                    leftDeep = getDepth(currentNode.leftChild, deep+1);
             }
             if(currentNode.rightChild != null){  //计算当前节点右子树的最大深度
                    rightDeep = getDepth(currentNode.rightChild, deep+1);
             }
            
             return Math.max(leftDeep, rightDeep);
      }
     
      //获取树的深度
      public int getTreeDepth(){
             if(root == null){
                    return 0;
             }
             return getDepth(root,1);
      }
     
      //返回关键值最大的节点
      public Node getMax(){
             if(isEmpty()){
                    return null;
             }
             Node cur = root;
             while(cur.rightChild != null){
                    cur = cur.rightChild;
             }
             return cur;
      }
     
      //返回关键值最小的节点
      public Node getMin(){
             if(isEmpty()){
                    return null;
             }
             Node cur = root;
             while(cur.leftChild != null){
                    cur = cur.leftChild;
             }
             return cur;
      }
     
      //以树的形式打印出该树
      public void displayTree(){
             int depth = getTreeDepth();
             ArrayList<Node> currentLayerNodes = new ArrayList<Node> ();
             currentLayerNodes.add(root);  //存储该层所有节点
             int layerIndex = 1;
             while(layerIndex <= depth){
                    int NodeBlankNum = (int)Math.pow(2, depth-layerIndex)-1;  //在节点之前和之后应该打印几个空位
                    for(int i = 0;i<currentLayerNodes.size();i++){
                           Node node = currentLayerNodes.get(i);
                           printBlank(NodeBlankNum);   //打印节点之前的空位
                          
                           if(node == null){
                                  System.out.print("*\t");  //如果该节点为null,用空位代替
                           }else{
                                  System.out.print("*  "+node.age+"\t");  //打印该节点
                           }
                          
                           printBlank(NodeBlankNum);  //打印节点之后的空位
                           System.out.print("*\t");   //补齐空位
                    }
                    System.out.println();
                    layerIndex++;
                    currentLayerNodes = getAllNodeOfThisLayer(currentLayerNodes);  //获取下一层所有的节点
             }
      }
     
      //获取指定节点集合的所有子节点
      private ArrayList getAllNodeOfThisLayer(List parentNodes){
             ArrayList list = new ArrayList<Node>();
             Node parentNode;
             for(int i=0;i<parentNodes.size();i++){
                    parentNode = (Node)parentNodes.get(i);
                    if(parentNode != null){ 
                           if(parentNode.leftChild != null){  //如果上层的父节点存在左子节点,加入集合
                                  list.add(parentNode.leftChild);
                           }else{
                                  list.add(null);  //如果上层的父节点不存在左子节点,用null代替,一样加入集合
                           }
                           if(parentNode.rightChild != null){
                                  list.add(parentNode.rightChild);
                           }else{
                                  list.add(null);
                           }
                    }else{  //如果上层父节点不存在,用两个null占位,代表左右子节点
                           list.add(null);
                           list.add(null);
                    }
             }
             return list;
      }
     
      //打印指定个数的空位
      private void printBlank(int num){
             for(int i=0;i<num;i++){
                    System.out.print("*\t");
             }
      }
     
      //判空
      public boolean isEmpty(){
             return (root == null);
      }
     
      //判断是否为叶子节点
      public boolean isLeaf(Node node){
             return (node.leftChild != null || node.rightChild != null);
      }
     
      //获取根节点
      public Node getRoot(){
             return root;
      }
     
}

displayTree方法按照树的形状打印该树。对一颗深度为3的二叉树的打印效果如下图所示:


评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值