转载：什么是平衡二叉树（AVL）(+新增理解笔记)

最新推荐文章于 2023-10-02 20:38:05 发布

kevin--你不知道的事

最新推荐文章于 2023-10-02 20:38:05 发布

阅读量379

点赞数

分类专栏：数据结构与算法

原文链接：https://www.jianshu.com/p/e136ec79235c

版权

数据结构与算法专栏收录该内容

19 篇文章 0 订阅

订阅专栏

转载：什么是平衡二叉树

什么是平衡二叉树（AVL）

Wiki:在计算机科学中， AVL树是最早被发明的自平衡二叉查找树。在AVL树中，任一节点对应的两棵子树的最大高度差为1，因此它也被称为 高度平衡树。查找、插入和删除在平均和最坏情况下的时间复杂度都是{\displaystyle O(\log {n})}

。增加和删除元素的操作则可能需要借由一次或多次树旋转，以实现树的重新平衡。AVL 树得名于它的发明者 G. M. Adelson-Velsky 和 Evgenii Landis，他们在1962年的论文《An algorithm for the organization of information》中公开了这一数据结构。

1 为什么要有平衡二叉树

二叉搜索树一定程度上可以提高搜索效率，但是当原序列有序时，例如序列 A = {1，2，3，4，5，6}，构造二叉搜索树如图 1.1。依据此序列构造的二叉搜索树为右斜树，同时二叉树退化成单链表，搜索效率降低为 O(n)。

在此二叉搜索树中查找元素 6 需要查找 6 次。

二叉搜索树的查找效率取决于树的高度，因此保持树的高度最小，即可保证树的查找效率。同样的序列 A，将其改为图 1.2 的方式存储，查找元素 6 时只需比较 3 次，查找效率提升一倍。

可以看出当节点数目一定，保持树的左右两端保持平衡，树的查找效率最高。

这种左右子树的高度相差不超过 1 的树为平衡二叉树。

2. 定义

平衡二叉查找树：简称平衡二叉树。由前苏联的数学家 Adelse-Velskil 和 Landis 在 1962 年提出的高度平衡的二叉树，根据科学家的英文名也称为 AVL 树。它具有如下几个性质：

可以是空树。
假如不是空树，任何一个结点的左子树与右子树都是平衡二叉树，并且高度之差的绝对值不超过 1。

平衡之意，如天平，即两边的分量大约相同。

例如图 2.1 不是平衡二叉树，因为结点 60 的左子树不是平衡二叉树。

图 2.2 也不是平衡二叉树，因为虽然任何一个结点的左子树与右子树都是平衡二叉树，但高度之差已经超过 1 。

图 2.3 不是平衡二叉树。

3. 平衡因子

定义：某节点的左子树与右子树的高度(深度)差即为该节点的平衡因子（BF,Balance Factor），平衡二叉树中不存在平衡因子大于 1 的节点。在一棵平衡二叉树中，节点的平衡因子只能取 0 、1 或者 -1 ，分别对应着左右子树等高，左子树比较高，右子树比较高。

4. 节点结构

定义平衡二叉树的节点结构：

typedef struct AVLNode *Tree;

typedef int ElementType;

struct AVLNode{

<span class="kt">int</span> <span class="n">depth</span><span class="p">;</span> <span class="c1">//深度，这里计算每个结点的深度，通过深度的比较可得出是否平衡

Tree parent; //该结点的父节点

ElementType val; //结点值

Tree lchild;

<span class="n">Tree</span> <span class="n">rchild</span><span class="p">;</span>

<span class="n">AVLNode</span><span class="p">(</span><span class="kt">int</span> <span class="n">val</span><span class="o">=</span><span class="mi">0</span><span class="p">)</span> <span class="p">{</span>
    <span class="n">parent</span> <span class="o">=</span> <span class="nb">NULL</span><span class="p">;</span>
    <span class="n">depth</span> <span class="o">=</span> <span class="mi">0</span><span class="p">;</span>
    <span class="n">lchild</span> <span class="o">=</span> <span class="n">rchild</span> <span class="o">=</span> <span class="nb">NULL</span><span class="p">;</span>
    <span class="k">this</span><span class="o">-&gt;</span><span class="n">val</span><span class="o">=</span><span class="n">val</span><span class="p">;</span>
<span class="p">}</span>

};

5. AVL树插入时的失衡与调整

图 5.1 是一颗平衡二叉树

在此平衡二叉树插入节点 99 ，树结构变为：

在动图 5.2 中，节点 66 的左子树高度为 1，右子树高度为 3，此时平衡因子为 -2，树失去平衡。

在动图 5.2 中，以节点 66 为父节点的那颗树就称为 最小失衡子树。

最小失衡子树：在新插入的结点向上查找，以第一个平衡因子的绝对值超过 1 的结点为根的子树称为最小不平衡子树。也就是说，一棵失衡的树，是有可能有多棵子树同时失衡的。而这个时候，我们只要调整最小的不平衡子树，就能够将不平衡的树调整为平衡的树。

平衡二叉树的失衡调整主要是通过旋转最小失衡子树来实现的。根据旋转的方向有两种处理方式，左旋与右旋。

旋转的目的就是减少高度，通过降低整棵树的高度来平衡。哪边的树高，就把那边的树向上旋转。

5.1 左旋

以图 5.1.1 为例，加入新节点 99 后，节点 66 的左子树高度为 1，右子树高度为 3，此时平衡因子为 -2。为保证树的平衡，此时需要对节点 66 做出旋转，因为右子树高度高于左子树，对节点进行左旋操作，流程如下：

（1）节点的右孩子替代此节点位置（2）右孩子的左子树变为该节点的右子树（3）节点本身变为右孩子的左子树

整个操作流程如动图 5.1.2 所示。

节点的右孩子替代此节点位置 —— 节点 66 的右孩子是节点 77 ，将节点 77 代替节点 66 的位置
右孩子的左子树变为该节点的右子树 —— 节点 77 的左子树为节点 75，将节点 75 挪到节点 66 的右子树位置
节点本身变为右孩子的左子树 —— 节点 66 变为了节点 77 的左子树

5.2 右旋

右旋操作与左旋类似，操作流程为：

（1）节点的左孩子代表此节点（2）节点的左孩子的右子树变为节点的左子树（3）将此节点作为左孩子节点的右子树。

6. AVL树的四种插入节点方式

假设一颗 AVL 树的某个节点为 A，有四种操作会使 A 的左右子树高度差大于 1，从而破坏了原有 AVL 树的平衡性。平衡二叉树插入节点的情况分为以下四种：

| 插入方式 | 描述 | 旋转方式 | | -------- | ------------------------------------------------------- | ------------ | | LL | 在 A 的左子树根节点的左子树上插入节点而破坏平衡 | 右旋转 | | RR | 在 A 的右子树根节点的右子树上插入节点而破坏平衡 | 左旋转 | | LR | 在A的左子树根节点的右子树上插入节点而破坏平衡 | 先左旋后右旋 | | RL | 在 A 的右子树根节点的左子树上插入节点而破坏平衡 | 先右旋后左旋 |

具体分析如下：

6.1 A的左孩子的左子树插入节点(LL)

只需要执行一次右旋即可。

实现代码如下：

//LL型调整函数

//返回:新父节点

Tree LL_rotate(Tree node){

//node为离操作结点最近的失衡的结点

    Tree parent=NULL,son;

//获取失衡结点的父节点

    parent=node->parent;

//获取失衡结点的左孩子

    son=node->lchild;

//设置son结点右孩子的父指针

    if (son->rchild!=NULL)  son->rchild->parent=node;

//失衡结点的左孩子变更为son的右孩子

    node->lchild=son->rchild;

//更新失衡结点的高度信息

    update_depth(node);

//失衡结点变成son的右孩子

    son->rchild=node;

//设置son的父结点为原失衡结点的父结点

    son->parent=parent;

//如果失衡结点不是根结点，则开始更新父节点

    if (parent!=NULL){

//如果父节点的左孩子是失衡结点，指向现在更新后的新孩子son

        if (parent->lchildnode){

parent->lchild=son;

}else{

//父节点的右孩子是失衡结点

              parent->rchild=son;

}

}

//设置失衡结点的父亲

    node->parent=son;

//更新son结点的高度信息

    update_depth(son);

return son;

}

6.2 A的右孩子的右子树插入节点(RR)

只需要执行一次左旋即可。

实现代码如下：

//RR型调整函数

//返回新父节点

Tree RR_rotate(Tree node){

//node为离操作结点最近的失衡的结点

    Tree parent=NULL,son;

//获取失衡结点的父节点

    parent=node->parent;

//获取失衡结点的右孩子

    son=node->rchild;

//设置son结点左孩子的父指针

    if (son->lchild!=NULL){

son->lchild->parent=node;

}

//失衡结点的右孩子变更为son的左孩子

    node->rchild=son->lchild;

//更新失衡结点的高度信息

    update_depth(node);

//失衡结点变成son的左孩子

    son->lchild=node;

//设置son的父结点为原失衡结点的父结点

    son->parent=parent;

//如果失衡结点不是根结点，则开始更新父节点

    if (parent!=NULL){

//如果父节点的左孩子是失衡结点，指向现在更新后的新孩子son

        if (parent->lchildnode){

parent->lchild=son;

}else{

//父节点的右孩子是失衡结点

            parent->rchild=son;

}

}

//设置失衡结点的父亲

    node->parent=son;

//更新son结点的高度信息

    update_depth(son);

return son;

}

6.3 A的左孩子的右子树插入节点(LR)

若 A 的左孩子节点 B 的右子树 E 插入节点 F ，导致节点 A 失衡，如图：

A 的平衡因子为 2 ，若仍按照右旋调整，则变化后的图形为这样：

经过右旋调整发现，调整后树仍然失衡，说明这种情况单纯的进行右旋操作不能使树重新平衡。那么这种插入方式需要执行两步操作，使得旋转之后为 原来根结点的左孩子的右孩子作为新的根节点 。

（1）对失衡节点 A 的左孩子 B 进行左旋操作，即上述 RR 情形操作。（2）对失衡节点 A 做右旋操作，即上述 LL 情形操作。

调整过程如下：

也就是说，经过这两步操作，使得 原来根节点的左孩子的右孩子 E 节点成为了新的根节点。

代码实现：

//LR型，先左旋转，再右旋转

//返回：新父节点

Tree LR_rotate(Tree node){

RR_rotate(node->lchild);

return LL_rotate(node);

}

6.4 A的右孩子的左子树插入节点(RL)

右孩子插入左节点的过程与左孩子插入右节点过程类似，也是需要执行两步操作，使得旋转之后为 原来根结点的右孩子的左孩子作为新的根节点 。

（1）对失衡节点 A 的右孩子 C 进行右旋操作，即上述 LL 情形操作。（2）对失衡节点 A 做左旋操作，即上述 RR 情形操作。

也就是说，经过这两步操作，使得 原来根节点的右孩子的左孩子 D 节点成为了新的根节点。

代码实现：

//RL型，先右旋转，再左旋转

//返回:新父节点

Tree RL_rotate(Tree node){

LL_rotate(node->rchild);

return RR_rotate(node);

}

补充：

上述四种插入方式的代码实现的辅助代码如下：

//更新当前深度

void update_depth(Tree node){

if (node==NULL){

return;

}else{

int depth_Lchild=get_balance(node->lchild); //左孩子深度

        int depth_Rchild=get_balance(node->rchild); //右孩子深度

        node->depth=max(depth_Lchild,depth_Rchild)+1;

}

}

//获取当前结点的深度
int get_balance(Tree node){
if (node==NULL){
return 0;
}
return node->depth;
}

//返回当前平衡因子
int is_balance(Tree node){
if (node==NULL){
return 0;
}else{
return get_balance(node->lchild)-get_balance(node->rchild);
}
}

6.5 小总结

在所有的不平衡情况中，都是按照先 寻找最小不平衡树，然后 寻找所属的不平衡类别，再 根据 4 种类别进行固定化程序的操作。
LL , LR ，RR ，RL其实已经为我们提供了最后哪个结点作为新的根指明了方向。如 LR 型最后的根结点为原来的根的左孩子的右孩子，RL 型最后的根结点为原来的根的右孩子的左孩子。只要记住这四种情况，可以很快地推导出所有的情况。
维护平衡二叉树，最麻烦的地方在于平衡因子的维护。建议读者们根据小吴提供的图片和动图，自己动手画一遍，这样可以更加感性的理解操作。

7. AVL树的四种删除节点方式

AVL 树和二叉查找树的删除操作情况一致，都分为四种情况：

（1）删除叶子节点（2）删除的节点只有左子树（3）删除的节点只有右子树（4）删除的节点既有左子树又有右子树

只不过 AVL 树在删除节点后需要重新检查平衡性并修正，同时，删除操作与插入操作后的平衡修正区别在于，插入操作后只需要对插入栈中的弹出的第一个非平衡节点进行修正，而删除操作需要修正栈中的所有非平衡节点。

删除操作的大致步骤如下：

以前三种情况为基础尝试删除节点，并将访问节点入栈。
如果尝试删除成功，则依次检查栈顶节点的平衡状态，遇到非平衡节点，即进行旋转平衡，直到栈空。
如果尝试删除失败，证明是第四种情况。这时先找到被删除节点的右子树最小节点并删除它，将访问节点继续入栈。
再依次检查栈顶节点的平衡状态和修正直到栈空。

对于删除操作造成的非平衡状态的修正，可以这样理解：对左或者右子树的删除操作相当于对右或者左子树的插入操作，然后再对应上插入的四种情况选择相应的旋转就好了。

总结

AVL 的旋转问题看似复杂，但实际上如果你亲自用笔纸操作一下还是很好理解的。

==========================================================================================================================================
难点提示：
二叉搜索树，就是二叉树

树的查找效率取决于什么？
[
二叉搜索树的查找效率取决于树的高度，树高度越小，查找需要的次数越小，轮询次数小，所以效率就变高，
因此保持树的高度最小，即可保证树的查找效率

节点数目一定，保持树的左右两端保持平衡，树的查找效率最高
]

平衡二叉树：
[
任一节点的左右子树的高度相差不超过 1 的树为平衡二叉树

平衡二叉树，树高度最小，所以轮询时查找需要的次数最小，效率最高
]

如何判断是不是平衡二叉树？
[
不是看节点数，是看高度差
可以把所看位置的高度当作0，然后向下，一层一层依次取高度为1，2，3…

图2.1：
结点 60 位置当作高度0，左子树高度2，右子树没有，差值大于1

图2.2：节点66左子树高度3，右子树高度1，差值大于1

图2.3：同理
]

5.1 左旋
[
99节点向上看，第一个不平衡的就是66，所以需要对66左旋

左旋的看法：
把旋转的点的左边的全部断掉重新连接，然后把整体变成旋转点的左节点

右旋同理,
把旋转的点的右边的全部断掉重新连接，然后把整体变成旋转点的右节点

]

6.AVL树的四种插入节点方式
[
LL、RR、LR、RL --就是3层树的最下面4个地方

其中后面两个，先旋转是为归到同一边，变成LL或RR，然后再变

Tree LL_rotate(Tree node) --形参node是离操作结点最近的失衡的结点,本图中对应A --右旋
–按各个节点看，分别看对应的左节点、右节点、父节点
–最终保证是能够连起来就行了，这里的代码里处理是先处理E、A，然后处理B，最后处理A

Tree RR_rotate(Tree node) --同理，左旋

Tree LR_rotate(Tree node) --//LR型，先对失衡节点的左孩子做左旋转，归边变成LL，再对失衡节点做右旋转
–这里图错了，代码对，注意Tree LL_rotate是右旋，Tree RR_rotate是左旋

Tree RL_rotate(Tree node) --//RL型，先对失衡节点的右孩子做右旋转，归边变成RR，再对失衡节点做左旋转
–这里图对，代码也对，注意Tree LL_rotate是右旋，Tree RR_rotate是左旋

void update_depth(Tree node) --代码里取的是"传入节点的孩子"的深度，所以对"传入节点"来说，要+1

]

7.AVL树的四种删除节点方式
[

[
四种删除节点方式:
（1）删除叶子节点
（2）删除的节点只有左子树
（3）删除的节点只有右子树
（4）删除的节点既有左子树又有右子树

删除操作与插入操作后的平衡修正区别在于，插入操作后只需要对插入栈中的弹出的第一个非平衡节点进行修正，
而删除操作需要修正栈中的所有非平衡节点

删除操作的大致步骤如下：
以前三种情况为基础尝试删除节点，并将访问节点入栈。
如果尝试删除成功，则依次检查栈顶节点的平衡状态，遇到非平衡节点，即进行旋转平衡，直到栈空。
如果尝试删除失败，证明是第四种情况。这时先找到被删除节点的右子树最小节点并删除它，将访问节点继续入栈。
再依次检查栈顶节点的平衡状态和修正直到栈空。

对于删除操作造成的非平衡状态的修正，可以这样理解：对左或者右子树的删除操作相当于对右或者左子树的插入操作，
然后再对应上插入的四种情况选择相应的旋转就好了。
]

上面意思分析：
[
1.删除方法
对删除节点，先尝试删除，并放入堆栈，然后
如果删除成功，说明是前3种情况，则依次检查栈顶节点的平衡状态，遇到非平衡节点，即进行旋转平衡，直到栈空；
如果删除失败，说明是第4种情况，然后先找到被删除节点的右子树最小节点并删除它，将访问节点继续入栈，再依
次检查栈顶节点的平衡状态和修正直到栈空
（提示：第4种情况，删除的节点是左子树和右子树都有的，删除后，需要把后续的节点接上删除的位置，就相当于删
除了被删除节点的右子树最小节点，然后接上原始删除的位置）

说明：链表和树删除后，需要把后面的接上去，而不是把后面的都删掉，这和MFC的CTree区别开来，不要混了，因为CTree
是删除某个node，如果带子节点的，会把该node和子节点都删掉

2.删除后自平衡的处理
对左或者右子树的删除操作相当于对右或者左子树的插入操作，然后再对应上插入的四种情况选择相应的旋转就好了

就是把删除操作，转换成对应的插入操作，然后调用插入的4种旋转函数进行处理

删除操作与插入操作后的平衡修正区别在于，插入操作后只需要对插入栈中的弹出的第一个非平衡节点进行修正，
而删除操作需要修正栈中的所有非平衡节点
]

]

=>
总结：
[
平衡二叉树的增删改查，增加和删除后，每次都要通过左旋和右旋来维护二叉树的平衡，

具体自平衡方法是：
总共上面4种平衡情况，插入时要对插入栈中的弹出的第一个非平衡节点进行修正,最终是转换为上面的4种自平衡方法；
删除时，需要修正栈中的所有非平衡节点，删除最终是转为插入情况最终也是调用上面的4种自平衡方法

4种自平衡函数是：
Tree LL_rotate(Tree node) --右旋
Tree RR_rotate(Tree node) --左旋
Tree LR_rotate(Tree node) --//LR型，先对失衡节点的左孩子做左旋转，归边变成LL，再对失衡节点做右旋转
Tree LR_rotate(Tree node) --//RL型，先对失衡节点的右孩子做右旋转，归边变成RR，再对失衡节点做左旋转
]

kevin--你不知道的事

关注

0
点赞
踩
0

收藏

觉得还不错? 一键收藏
0
评论
转载：什么是平衡二叉树（AVL）(+新增理解笔记)

转载：什么是平衡二叉树什么是平衡二叉树（AVL） Wiki:在计算机科学中，AVL树是最早被发明的自平衡二叉查找树。在AVL树中，任一节点对应的两棵子树的最大高度差为1，因此它也被称为高度平衡树。查找、插入和删除在平均和最坏情况下的时间复杂度都是{\displaystyle O(\log {n})}。增加和删除元素的操作则可能需要借由一次或多次树旋转，以实现树的重新平衡。AVL 树得名于它的发明者 G. M. Adelson-Velsky 和 Evgenii Landis，他们在1962年的论文《An a
复制链接

扫一扫