【ShuQiHere】AVL 树：保持平衡的二叉搜索树究竟有何奥秘？

ShuQiHere

于 2024-09-30 00:00:00 发布

阅读量413

点赞数 12

分类专栏：【ShuQiHere】数据结构与算法文章标签：算法

本文链接：https://blog.csdn.net/wangshuqi666/article/details/142624662

版权

【ShuQiHere】数据结构与算法专栏收录该内容

15 篇文章 1 订阅

订阅专栏

【ShuQiHere】🌳

引言

在计算机科学中，数据结构决定了我们处理数据的效率。二叉搜索树（Binary Search Tree, BST） 是一种常用的数据结构，它允许快速地进行查找、插入和删除操作。然而，BST 的效率取决于树的高度，如果树过于不平衡，其效率将大打折扣，甚至退化为 O(n) 的操作。这时，AVL 树（AVL Tree） 闪亮登场。AVL 树是一种自平衡的二叉搜索树，能够确保树的高度始终保持在 O(log n)，从而保证操作的效率。在本文中，我们将深入探讨 AVL 树的结构与特点，并通过丰富的例子帮助你理解其内部机制。

1. 什么是 AVL 树？（AVL Tree）🌱

AVL 树 是一种自平衡的二叉搜索树，它由两位苏联数学家 Adelson-Velsky 和 Landis 在1962年发明，因此命名为 AVL 树。AVL 树的最大特点是，它在每次插入和删除节点后，都会检查树的平衡性，并通过旋转操作（Rotation）来保持平衡。

AVL 树的性质

每个节点的左子树和右子树的高度差（平衡因子，Balance Factor）不超过 1。
这种平衡性确保 AVL 树的高度始终为 O(log n)，从而使得查找、插入和删除操作的时间复杂度为 O(log n)。

AVL 树与普通 BST 的对比

在普通的二叉搜索树中，树的高度可能会随着插入和删除操作而变得不平衡，导致操作效率降低。例如，以下是一棵不平衡的 BST：

该树的高度为 4，而节点数仅有 4 个，这使得查找、插入和删除的时间复杂度接近 O(n)。

相比之下，AVL 树通过保持平衡，能确保树的高度接近 O(log n)，例如：

2. AVL 树的高度与平衡因子（Balance Factor）

树的高度（Height of a Tree）

树的高度指的是从根节点到叶节点的最长路径中包含的边数。在 AVL 树中，空树的高度定义为 -1，单节点树的高度为 0。

平衡因子（Balance Factor）

平衡因子 是 AVL 树中衡量节点平衡性的重要指标，它等于该节点的左子树高度减去右子树高度：
[
\text{平衡因子} = \text{左子树高度} - \text{右子树高度}
]
如果平衡因子为 1、0 或 -1，则表示该节点是平衡的；如果平衡因子超出了这个范围（大于 1 或小于 -1），则需要进行旋转来恢复平衡。

例子：节点的平衡因子

假设有一棵 AVL 树如下：

节点 10 的平衡因子 = 1（左子树高度为 2，右子树高度为 1）。
节点 5 的平衡因子 = 0（左右子树高度相等）。
节点 20 的平衡因子 = 1。

所有节点的平衡因子均在 -1 到 1 之间，因此这是一个平衡的 AVL 树。

3. 插入操作：保持平衡的关键 🌿

插入操作 在 AVL 树中的过程与普通二叉搜索树类似，即按照 BST 的规则找到插入位置。然而，插入后可能会破坏树的平衡，需要通过旋转来恢复平衡。插入操作的步骤如下：

按照 BST 规则插入节点。
插入后，回溯检查每个节点的平衡因子。
如果某个节点的平衡因子超出范围（即大于 1 或小于 -1），则进行旋转操作恢复平衡。

不同类型的旋转

左旋（Left Rotation）：用于修复右子树过高的情况。
右旋（Right Rotation）：用于修复左子树过高的情况。
左-右旋（Left-Right Rotation） 和 右-左旋（Right-Left Rotation）：用于修复复杂的失衡情况。

代码示例：右旋与左旋

// 右旋
public Node rotateRight(Node y) {
    Node x = y.left;
    Node T2 = x.right;

    // 进行旋转
    x.right = y;
    y.left = T2;

    // 更新高度
    y.height = Math.max(height(y.left), height(y.right)) + 1;
    x.height = Math.max(height(x.left), height(x.right)) + 1;

    return x;  // 返回新的根节点
}

// 左旋
public Node rotateLeft(Node x) {
    Node y = x.right;
    Node T2 = y.left;

    // 进行旋转
    y.left = x;
    x.right = T2;

    // 更新高度
    x.height = Math.max(height(x.left), height(x.right)) + 1;
    y.height = Math.max(height(y.left), height(y.right)) + 1;

    return y;  // 返回新的根节点
}

插入操作的例子

假设我们有如下 AVL 树：

      10
     /  \
    5    20

现在插入 25：

插入后，树结构为：

由于节点 20 的平衡因子变为 -2，我们需要进行左旋，最终树结构为：

4. 删除操作：调整后的平衡 ❌

删除操作同样可能破坏树的平衡，删除后的重平衡过程如下：

按照 BST 规则删除节点。
从删除点开始，沿着路径向上检查每个节点的平衡因子。
如果某个节点失衡，则通过旋转操作恢复平衡。

删除操作的旋转情况

删除后的旋转操作与插入操作类似，包括左旋、右旋、左-右旋和右-左旋。

删除操作的代码示例

public Node deleteNode(Node root, int key) {
    if (root == null) {
        return root;
    }

    // 标准的 BST 删除
    if (key < root.key) {
        root.left = deleteNode(root.left, key);
    } else if (key > root.key) {
        root.right = deleteNode(root.right, key);
    } else {
        // 找到要删除的节点
        if ((root.left == null) || (root.right == null)) {
            Node temp = (root.left != null) ? root.left : root.right;
            if (temp == null) {
                root = null;
            } else {
                root = temp;
            }
        } else {
            Node temp = minValueNode(root.right);
            root.key = temp.key;
            root.right = deleteNode(root.right, temp.key);
        }
    }

    if (root == null) return root;

    // 更新节点高度
    root.height = Math.max(height(root.left), height(root.right)) + 1;

    // 检查平衡性并旋转
    int balance = getBalance(root);
    if (balance > 1 && getBalance(root.left) >= 0) {
        return rotateRight(root);
    }
    if (balance > 1 && getBalance(root.left) < 0) {
        root.left = rotateLeft(root.left);
        return rotateRight(root);
    }
    if (balance < -1 && getBalance(root.right) <= 0) {
        return rotateLeft(root);
    }
    if (balance < -1 && getBalance(root.right) > 0) {
        root.right = rotateRight(root.right);
        return rotateLeft(root);
    }

    return root;
}