在上篇博客中,学习了二分搜索树:Java数据结构和算法(六)--二叉树,但是二分搜索树本身存在一个问题:
如果现在插入的数据为1,2,3,4,5,6,这样有序的数据,或者是逆序。
这种情况下的二分搜索树和链表几乎完全一样,是最不平衡的二叉树了,二分搜索树的效率直接降到最低。
如何解决上述问题:
使二分搜索树保持平衡二叉树的特征,而今天要讲述的AVL树是最经典的平衡二叉树了。
满二叉树:
除了叶子节点其余节点都有左右两个子节点的树。
完全二叉树:
对于一个树高为h的二叉树,如果其第0层至第h-1层的节点都满。如果最下面一层节点不满,则所有的节点在左边的连续排列,空位都在右边。
简单总结:从上到下,从左到右的排列。这样的二叉树就是一棵完全二叉树。
AVL树:
AVL的名称来自其发明者G.M.Adelson-velsky 和E.M.Landis的首字母,是1962年提出的概念,平衡二叉搜索树也就是AVL树。
特征:
1、对于任意一个节点,左子树和右子树的高度差不能超过1。
2、平衡二叉树的高度和节点数量之间的关系也是O(logn)。
例如:现在在二分搜索树添加一个元素6。
就已经不满足特征1了,为了平衡,我们需要标注节点的高度,如上图标注,节点高度=所有子树中最高的子树的高度+1,然后可以计算平衡因子,平衡因子=左子树的高度-右子树的高度,所以任意一个节点的平衡因子的绝对值 >= 2,这棵树就不是平衡二叉树了。
所以平衡因子就是是否平衡二叉树的判断标准。
实现节点高度和平衡因子计算:
private class Node {
public K key;
public V value;
public Node left, right;
private int height;
public Node(K key, V value) {
this.key = key;
this.value = value;
left = null;
right = null;
this.height = 1; //因为每次节点刚插入都是叶子节点,所以初始高度都是1
}
}
//获得节点高度
private int getHeight(Node node) {
if (node == null) {
return 0;
} else {
return node.height;
}
}
//获得节点平衡因子
private int getBalanceFactor(Node node) {
if (node == null) {
return 0;
}
return getHeight(node.left) - getHeight(node.right);
}
检查二分搜索树性质和平衡性:
//判断当前Tree是否为binary search tree
public boolean isBST() {
ArrayList keys = new ArrayList<>();
infixOrder(root, keys); //中序遍历,如果是平衡二叉树,中序遍历就是升序
for (int i = 0; i < keys.size(); i++) {
if (keys.get(i-1).compareTo(keys.get(i)) > 0) { //如果当前node小于前一个node的值,返回false
return false;
}
}
return true;
}
private void infixOrder(Node node, ArrayList keys) {
if (node == null) {
return;
}
infixOrder(node.left, keys);
keys.add(node.key);
infixOrder(node.right, keys);
}
//判断当前tree是否为平衡二叉树
public boolean isBalanced() {
return isBalanced(root);
}
private boolean isBalanced(Node node) {
if (node == null) {
return true;
}
int isBalanced = getBalanceFactor(node);
if (Math.abs(isBalanced) > 1) {
return false;
}
return isBalanced(node.left) && isBalanced(node.right);
}
旋转操作基本原理(左旋和右旋):
左旋转和右旋转是AVL树保证平衡的手段。
当新添加一个node,会影响其父节点或者祖先节点的平衡因子,所以我们需要沿着节点向上维护平衡性。
情形1:插入的节点在不平衡节点的左侧的左侧,也就是整体向左倾斜,需要进行右旋转。
右旋过程:
我们沿着节点6向上寻找,直到找到节点20,平衡因子等于2,需要对节点20进行维护,进行右旋转的操作如下:
1、先把节点20的右子树断开。
2、将节点20的右子树等于节点50。
3、把节点20的原右子树变成接地那50的左子树。
此时,这棵树既满足二分搜索树,又满足平衡二叉树。
情形2:插入的节点在不平衡节点的右侧的右侧,也就是整体向右倾斜,需要进行左旋转。
理解了右旋,左旋过程就很简单了,直接上图。
左旋和右旋示例代码:
/**
* 实现右旋
* y为需要右旋的节点
* x为需要旋转节点的左子节点
* z为target1的右子节点
*/
private Node rightRotate(Node y) {
Node x = y.left;
Node z = x.right;
//右旋过程
x.right = y;
y.left = z;
//更新height,只有target和target1的高度才会变化,需要先更新target的height,因为target1的height依赖target
y.height = Math.max(getHeight(y.left), getHeight(y.right)) + 1;
x.height = Math.max(getHeight(x.left), getHeight(x.right)) + 1;
return x;
}
/**
* 实现右旋
* y为需要左旋的节点
* x为需要旋转节点的右子节点
* z为target1的左子节点
*/
private Node leftRotate(Node y) {
Node x = y.right;
Node z = x.left;
//右旋过程
x.left = y;
y.right = z;
//更新height,只有target和target1的高度才会变化,需要先更新target的height,因为target1的height依赖target
y.height = Math.max(getHeight(y.left), getHeight(y.right)) + 1;
x.height = Math.max(getHeight(x.left), getHeight(x.right)) + 1;
return x;
}
// 向以node为根的二分搜索树中插入元素e,递归算法
// 返回插入新节点后二分搜索树的根
private Node add(Node node, K key, V value){
if(node == null){
size ++;
return new Node(key, value);
}
if(key.compareTo(node.key) < 0)
node.left = add(node.left, key, value);
else if(key.compareTo(node.key) > 0)
node.right = add(node.right, key, value);
else
node.value = value;
//更新height
node.height = Math.max(getHeight(node.left), getHeight(node.right)) + 1;
//计算平衡因子
int balanceFactor = getBalanceFactor(node);
if (Math.abs(balanceFactor) > 1) {
System.out.println("current node is not balanced binary tree" + balanceFactor);
}
//平衡维护,balanceFactor > 1表示左子树高度大于右子树的高度,需要右旋
if (balanceFactor > 1 && getBalanceFactor(node.left) >= 0) {
return rightRotate(node);
}
//平衡维护,balanceFactor > 1表示右子树高度大于左子树的高度,需要左旋
if (balanceFactor < -1 && getBalanceFactor(node.right) <= 0) {
return leftRotate(node);
}
return node;
}
LR和RL:
在此之前说的两种情况实际上就是LL和RR,这里我们写一下LR和RL,对应着插入的节点在不平衡节点的左侧的右侧,以及右侧的左侧。
LR:
RL:
代码示例:
//LR
if (balanceFactor > 1 && getBalanceFactor(node.left) < 0) {
node.left = leftRotate(node.left);
return rightRotate(node);
}
//RL
if (balanceFactor < -1 && getBalanceFactor(node.right) < 0) {
node.right = rightRotate(node.right);
return leftRotate(node);
}
PS:
随机数据插入并查询的场景,AVL还是明显比二叉搜索树快,而在顺序/倒叙插入并查询,二叉搜索树效率严重下降,简直不能看,而AVL树效率依旧。
contains():
// 看二分AVL树中是否包含元素key
public boolean contains(K key){
return contains(root, key);
}
// 看以node为根的AVL树中是否包含元素value, 递归算法
private boolean contains(Node node, K key){
if(node == null)
return false;
if(key.compareTo(node.key) == 0)
return true;
else if(key.compareTo(node.key) < 0)
return contains(node.left, key);
else // e.compareTo(node.key) > 0
return contains(node.right, key);
}
删除元素:
// 从二分搜索树中删除元素为e的节点
public V remove(K key){
Node node = getNode(root, key);
if (node != null) {
root = remove(root, key);
return node.value;
}
return null;
}
// 删除掉以node为根的二分搜索树中值为e的节点, 递归算法
// 返回删除节点后新的二分搜索树的根
Node remove(Node node, K key){
if( node == null )
return null;
Node retNode; //保证平衡性,用于返回
if( key.compareTo(node.key) < 0 ){
node.left = remove(node.left , key);
retNode = node;
}
else if(key.compareTo(node.key) > 0 ){
node.right = remove(node.right, key);
retNode = node;
}
else{
// 待删除节点左子树为空的情况
if(node.left == null){
Node rightNode = node.right;
node.right = null;
size --;
retNode = rightNode;
}
// 待删除节点右子树为空的情况
else if(node.right == null){
Node leftNode = node.left;
node.left = null;
size --;
retNode = leftNode;
} else {
// 待删除节点左右子树均不为空的情况
// 找到比待删除节点大的最小节点, 即待删除节点右子树的最小节点
// 用这个节点顶替待删除节点的位置
Node successor = minimum(node.right);
successor.right = remove(node.right, successor.key);
successor.left = node.left;
node.left = node.right = null;
retNode = successor;
}
}
if (retNode == null) {
return null;
}
//更新height
retNode.height = Math.max(getHeight(retNode.left), getHeight(retNode.right)) + 1;
//计算平衡因子
int balanceFactor = getBalanceFactor(retNode);
//平衡维护,balanceFactor > 1表示左子树高度大于右子树的高度,需要右旋
//LL
if (balanceFactor > 1 && getBalanceFactor(retNode.left) >= 0) {
return rightRotate(retNode);
}
//平衡维护,balanceFactor > 1表示右子树高度大于左子树的高度,需要左旋
//RR
if (balanceFactor < -1 && getBalanceFactor(retNode.right) <= 0) {
return leftRotate(retNode);
}
//LR
if (balanceFactor > 1 && getBalanceFactor(retNode.left) < 0) {
retNode.left = leftRotate(retNode.left);
return rightRotate(retNode);
}
//RL
if (balanceFactor < -1 && getBalanceFactor(retNode.right) < 0) {
retNode.right = rightRotate(retNode.right);
return leftRotate(retNode);
}
return retNode;
}
private Node getNode(Node node, K key) {
if( node == null )
return null;
if( key.compareTo(node.key) < 0 ){
getNode(node.left, key);
} else if(key.compareTo(node.key) > 0){
getNode(node.right, key);
} else {
return node;
}
return null;
}
AVLTree.java完整代码:
public class AVLTree, V> {
private class Node {
public K key;
public V value;
public Node left, right;
private int height;
public Node(K key, V value) {
this.key = key;
this.value = value;
left = null;
right = null;
this.height = 1; //因为每次节点刚插入都是叶子节点,高度都是1
}
}
private Node root;
private int size;
public AVLTree(){
root = null;
size = 0;
}
public int size(){
return size;
}
public boolean isEmpty(){
return size == 0;
}
//判断当前Tree是否为binary search tree
public boolean isBST() {
ArrayList keys = new ArrayList<>();
infixOrder(root, keys); //中序遍历,如果是平衡二叉树,中序遍历就是升序
for (int i = 0; i < keys.size(); i++) {
if (keys.get(i-1).compareTo(keys.get(i)) > 0) { //如果当前node小于前一个node的值,返回false
return false;
}
}
return true;
}
private void infixOrder(Node node, ArrayList keys) {
if (node == null) {
return;
}
infixOrder(node.left, keys);
keys.add(node.key);
infixOrder(node.right, keys);
}
//判断当前tree是否为平衡二叉树
public boolean isBalanced() {
return isBalanced(root);
}
private boolean isBalanced(Node node) {
if (node == null) {
return true;
}
int isBalanced = getBalanceFactor(node);
if (Math.abs(isBalanced) > 1) {
return false;
}
return isBalanced(node.left) && isBalanced(node.right);
}
//获得节点高度
private int getHeight(Node node) {
if (node == null) {
return 0;
} else {
return node.height;
}
}
//获得节点平衡因子
private int getBalanceFactor(Node node) {
if (node == null) {
return 0;
}
return getHeight(node.left) - getHeight(node.right);
}
// 向二分搜索树中添加新的元素e
public void add(K key, V value){
root = add(root, key, value);
}
/**
* 实现右旋
* y为需要右旋的节点
* x为需要旋转节点的左子节点
* z为target1的右子节点
*/
private Node rightRotate(Node y) {
Node x = y.left;
Node z = x.right;
//右旋过程
x.right = y;
y.left = z;
//更新height,只有target和target1的高度才会变化,需要先更新target的height,因为target1的height依赖target
y.height = Math.max(getHeight(y.left), getHeight(y.right)) + 1;
x.height = Math.max(getHeight(x.left), getHeight(x.right)) + 1;
return x;
}
/**
* 实现右旋
* y为需要左旋的节点
* x为需要旋转节点的右子节点
* z为target1的左子节点
*/
private Node leftRotate(Node y) {
Node x = y.right;
Node z = x.left;
//右旋过程
x.left = y;
y.right = z;
//更新height,只有target和target1的高度才会变化,需要先更新target的height,因为target1的height依赖target
y.height = Math.max(getHeight(y.left), getHeight(y.right)) + 1;
x.height = Math.max(getHeight(x.left), getHeight(x.right)) + 1;
return x;
}
// 向以node为根的二分搜索树中插入元素e,递归算法
// 返回插入新节点后二分搜索树的根
private Node add(Node node, K key, V value){
if(node == null){
size ++;
return new Node(key, value);
}
if(key.compareTo(node.key) < 0)
node.left = add(node.left, key, value);
else if(key.compareTo(node.key) > 0)
node.right = add(node.right, key, value);
else
node.value = value;
//更新height
node.height = Math.max(getHeight(node.left), getHeight(node.right)) + 1;
//计算平衡因子
int balanceFactor = getBalanceFactor(node);
//平衡维护,balanceFactor > 1表示左子树高度大于右子树的高度,需要右旋
//LL
if (balanceFactor > 1 && getBalanceFactor(node.left) >= 0) {
return rightRotate(node);
}
//平衡维护,balanceFactor > 1表示右子树高度大于左子树的高度,需要左旋
//RR
if (balanceFactor < -1 && getBalanceFactor(node.right) <= 0) {
return leftRotate(node);
}
//LR
if (balanceFactor > 1 && getBalanceFactor(node.left) < 0) {
node.left = leftRotate(node.left);
return rightRotate(node);
}
//RL
if (balanceFactor < -1 && getBalanceFactor(node.right) < 0) {
node.right = rightRotate(node.right);
return leftRotate(node);
}
return node;
}
// 看二分AVL树中是否包含元素key
public boolean contains(K key){
return contains(root, key);
}
// 看以node为根的AVL树中是否包含元素value, 递归算法
private boolean contains(Node node, K key){
if(node == null)
return false;
if(key.compareTo(node.key) == 0)
return true;
else if(key.compareTo(node.key) < 0)
return contains(node.left, key);
else // e.compareTo(node.key) > 0
return contains(node.right, key);
}
// 寻找二分搜索树的最小元素
public V minimum(){
if(size == 0)
throw new IllegalArgumentException("BST is empty!");
return minimum(root).value;
}
// 返回以node为根的二分搜索树的最小值所在的节点
private Node minimum(Node node){
if(node.left == null)
return node;
return minimum(node.left);
}
// 寻找二分搜索树的最大元素
public V maximum(){
if(size == 0)
throw new IllegalArgumentException("BST is empty");
return maximum(root).value;
}
// 返回以node为根的二分搜索树的最大值所在的节点
private Node maximum(Node node){
if(node.right == null)
return node;
return maximum(node.right);
}
// 从二分搜索树中删除元素为e的节点
public V remove(K key){
Node node = getNode(root, key);
if (node != null) {
root = remove(root, key);
return node.value;
}
return null;
}
// 删除掉以node为根的二分搜索树中值为e的节点, 递归算法
// 返回删除节点后新的二分搜索树的根
Node remove(Node node, K key){
if( node == null )
return null;
Node retNode; //保证平衡性,用于返回
if( key.compareTo(node.key) < 0 ){
node.left = remove(node.left , key);
retNode = node;
}
else if(key.compareTo(node.key) > 0 ){
node.right = remove(node.right, key);
retNode = node;
}
else{
// 待删除节点左子树为空的情况
if(node.left == null){
Node rightNode = node.right;
node.right = null;
size --;
retNode = rightNode;
}
// 待删除节点右子树为空的情况
else if(node.right == null){
Node leftNode = node.left;
node.left = null;
size --;
retNode = leftNode;
} else {
// 待删除节点左右子树均不为空的情况
// 找到比待删除节点大的最小节点, 即待删除节点右子树的最小节点
// 用这个节点顶替待删除节点的位置
Node successor = minimum(node.right);
successor.right = remove(node.right, successor.key);
successor.left = node.left;
node.left = node.right = null;
retNode = successor;
}
}
if (retNode == null) {
return null;
}
//更新height
retNode.height = Math.max(getHeight(retNode.left), getHeight(retNode.right)) + 1;
//计算平衡因子
int balanceFactor = getBalanceFactor(retNode);
//平衡维护,balanceFactor > 1表示左子树高度大于右子树的高度,需要右旋
//LL
if (balanceFactor > 1 && getBalanceFactor(retNode.left) >= 0) {
return rightRotate(retNode);
}
//平衡维护,balanceFactor > 1表示右子树高度大于左子树的高度,需要左旋
//RR
if (balanceFactor < -1 && getBalanceFactor(retNode.right) <= 0) {
return leftRotate(retNode);
}
//LR
if (balanceFactor > 1 && getBalanceFactor(retNode.left) < 0) {
retNode.left = leftRotate(retNode.left);
return rightRotate(retNode);
}
//RL
if (balanceFactor < -1 && getBalanceFactor(retNode.right) < 0) {
retNode.right = rightRotate(retNode.right);
return leftRotate(retNode);
}
return retNode;
}
private Node getNode(Node node, K key) {
if( node == null )
return null;
if( key.compareTo(node.key) < 0 ){
getNode(node.left, key);
} else if(key.compareTo(node.key) > 0){
getNode(node.right, key);
} else {
return node;
}
return null;
}
@Override
public String toString(){
StringBuilder res = new StringBuilder();
generateBSTString(root, 0, res);
return res.toString();
}
// 生成以node为根节点,深度为depth的描述二叉树的字符串
private void generateBSTString(Node node, int depth, StringBuilder res){
if(node == null){
res.append(generateDepthString(depth) + "null\n");
return;
}
res.append(generateDepthString(depth) + node.key +"\n");
generateBSTString(node.left, depth + 1, res);
generateBSTString(node.right, depth + 1, res);
}
private String generateDepthString(int depth){
StringBuilder res = new StringBuilder();
for(int i = 0 ; i < depth ; i ++)
res.append("--");
return res.toString();
}
}