1.二叉排序树可能的问题
1.1 问题分析:
对于一般的二叉搜索树,其期望高度(即为一棵平衡树时)为log2n,其各操作的时间复杂度O(log2n)同时也由此而决定。但是,在某些极端的情况下(如在插入的序列是有序的时),二叉搜索树将退化成近似链或链,此时,其操作的时间复杂度将退化成线性的,即O(n)。我们可以通过随机化建立二叉搜索树来尽量的避免这种情况,但是在进行了多次的操作之后,由于在删除时,我们总是选择将待删除节点的后继代替它本身,这样就会造成总是右边的节点数目减少,以至于树向左偏沉。这同时也会造成树的平衡性受到破坏,提高它的操作的时间复杂度。
1.2 一个案例:
给定一个数列{1,2,3,4,5,6},要求创建一颗二叉排序树:
生成的二叉树如图:
问题分析:
- 左子树全部为空,从形式上看,更像一个单链表
- 插入速度没有影响
- 查询速度明显降低(因为需要依次比较),不能发挥二叉排序树的优势,因为每次还需要比较左子树,其查询速度比单链表还慢
- 解决方案:平衡二叉树
2. 平衡二叉树
2.1 基本介绍
- 平衡二叉树也叫平衡二叉搜索树,又被称为AVL树,可以保证查询效率较高
- 具有以下特点:它是一颗空树或它的左右两个子树的高度差的绝对值不超过1,并且左右两个子树都是一颗平衡二叉树。平衡二叉树的常用实现方法有红黑树、AVL、替罪羊树、Treap、伸展树等
2.2 举例说明平衡二叉树
上面的两张图片,左边的是AVL树,它的任何节点的两个子树的高度差别都<=1;而右边的不是AVL树,因为7的两颗子树的高度相差为2(以2为根节点的树的高度是3,而以8为根节点的树的高度是1)
3. 实现一个平衡二叉树
3.1 旋转
如果在AVL树中进行插入或删除节点后,可能导致AVL树失去平衡。这种失去平衡的可以概括为4种姿态:LL(左左),LR(左右),RR(右右)和RL(右左)。下面给出它们的示意图:
上图中的4棵树都是"失去平衡的AVL树",从左往右的情况依次是:LL、LR、RL、RR。除了上面的情况之外,还有其它的失去平衡的AVL树,如下图:
上面的两张图都是为了便于理解,而列举的关于"失去平衡的AVL树"的例子。总的来说,AVL树失去平衡时的情况一定是LL、LR、RL、RR这4种之一,它们都由各自的定义:
- LL:LeftLeft,也称为"左左"。插入或删除一个节点后,根节点的左子树的左子树还有非空子节点,导致"根的左子树的高度"比"根的右子树的高度"大2,导致AVL树失去了平衡。
例如,在上面LL情况中,由于"根节点(8)的左子树(4)的左子树(2)还有非空子节点",而"根节点(8)的右子树(12)没有子节点";导致"根节点(8)的左子树(4)高度"比"根节点(8)的右子树(12)"高2。 - LR:LeftRight,也称为"左右"。插入或删除一个节点后,根节点的左子树的右子树还有非空子节点,导致"根的左子树的高度"比"根的右子树的高度"大2,导致AVL树失去了平衡。
例如,在上面LR情况中,由于"根节点(8)的左子树(4)的左子树(6)还有非空子节点",而"根节点(8)的右子树(12)没有子节点";导致"根节点(8)的左子树(4)高度"比"根节点(8)的右子树(12)"高2。 - RL:RightLeft,称为"右左"。插入或删除一个节点后,根节点的右子树的左子树还有非空子节点,导致"根的右子树的高度"比"根的左子树的高度"大2,导致AVL树失去了平衡。
例如,在上面RL情况中,由于"根节点(8)的右子树(12)的左子树(10)还有非空子节点",而"根节点(8)的左子树(4)没有子节点";导致"根节点(8)的右子树(12)高度"比"根节点(8)的左子树(4)"高2。 - RR:RightRight,称为"右右"。插入或删除一个节点后,根节点的右子树的右子树还有非空子节点,导致"根的右子树的高度"比"根的左子树的高度"大2,导致AVL树失去了平衡。
例如,在上面RR情况中,由于"根节点(8)的右子树(12)的右子树(14)还有非空子节点",而"根节点(8)的左子树(4)没有子节点";导致"根节点(8)的右子树(12)高度"比"根节点(8)的左子树(4)"高2。
如果在AVL树中进行插入或删除节点后,可能导致AVL树失去平衡。AVL失去平衡之后,可以通过旋转使其恢复平衡,下面分别介绍"LL(左左),LR(左右),RR(右右)和RL(右左)"这4种情况对应的旋转方法。
3.1.1 LL的旋转
LL失去平衡的情况,可以通过一次旋转让AVL树恢复平衡。如下图:
图中左边是旋转之前的树,右边是旋转之后的树。从中可以发现,旋转之后的树又变成了AVL树,而且该旋转只需要一次即可完成。
对于LL旋转,你可以这样理解为:LL旋转是围绕"失去平衡的AVL根节点"进行的,也就是节点k2;而且由于是LL情况,即左左情况,就用手抓着"左孩子,即k1"使劲摇。将k1变成根节点,k2变成k1的右子树,“k1的右子树"变成"k2的左子树”。
3.1.2 RR的旋转
理解了LL之后,RR就相当容易理解了。RR是与LL对称的情况!RR恢复平衡的旋转方法如下:
图中左边是旋转之前的树,右边是旋转之后的树。RR旋转也只需要一次即可完成。
3.1.3 LR的旋转
LR失去平衡的情况,需要经过两次旋转才能让AVL树恢复平衡。如下图:
第一次旋转是围绕"k1"进行的"RR旋转",第二次是围绕"k3"进行的"LL旋转"。
3.1.4 RL的旋转
RL是与LR的对称情况!RL恢复平衡的旋转方法如下:
第一次旋转是围绕"k3"进行的"LL旋转",第二次是围绕"k1"进行的"RR旋转"。
3.2 代码:
public class AVLTreeDemo1 {
public AVLTreeNode root; // 根结点
/**
* - 插入操作的入口
* - @param insertValue
*/
public void insert(long insertValue) {
root = insert(root, insertValue);
}
/**
* - 插入的递归实现
* - @param subTree
* - @param insertValue
* - @return
*/
private AVLTreeNode insert(AVLTreeNode subTree, long insertValue) {
if (subTree == null) {
return new AVLTreeNode(insertValue, null, null);
}
if (insertValue < subTree.value) { // 插入左子树
subTree.left = insert(subTree.left, insertValue);
if (unbalanceTest(subTree)) { // 插入后造成失衡
if (insertValue < subTree.left.value) { // LL型失衡
subTree = leftLeftRotation(subTree);
} else { // LR型失衡
subTree = leftRightRotation(subTree);
}
}
} else if (insertValue > subTree.value) { // 插入右子树
subTree.right = insert(subTree.right, insertValue);
if (unbalanceTest(subTree)) { // 插入后造成失衡
if (insertValue < subTree.right.value) { // RL型失衡
subTree = rightLeftRotation(subTree);
} else { // RR型失衡
subTree = rightRightRotation(subTree);
}
}
} else {
throw new RuntimeException("duplicate value: " + insertValue);
}
return subTree;
}
/**
* - RL型旋转
* - @param k1 子树根节点
* - @return
*/
private AVLTreeNode rightLeftRotation(AVLTreeNode k1) {
k1.right = leftLeftRotation(k1.right);
return rightRightRotation(k1);
}
/**
* - RR型旋转
* - @param k1 k1 子树根节点
* - @return
*/
private AVLTreeNode rightRightRotation(AVLTreeNode k1) {
AVLTreeNode k2;
k2 = k1.right;
k1.right = k2.left;
k2.left = k1;
return k2;
}
/**
* - LR型旋转
* - @param k3
* - @return
*/
private AVLTreeNode leftRightRotation(AVLTreeNode k3) {
k3.left = rightRightRotation(k3.left);
return leftLeftRotation(k3);
}
/**
* - LL型旋转
* <p>
* - @author chenlongfei
* <p>
* - @param k2
* <p>
* - @return
*/
private AVLTreeNode leftLeftRotation(AVLTreeNode k2) {
AVLTreeNode k1;
k1 = k2.left;
k2.left = k1.right;
k1.right = k2;
return k1;
}
/**
* - 判断是否失衡 - @param treeRoot - @return
*/
private boolean unbalanceTest(AVLTreeNode treeRoot) {
int leftHeight = treeRoot.left.height();
int rightHeight = treeRoot.right.height();
int diff = Math.abs(leftHeight - rightHeight);
return diff > 1;
}
/**
* - 删除操作的入口 - @param value
*/
public void remove(long value) {
root = remove(root, value);
}
/**
* - 删除操作的递归实现
* - @param tree
* - @param value
* - @return
*/
private AVLTreeNode remove(AVLTreeNode tree, long value) {
if (tree == null) {
return tree;
}
if (value < tree.value) { // 要删除的节点在左子树
tree.left = remove(tree.left, value);
} else if (value > tree.value) { // 要删除的节点在右子树
tree.right = remove(tree.right, value);
} else if (tree.value == value) { // 要删除的节点就是本身
if (tree.left != null && tree.right != null) { // 左右子树都存在
if (tree.left.height() > tree.right.height()) {
/*
* - 如果tree的左子树比右子树高:
*
* - 1. 找出tree的左子树中的最大节点
* - 2. 将该最大节点的值赋值给tree。
* - 3. 删除该最大节点。
* - 这类似于用"tree的左子树中最大节点"做"tree"的替身
* - 采用这种方式的好处是:删除"tree的左子树中最大节点"之后,AVL树仍然是平衡的
*/
AVLTreeNode max = getMaxNode(tree.left);
tree.value = max.value;
tree.left = remove(tree.left, max.value);
} else {
/*
* - 如果tree的左子树不高于右子树:
* - 1. 找出tree的右子树中的最小节点
* - 2. 将该最小节点的值赋值给tree。
* - 3. 删除该最小节点。
* - 这类似于用"tree的右子树中最小节点"做"tree"的替身
* - 采用这种方式的好处是:删除"tree的左子树中最大节点"之后,AVL树仍然是平衡的
*/
AVLTreeNode min = getMinNode(tree.right);
tree.value = min.value;
tree.right = remove(tree.right, min.value);
}
} else {
tree = tree.left == null ? tree.right : tree.left;
}
} else {
System.out.println("no node matched value: " + value);
}
return tree;
}
/**
* - 获取值最大的节点
* - @param node
* - @return
*/
private AVLTreeNode getMaxNode(AVLTreeNode node) {
if (node == null) {
return null;
}
if (node.right != null) {
return getMaxNode(node.right);
} else {
return node;
}
}
/**
* - 获取值最小的节点
* - @param node
* - @return
*/
private AVLTreeNode getMinNode(AVLTreeNode node) {
if (node == null) {
return null;
}
if (node.left != null) {
return getMinNode(node.left);
} else {
return node;
}
}
}
// AVL树的节点
@Data
class AVLTreeNode {
long value; // 节点存储的数值
AVLTreeNode left; // 左孩子
AVLTreeNode right; // 右孩子
public AVLTreeNode(long value, AVLTreeNode left, AVLTreeNode right) {
this.value = value;
this.left = left;
this.right = right;
}
//返回 以该结点为根结点的树的高度
public int height() {
return Math.max(left == null ? 0 : left.height(), right == null ? 0 : right.height()) + 1;
}
}
3. 测试:
public static void preorder(AVLTreeNode currentRoot) {
if (currentRoot != null) {
System.out.print(currentRoot.value + "\t");
preorder(currentRoot.left);
preorder(currentRoot.right);
}
}
public static void main(String[] args) {
AVLTree tree = new AVLTree();
int arr[] = { 3, 2, 1, 4, 5, 6, 7, 16, 15, 14, 13, 12, 11, 10, 8, 9 };
for (int a : arr) {
tree.insert(a);
}
preorder(tree.root);
}
输出:
7 4 2 1 3 6 5 13 11 9 8 10 12 15 14 16