一. 红黑树与2-3树
-
《算法导论》中的红黑树
1. 每个节点或者是红色的， 或者是黑色的
2. 根节点是黑色的
3. 每一个叶子节点(最后的空节点) 是黑色的
4. 如果一个节点是红色的， 那么他的孩子节点都是黑色的
5. 从任意节点到叶子节点，进过的黑色节点是一样的
-
红黑树与2-3树的等价性
理解了2-3树和红黑树之间的关系之后， 红黑树并不难
学习2-3树， 不仅对于理解红黑树有帮助
对于理解B类树(通常用于磁盘存储、文件系统、数据库)，也是有巨大帮助的！
-
2-3树
1. 满足二分搜索树的基本性质
2. 节点可以存放一个元素或两个元素
a b c
/ \ / | \
二节点 三节点
2-3树是一棵绝对平衡的树:
从根节点到任意一个叶子节点，所经过的节点一定是相同的！
二.2-3树的绝对平衡性
2-3树如何保持绝对平衡？
保持平衡的关键是: 永远不会在空的地方添加节点
举例： 2-3树依次 加入 37, 42, 12, 18, 6, 11, 5
1. 37
------------------------------------------------
2. 37,42
------------------------------------------------
3. 12,37,42
37
/ \
12 42
------------------------------------------------
4. 37
/ \
12,18 42
------------------------------------------------
5. 37
/ \
6,12,18 42
37
/ \
12 42
/ \
6 18
12,37
/ | \
6 18 42
------------------------------------------------
6. 12,37
/ | \
6,11 18 42
------------------------------------------------
7. 12,37
/ | \
5,6,11 18 42
12,37
/ | \
6 18 42
/ \
5 11
6,12,37
/ | | \
5 11 18 42
12
/ \
6 37
/ \ / \
5 11 18 42
------------------------------------------------
三. 红黑树与2-3树的等价性
红黑树和2-3树本质上是一样的，
但2-3树的节点最多可以存2个元素， 不利于编写代码，
而红黑树每个节点只能存一个元素。
代码的简单编写
在以前二分搜索树BST的基础上修改， 作为红黑树代码的雏形 //****表示修改代码的地方
RBT.java
import java.util.ArrayList;
public class RBTree<K extends Comparable<K>, V> {
private static final boolean RED = true; //****静态不可修改的变量
private static final boolean BLACK = false;
private class Node{
public K key;
public V value;
public Node left, right;
public boolean color;
public Node(K key, V value){
this.key = key;
this.value = value;
left = null;
right = null;
color = RED;//****默认新创建的节点为红色, 原因后续会讲解
}
}
private Node root;
private int size;
public RBTree(){//*****
root = null;
size = 0;
}
public int getSize(){
return size;
}
public boolean isEmpty(){
return size == 0;
}
//**** 判断节点node的颜色
private boolean isRed(Node node){
if(node == null)
return BLACK;
return node.color;
}
... //其他代码暂时保持BST的编码， 后面会修改
}
四. 红黑树的基本性质和复杂度分析
回顾算法导论中对红黑树的描述
1. 每个节点或者是红色的， 或者是黑色的
2. 根节点是黑色的
3. 每一个叶子节点(最后的空节点) 是黑色的
4. 如果一个节点是红色的， 那么他的孩子节点都是黑色的
5. 从任意节点到叶子节点，进过的黑色节点是一样多的
解读
1. 红黑树的特点， 不多说
2. 查看第一幅图， 红黑树只有两种节点(二节点和三节点),
每种节点的根部都为黑色节点， 所以根结点必然为黑色
3. 相当于定义：在红黑树中， 空节点为叶子节点， 并且为黑色。
对应到第二条性质， 空的红黑树的根节点也是黑色的
4. 依然对应第一幅图，只有两种节点，节点的根部都是黑色的
对于黑色的节点，右孩子一定是黑色的，左孩子不一定
5. 从2-3树推到红黑树， 2-3树每个节点都可以对应到红黑树的一个黑色节点。
总结
1. 红黑树的保持'黑平衡'的二叉树， 本质是因为2-3树是绝对平衡的
2. 严格意义上不是平衡二叉树
3. 最大高度 2logn O(logn)
4. 如果存储的数据会频繁的添加和删除，红黑树是很好的选择
5. 如果存储的数据不会频繁的改动，更多的是查询操作的话， 选择AVL树
五. 保持根节点为黑色和左旋转
首先回顾一下2-3树插入节点的过程:
2-3树中添加一个新的元素
要么添加进一个2-节点，形成一个3-节点
要么添加进一个3-节点，形成一个4-节点
红黑树也一样， 只是红黑树永远添加红色节点， 并且保持根节点为黑色节点。
先将add函数中加入保持根结点为黑色的代码
RBTTree.java
...
// 向红黑树中添加新的元素(key, value)
public void add(K key, V value){
root = add(root, key, value);
root.color = BLACK; // 最终根节点为黑色节点
}
...
红黑树添加新元素
添加的元素在依照二分搜索树那样添加后， 在左子树，无需其他操作。
如果添加的元素在右子树， 根据红黑树的性质， 我需要做左旋转
编写左旋转代码
// node x
// / \ 左旋转 / \
// T1 x ---------> node T3
// / \ / \
// T2 T3 T1 T2
private Node leftRotate(Node node){
Node x = node.right;
// 左旋转
node.right = x.left;
x.left = node;
x.color = node.color;
node.color = RED;
return x;
}
注意点：
如果在过程图中原来的37也是红色的， 那么在左旋转后42依然是红色的。
左旋转只是一个子过程，并没有解决红黑树的添加问题， 后面会完善。
六. 颜色翻转和右旋转
-
颜色翻转
向2-3树的3-节点添加元素，对应到红黑树中，第一种情况 如下图所示
37,42中添加66
2-3树中的最后的拆分过程，对应到红黑树中：
1. 先要把37和66变成黑色
2. 接着42变为红色， 因为红色表示会和父亲节点去融合。
编写颜色翻转代码
// 颜色翻转
private void flipColors(Node node){
node.color = RED;
node.left.color = BLACK;
node.right.color = BLACK;
}
-
右旋转
在3节点中添加元素的另一种情况:
向37,42中添加12
对应的，我们需要进行右旋转，才能和2-3树的逻辑保持一致
我们还需维护一下颜色:
第一步：
在右旋转之后，本质上依然是4节点， 所以37黑色，12和42变为红色
此时又回到了之前颜色翻转的情况
第二步：
再将37变为红色， 12和42变为黑色
右旋转代码(第二步会在颜色翻转的情况时进行维护， 右旋转中先不写)
// node x
// / \ 右旋转 / \
// x T2 -------> y node
// / \ / \
// y T1 T1 T2
private Node rightRotate(Node node){
Node x = node.left;
// 右旋转
node.left = x.right;
x.right = node;
x.color = node.color;
node.color = RED;
return x;
}
七. 红黑树中添加新元素
向3-节点添加元素，我们之前讲解了两种情况,分别是
1. 向37,42 添加66 66处于37,42后面
2. 向36,42 添加12 12处于37,42前面
现在还有第三种情况
3. 向37,42 添加40 40处于37,42中间
对于第三中情况的解决方案其实就是，前面所有方案的综合
解决流程：
这样，我们可以把三种情况放在一套流程中去解决
需要几次判断：
1.判断添加的元素是否处于中间，是的话按流程走，否则跳到下一个流程点中
2.判断添加的元素是否处于左边，是的话按流程走，否则跳到下一个流程点中
3.判断添加的元素是否处于右边(可不判断)，最后进行颜色维护
根据上面的逻辑，修改add函数
RBTree.java
...
// 向红黑树中添加新的元素(key, value)
public void add(K key, V value){
root = add(root, key, value);
root.color = BLACK; // 最终根节点为黑色节点
}
// 向以node为根的红黑树中插入元素(key, value)，递归算法
// 返回插入新节点后红黑树的根
private Node add(Node node, K key, V value){
if(node == null){
size ++;
return new Node(key, value); // 默认插入红色节点
}
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 // key.compareTo(node.key) == 0
node.value = value;
//****流程逻辑
if (isRed(node.right) && !isRed(node.left))
node = leftRotate(node);
if (isRed(node.left) && isRed(node.left.left))
node = rightRotate(node);
if (isRed(node.left) && isRed(node.right))
flipColors(node);
return node;
}
...
完成add之后，剩下的函数不需要修改于BST一致。
关于几种树结构的总结
1. 二分搜索树
对于完全随机的数据， 普通的二分搜索树很好用！
缺点: 极端情况下退化为链表(或高度不平衡)
2. AVL树
对于查询较多的使用情况，AVL树很好用！
3. 红黑树
牺牲了平衡型(2logn的高度)
统计性能更优(综合增删改查所有操作)
108
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
