Java高手的30k之路｜二叉搜索树 & AVL

二叉搜索树

二叉搜索树（Binary Search Tree，简称BST）是一种特殊的二叉树数据结构，具有以下特点：

1. 有序性质：

   • 对于二叉搜索树中的每个节点，其左子树中的所有节点的值都小于该节点的值。
   • 对于二叉搜索树中的每个节点，其右子树中的所有节点的值都大于该节点的值。

2. 二叉树结构：

   • 每个节点最多有两个子节点，分别称为左子节点和右子节点。

由于上述性质，对于任意节点来说，其左子树和右子树也分别是二叉搜索树。这种特性使得二叉搜索树能够支持高效的查找、插入和删除操作。

示例

考虑以下简单的二叉搜索树示例：

     6
   /   \
  4     8
 / \   / \
2   5 7   9

在这个示例中，节点的值符合二叉搜索树的有序性质：

• 节点 6 的左子树中的值（4, 2, 5）都小于 6，右子树中的值（8, 7, 9）都大于 6。
• 节点 4 的左子树中的值（2）小于 4，右子树中的值（5）大于 4。

操作

1. 查找：

   • 对于查找操作，可以利用二叉搜索树的有序性质，通过比较节点的值和目标值，递归地在左子树或右子树中查找目标节点。

2. 插入：

   • 插入操作首先需要找到合适的位置，然后将新节点插入到二叉搜索树中，保持有序性质不变。

3. 删除：

   • 删除操作可能涉及到调整树的结构，以保持有序性质。根据被删除节点的情况，有以下几种情况：
     • 若节点为叶子节点，直接删除。
     • 若节点有一个子节点，将其子节点替代该节点。
     • 若节点有两个子节点，可以选择将其右子树中的最小节点或左子树中的最大节点作为替代节点。

性能

在平均情况下，二叉搜索树支持平均时间复杂度为 O(log n) 的查找、插入和删除操作。然而，如果二叉搜索树严重不平衡（如退化为链表），最坏情况下的时间复杂度可能会达到 O(n)，其中 n 是树中节点的数量。

因此，对于二叉搜索树的设计和维护，关键在于保持树的平衡性，以确保操作的高效性。

红黑树是一种自平衡的二叉搜索树，与AVL树相比，它在维护平衡性时放宽了条件，以降低插入和删除操作的复杂度。红黑树的平衡条件和高度限制如下：

平衡条件：

1. 节点颜色：

   • 每个节点要么是红色，要么是黑色。
   • 根节点必须是黑色。

2. 路径规则：

   • 从根节点到每个叶子节点（NIL节点，通常表示空节点）的每条路径，必须包含相同数目的黑色节点。
   • 注：这条规则确保了红黑树的高度是对数级别的。

高度限制：

1. 左右节点最大高度差：
   • 红黑树不要求严格的左右子树高度差限制（即不像AVL树的平衡因子最大为1）。
   • 由于红黑树使用了路径规则和节点颜色来维持平衡，它可以容忍左右子树高度差较大的情况，只要满足路径规则即可。

维持平衡时机：

红黑树在进行插入和删除操作时，会通过以下方式来维护平衡：

• 插入操作：

  • 插入新节点后，可能会破坏红黑树的平衡性，例如可能会违反相同数目的黑色节点规则或者红色节点相邻规则。
  • 通过旋转操作（左旋、右旋）和颜色调整（变色）来恢复平衡。

• 删除操作：

  • 删除节点后，同样可能会破坏红黑树的平衡性，需要通过类似的旋转和颜色调整来恢复。

总结：

红黑树通过引入颜色规则和路径规则来维持平衡，相比AVL树，它在保持树的高度平衡方面更为灵活，因此在实际应用中更为常见。红黑树的插入和删除操作的时间复杂度仍然是 O(log n)，其中 n 是树中节点的数量。

AVL

AVL树是一种自平衡的二叉搜索树，它得名于发明者 G.M. Adelson-Velsky 和 E.M. Landis。AVL树通过在每次插入或删除操作后，检查并保持树的平衡性，从而保证了在最坏情况下的时间复杂度为 O(log n)，其中 n 是树中节点的数量。

特点和性质：

1. 平衡条件：

   • 对于AVL树中的每个节点，其左子树和右子树的高度差（平衡因子）不超过1。即对任意节点，其左子树的高度与右子树的高度相差不超过1。

2. 自平衡操作：

   • 在每次插入或删除操作后，AVL树会进行自底向上的检查和必要的旋转操作来恢复平衡。
   • 旋转操作主要有左旋（LL旋转）、右旋（RR旋转）、左右旋（LR旋转）、右左旋（RL旋转）四种情况，具体的选择取决于不平衡节点及其子树的情况。

3. 高效的查找、插入和删除：

   • 由于AVL树保持了平衡性，其查找、插入和删除操作的时间复杂度在最坏情况下为 O(log n)。

4. 局限性：

   • AVL树相对于普通的二叉搜索树，由于维护平衡性需要额外的旋转操作，可能会导致插入和删除操作稍慢一些。
   • 在某些情况下，AVL树的维护成本（即旋转操作）可能比红黑树高，而红黑树是另一种自平衡二叉搜索树，它在实际应用中更为常见。

示例：

考虑以下示例的AVL树：

       10
     /    \
    5      15
   / \    /  \
  2   8  12   20
           /
          11

在这个示例中，每个节点的左子树和右子树的高度差都不超过1。例如，节点 15 的左子树高度为1，右子树高度为2，符合AVL树的平衡条件。

应用：

AVL树的主要应用领域包括需要高效的查找、插入和删除操作的应用场景，例如数据库索引、有序集合等。由于其严格的平衡性质，AVL树能够保证操作的稳定性和可预测性，适合对性能有较高要求的场合。

总之，AVL树作为一种经典的自平衡二叉搜索树，在理论和实际应用中都有重要的地位，尽管在某些情况下可能会因为维护平衡的代价而被红黑树等结构所取代。