二叉树形冲突分解算法仿真_数据结构与算法-二叉查找树平衡(DSW)

上一节探讨了二叉查找树的基本操作，二叉查找树的查找效率在理想状态下是O(lgn)，使用该树进行查找总是比链表快得多。但是，该论点并不总是正确，因为查找效率和二叉树的形状息息相关。就像这样：

图1-1给出了3颗二叉查找树，它们存储着相同的数据，但很明显，图1-1(A)的树是最好的。在最坏的情况下，图A定位一个对象需要3次测试，图C需要6次。原因在于，图C的数据不是平均分布的，该树实际上已经退化成一个链表，已经失去了二叉查找树的优越性。

这里需要引入一个新的概念，叫做平衡。如果树中任一节点的两个子树的高度差为0或者1，该二叉树就是高度平衡的或者简称平衡的。例如，图B中的节点20，其子树的高度差是1，这是可以接受的。 但是对于节点10，其子树的高度差是3，这意味着整棵树是不平衡的。另外，如果树是平衡的，并且该树所有叶节点都出现在一个或者两个层次上，那么该树是完全平衡的。

那么问题来了，如何得到一颗平衡的二叉查找树？

许多技术都可以适当的平衡二叉树。一些技术对数据重新排序从而创建一颗平衡的二叉树，另一些技术在由于插入或者删除元素而导致树不平衡时，会重新平衡树。我们首先来探讨如何创建一颗平衡二叉查找树，然后介绍如何重新平衡已有的二叉查找树。

想要创建一颗平衡二叉查找树，首先要观察这种树的特性，根据观察到的规律总结出来的数学逻辑，其实就是算法。就像下面：

发现了吗？如果将一颗完美的平衡的二叉查找树压平，将数据线性列出，你会发现它是有序的，并且根节点30处于数组A中间的位置。不止如此，根节点30的左子树的根节点20处于数组B的中间位置，根节点30的右子树的根节点47处于数组C的中间位置。以此类推，所有子树的根节点总是处于某个数组的中间位置。这很类似二分查找的逻辑，并且你是否发觉，数组A其实是该二叉树中序遍历的结果。

这里有个定论：二叉查找树的中序遍历可以得到有序的数据流

证明也很容易，这里使用自然语言简单描述下：

假如要对一颗二叉查找树进行中序遍历，首先将其分解成根节点，左子树，右子树。因为中序遍历的逻辑是首先遍历左子树，然后是根节点，最后是右子树。我们可以将它们放到一个栈中，大概长得是这个样子：

根据二叉查找树的定义，左子树所有节点小于根节点，右子树所有节点大