树的概念以及AVL树、红黑树

树

定义

1.有且仅有一个根结点；
2.从一个结点到另一个结点只有一条通路；

名词解释

1.孩子结点（子结点）/双亲结点（父结点）/兄弟结点（具有同一双亲结点）；
2.结点的度：子结点的数量；
3.叶子结点：度为0的结点；

二叉树

每一个结点的度不超过2；
1.二叉树的深度：高度，树的最大层次；
2.二叉树的第k层最多具有2^(k-1)结点；
3.拥有k层的树，最多拥有2^k - 1个结点；
4.满二叉树：拥有k层的树，最多2^k - 1个结点；
5.完全二叉树：1-n个结点，与满二叉树的1-n的结点位置完全相同；
6.叶子结点的数量 = 度为2的结点数量 + 1；

普通树转二叉树

左孩子，右兄弟。
1.连线：将所有的兄弟结点的连线。
2.抹线：将除了与第一个字结点的线以外，其余抹除；
3.旋转

二叉树的遍历

1.层次遍历：从左往右，从上往下一一遍历；
2.前中后序遍历：相对于根结点；
前序遍历（先序）：根 - 左 - 右
中序遍历：左 - 根 - 右
后序遍历：左 - 右 - 根

特殊的树

1.平衡二叉树：每一个结点的左右子树的深度差不超过1；
2.自平衡二叉树：AVL树/红黑树（R-B Tree）/替罪羊树；
3.四种类型：
LL型：在左子树的左孩子上插入元素；（右旋）
RR型：在右子树的右孩子上插入元素；（左旋）
LR型：在左子树的右孩子上插入元素；（先左旋再右旋）
RL型：在右子树的左孩子上插入元素；（先右旋再左旋）

AVL树

定义

平衡二叉搜索树（Self-balancing binary search tree）又被称为AVL树（有别于AVL算法），且具有以下性质：它是一 棵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棵平衡二叉树。
平衡因子 : 树中某结点其左子树的高度和右子树的高度之差
AVL树中的任意一个结点, 其平衡因子的绝对值小于2

概述

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。

例如：我们按顺序将一组数据1,2,3,4,5,6分别插入到一颗空二叉查找树和AVL树中，插入的结果如下图：

由上图可知，同样的结点，由于插入方式不同导致树的高度也有所不同。特别是在带插入结点个数很多且正序的情况下，会导致二叉树的高度是O(N)，而AVL树就不会出现这种情况，树的高度始终是O(lgN)。高度越小，对树的一些基本操作的时间复杂度就会越小。

AVL树不仅是一颗二叉查找树，它还有其他的性质。如果我们按照一般的二叉查找树的插入方式可能会破坏AVL树的平衡性。同理，在删除的时候也有可能会破坏树的平衡性，所以我们要做一些特殊的旋转处理来重新恢复平衡。

四种类型的旋转

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。

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”。

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. 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"。

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"。

代码实现

public class AVLTree {
   

    public AVLTreeNode root; // 根结点

    /**
     * - 插入操作的入口 
     * - @param insertValue
     */
    public void insert(long insertValue) {
   
        root = insert(root, insertValue);
    }

    /**
     * - 插入的地递归实现
     * <p>
     * - @param subTree
     * <p>
     * - @param insertValue
     * <p>
     * - @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);