【玩转数据结构 从入门到进阶5 学习笔记】二分搜索树

二分搜索树

什么是二分搜索树？
二分搜索树是二叉树，二分搜索树的，每个节点比左子树的所有节点的值都大，比右子树的所有节点值小，，每一棵子树也是二分搜索树
其中，二分搜索树存储的数据具有可比性，所以在定义泛型接口时要注意实现Comparable接口BST<E extends Comparable<E>>
接着来看二叉树的基本结构，它与链表一样，动态数据结构

private class Node{
        public E e;
        public Node left,right;

        public Node(E e){
            this.e=e;
            left=null;
            right=null;
        }

它具有天然递归结构，所以添加查询删除都可用递归实现

添加

首先来实现二分搜索树的添加元素操作，先判断根节点是否为空，为空则直接添加，否则，再将要加入元素与根节点比较大小，这里用到compareTo方法，比根节点大归为右子树，递归调用该函数，直到找到节点为空的位置，其他同理，最后返回插入新节点后二叉树的根节点

 //向二分搜索树中加入元素
    public void add(E e){
         root=add(root,e);
    }

    private Node add(Node node,E e){
        if (node==null){//这是递归终止条件
            size++;
            return new Node(e);
        }
         if (e.compareTo(node.e)<0){
            node.left=add(node.left,e);

        }
        else if (e.compareTo(node.e)>0){
            node.right=add(node.right,e);
         }
         return node;
    }

查询

也是用递归实现，要查询元素e是否包含在树中，私有一个contains方法，里面同样要判断节点是否为空，再进行比较，若相等返回true,与添加操作相似

public  boolean contains(E e){
        return contains(root,e);
    }
    
    private  boolean contains(Node node ,E e){
        if (node==null){
            return false;
        }
        
        if (e.compareTo(node.e)<0){
            return contains(node.left,e);
        }
        else if (e.compareTo(node.e)>0){
            return contains(node.right,e);
        }
        else{
            return true;
        }
    }

前序遍历

前序遍历，就是先访问这个节点，再访问左子树，最后再访问右子树
同样，递归终止条件是访问到的结点为空，

public  void preOrder(){
        preOrder(root);
    }
    
    private  void preOrder(Node node){
        if (node==null){
            return;
        }
        System.out.println(node.e);
        preOrder(node.left);
        preOrder(node.right);
    }

非递归方式实现

//非递归方式的前序遍历，利用栈来实现，
//先把根节点入栈，再循环栈是否为空，不为空出栈，
//栈是先进后出，所以右孩子先入栈，左孩子再入栈
    public void preOrderNR(){
        Stack<Node> stack=new Stack<>();
        stack.push(root);
        while (!stack.isEmpty()){
            Node cur=stack.pop();
            System.out.println(cur);
            
            if (cur.right!=null){
                stack.push(cur.right);
            }
            if (cur.left!=null){
                stack.push(cur.left);
            }
        }
    }

中序遍历

有了前序遍历的基础，中序遍历的过程也是相似，

public void inOrder(){
        inOrder(root);
    }
    
    private void inOrder(Node node){
        if (node==null){
            return;
        }
        
        inOrder(node.left);
        System.out.println(node.e);
        inOrder(node.right);
    }

后序遍历

后序遍历也是如此，

public void outOrder(){
        outOrder(root);
    }
    
    private void outOrder(Node node){
        if (node==null){
            return;
        }
        
        outOrder(node.left);
        outOrder(node.right);
        System.out.println(node.e);
    }

层序遍历

层序遍历，利用队列来实现，从0层，1层，2层逐层遍历
首先把根节点入队，再循环遍历队列是否为空
/根节点出队，队列是先进先出，所以左孩子入队，右孩子入队

 //层序遍历，利用队列来实现，从0层，1层，2层逐层遍历
    //首先把根节点入队，再循环遍历队列是否为空
    //根节点出队，队列是先进先出，所以左孩子入队，右孩子入队

    public void  depthOrder(){
        Queue<Node> queue =new LinkedList<>();
        queue.add(root);
        while (!queue.isEmpty()){
            Node cur=queue.remove();
            System.out.println(cur);
            
            if (cur.left!=null){
                queue.add(cur.left);
            }
            if (cur.right!=null){
                queue.add(cur.right);
            }
           
        }
    }

删除节点（删除最小和最大值）

首先我们先从删除最小和最大值开始，删除最小值，就要先找到最小值，最小值只要一直找到左子树的最小值，而最大值则是一直找到右子树的最大值，要先判断树是否为空

public  E  minimum(){
        if (size==0){
            throw new IllegalArgumentException("bst is empty");
        }
        return minimum(root).e;
    }
    private Node  minimum(Node node){
        if (node.left==null){
            return node;
        }
        return minimum(node.left);
    }

    public  E maxmum(){
        if (size==0){
            throw new IllegalArgumentException("bst is empty");
        }
        return maxmum(root).e;
    }
    private  Node maxmum(Node node){
        if (node.right==null){
            return node;
        }
        return maxmum(node.right);
    }
    public E removeMin(){
        E ret = minimum();
        root = removeMin(root);
        return ret;
    }
    // 删除掉以node为根的二分搜索树中的最小节点
    // 返回删除节点后新的二分搜索树的根
    private Node removeMin(Node node){

    if (node.left==null){
        Node rightNode=node.right;
        node.right=null;
        size --;
        return rightNode;
    }
    node.left=removeMin(node.left);
    return  node;
    }
    public E removeMax(){
        E ret = maxmum();
        root = removeMax(root);
        return ret;
    }
    // 删除掉以node为根的二分搜索树中的最大节点
    // 返回删除节点后新的二分搜索树的根
    private Node removeMax(Node node) {

        if (node.right == null) {
            Node leftNode = node.left;
            node.left = null;
            size--;
            return leftNode;
        }
        node.right = removeMin(node.right);
        return node;
    }

删除元素（删除任意结点的元素）

 // 从二分搜索树中删除元素为e的节点
    public void remove(E e){
        root = remove(root, e);
    }

    // 删除掉以node为根的二分搜索树中值为e的节点, 递归算法
    // 返回删除节点后新的二分搜索树的根
    Node remove(Node node, E e){

        if( node == null )
            return null;

        if( e.compareTo(node.e) < 0 ){
            node.left = remove(node.left , e);
            return node;
        }
        else if(e.compareTo(node.e) > 0 ){
            node.right = remove(node.right, e);
            return node;
        }
        else{   // e.compareTo(node.e) == 0

            // 待删除节点左子树为空的情况
            if(node.left == null){
                Node rightNode = node.right;
                node.right = null;
                size --;
                return rightNode;
            }

            // 待删除节点右子树为空的情况
            if(node.right == null){
                Node leftNode = node.left;
                node.left = null;
                size --;
                return leftNode;
            }

            // 待删除节点左右子树均不为空的情况

            // 找到比待删除节点大的最小节点, 即待删除节点右子树的最小节点
            // 用这个节点顶替待删除节点的位置
            Node successor = new Node(minimum(node.right).e);
            size ++;

            successor.right = removeMin(node.right);
            successor.left = node.left;

            node.left = node.right = null;
            size --;

            return successor;
        }
    }
     @Override
    public String toString(){
        StringBuilder res = new StringBuilder();
        generateBSTString(root, 0, res);
        return res.toString();
    }