AVL、红黑树总结

AVL树

BST树在最差的情况下，和顺序查找效率相当，退化成了线性结构，因为BST树的左右子树高度差太大，如下

由此引出了AVL树，AVL树是带有平衡条件的BST，这个平衡条件必须容易保持，且需要保持树的深度O(logn),
(1)AVL树仍然是一颗二叉树，满足递归定义；
(2)其次又是一颗BST树，满足有序；
(3)每个节点左右子树高度差的绝对值不能超过1.

AVL 树效率分析
查找的时间复杂度维持在O(logN)，不会出现最差情况
AVL树在执行每个插入操作时最多需要1次旋转，其时间复杂度在O(logN)左右。
AVL树在执行删除时代价稍大，执行每个删除操作的时间复杂度需要O(2logN)。

AVL树各节点的平衡因子定义为左子树深度减去右子树深度，平衡因子一般都只能-1，0，1,当绝对值大于1时AVL就失去平衡。
在完成插入后，失衡只有那些从插入点到根节点路径上的平衡可能被打破，当沿着这条路径上溯到根，找到插入新节点后失去平衡的最小子树根节点的指针x，然后再调整这个子树使之重新平衡。当失去平衡的最小子树调整平衡后，原有的其他所有不平衡树无需调整，整个二叉树回归平衡（就是插入一个节点后，不会有集连调整，因为以调整的节点的为根节点的树的高度降低了，上面的节点不会再出现大于1的情况）

几种旋转的情况：
(1)插入点位于x的左孩子的左子树中 --左左LL

(2)插入点位于x的左孩子的右子树中 --左右LR

(3)插入点位于x的右孩子的左子树中 --右左RL

(4)插入点位于x的右孩子的右子树中 --右右RR

红黑树
对红黑树的操作在最坏情况下花费O(log n)时间，而且相对于普通AVL树可能更容易实现。相比较AVL，
1 AVL是严格平衡树，故在增加或者删除节点时，调整所需旋转较多;
2 RBT是弱平衡，用非严格的平衡换取增删节点时操作的简单。
当操作主要集中在搜索而非增删时应采用AVL;如果增删操作更多，为了提高可操作性应该选择RBT。
定义：
(1) 首先是BST，故中序遍历后是非递减序列;
(2) 弱化的平衡树;
(3) 不同于BST，AVL，RBT每个节点含有五个域，color/key/left/right/p;
(4) 根节点一定是黑的，全空的这种叶子节点也是黑的，其他每个节点非黑即红(特性1);
(5) 如果叶子节点是红的，那么两个孩子肯定都是黑的
(6) 对于每一个节点，从该节点到NULL节点的所有路径上包含相同数目的黑节点
RBT确保没有一条路径会比其他路径长出2倍，因而是一种广泛意义上的平衡。同其他BST一样，问题在于一个新节点的插入，通常做法是将其放在叶子上。如果把它改成黑色，那么肯定违反路径同数目黑色的原则，因此肯定要标为红色：如果它的父节点是黑色，那么插入完成;如果父节点是红色，那么违反父红子黑原则，故需要调整。主要是颜色的改变和旋转。

哨兵结点：颜色一定是黑色的，让所有的空结点全部指向哨兵结点，为了节省空间，由开辟n多个变成开辟1个，无邵兵节点，编程压力大。

红黑树的插入：
1、新节点一定时红色
2、当新节点的父节点为黑色时不需要旋转
3、当新节点的父节点为红色时，判断叔父节点
（1）叔父节点为红色，改变叔父节点和父节点的颜色
（2）叔父节点为黑色时，旋转。
两种调整:（不管怎么调整，根节点一定是黑色的）
1、叔父节点为黑色（叔父节点:34的兄弟 节点，为空，所以是黑色）

2、叔父节点为红色（叔父节点:34的兄弟节点，为空，所以是黑色）