一、二叉树的基本概念
从逻辑结构角度来看,链表、栈、队列都是线性结构;而“二叉树”属于树形结构。
- 多叉树的基本概念,以上图中“多叉树”为例说明
-
节点:多叉树中的每一个点都叫节点;其中最上面的那个节点叫“根节点”;
-
根节点:位于树顶部的节点;
-
父节点:节点1是节点2/3/4/5/6的父节点,然后节点2/3/4/5/6是节点1的子节点;节点2/3/4/5/6又是互为兄弟节点,因为它们有父节点为同一个节点;
-
叶子节点:没有子元素的节点;
-
子树:子节点及子节点的后台节点形成的一个节点集合叫子树;对于只有两个子节点的节点,其左边的子节点叫左子树,右边的叫右子树;
-
节点的深度:取决于它的祖先节点的数量;
-
树的高度:取决于所有节点深度的最大值。
- 二叉树的特点
-
每个节点的度最大为2(最多拥有2颗子树);
-
左子树和右子树是有顺序的。即使某节点只有一颗子树,也要区分左右子树;
-
非空二叉树的第i层,最多有2^(i-1)个节点(i >= 1);
-
在高度为h的二叉树上最多有2^h - 1个节点(h >= 1);
-
对于任何一颗非空二叉树,如果叶子节点个数为n0, 度为2的节点个数为n2, 则有n0 = n2 + 1
-
假设度为1的节点个数为n1, 那么二叉树的节点总数 n = n0 + n1 + n2。则二叉树的边数T = n1 + 2 * n2 = n -1 = n0 + n1 + n2 -1 --> n2 + 1 = n0
- 真二叉树/满二叉树/完全二叉树
-
真二叉树:所有节点的度都要么为2,要么为0;
-
满二叉树
(1)所有节点的度都要么为2,要么为0,且所有的叶子节点都在最后一层;
(2)假设满二叉树的高度为h (h>=1),那么第i层的节点数量:2^(i-1), 叶子节点数量:2(^h-1), 总节点数量n = 2^h -1 = 2^0 + 2^1 + 2^2 + … + 2^(h-1)
等比数列公式:a1=1, 公比q=2, 则an = a1*q(n-1)=2(n-1), 前n项之和Sn = a1+a2+…+an = 2^0 + 2^1 + 2^2 + … + 2^(n-1) = a1(1-qn)/(1-q)=2n-1
(3)在同样高度的二叉树中,满二叉树的叶子节点数量最多、总节点数量最多;
(4)满二叉树一定是真二叉树,真二叉树不一定是满二叉树;
- 完全二叉树
(1)叶子节点只会出现在最后两层,且最后一层的叶子节点都靠左对齐;
(2)完全二叉树从根节点到倒数第二层是一颗满二叉树;满二叉一定是完全二叉树,完全二叉树不一定是满二叉树;
(3)度为1的节点只有左子树;度为1的节点要么是1个,要么是0个;
(4)假设完全二叉树的高度为h(h>=1), 那么至少有2^(h-1) 个节点(2^0 + 2^1 + 2^2 + … + 2^(h-2) + 1), 最多有2^h - 1个节点(2^0 + 2^1 + 2^2 + …+ 2^(h-1), 满二叉树);总节点数量为n, 则有2^(h-1) <= n < 2^h --> h-1 <= log(2)(n) < h --> h = floor(log(2)(n)) + 1 (floor是向下取整,ceiling是向上取整)
- 一颗有n个节点的完全二叉树(n > 0),从上到下,从左到右对节点从1开始编号,对任意第i个节点:
如果i = 1, 它是根节点
如果i > 1, 它的父节点编号为floor(i/2)
如果2i <= n, 它的左子节点编号为2i
如果2i > n, 它无左子节点
如果2i + 1 <= n, 它的右子节点编号为2i + 1
如果2i + 1 > n , 它无右子节点
【问题】:如果一颗完全二叉树有768个节点,求叶子节点的个数?
【分析】:假设叶子节点个数为n0,度为1的节点个数为n1,度为2的节点个数为n2。
所以总节点个数n = n0 + n1 + n2,且n0 = n2 + 1 ,因此 n = 2n0 + n1 -1
根据完全二叉树的定义,n1要么为0,要么为1:
当n1为1时, n = 2n0, n必然为偶数。叶子节点个数n0 = n / 2,非叶子节点个数 n1 + n2 = n / 2 ;
当n1为0,n = 2n0 - 1,n必然为奇数。叶子节点个数n0 = (n + 1) / 2, 非叶子节点个数 n1 + n2 = (n - 1) / 2
因此可以判断出来当这个完全二叉树有768个节点时,它的叶子节点个数为:384
二、二叉查找树
二叉查找树(BST)是二叉树的一种,但是它只允许你在左侧节点存储(比父节点)小的值;在右侧节点存储(比父节点)大(或者等于)的值。
- 插入逻辑
(1)设根节点为当前节点
(2)如果待插入节点保存的数据小于当前节点,则设新的当前节点为原节点的左节点;反之,则设新的当前节点为原节点的右节点
(3)若当前节点的左节点为null, 则将新节点插入这个位置,退出循环;反之,继续执行下一次循环
(4)若当前节点的右节点为null, 就将新节点插入这个位置,退出循环;反之,继续执行下一次循环
首先创建一个类:
const BinarySearchTree=function(){
var root=null; 二叉树根节点
var size=0; //节点个数
///element指根节点保存的数据 left指左节点保存的数据 right指右节点保存的数据
function Node(element,left,right){
this.element=element;
this.left=left;
this.right=right;
}
}
插入元素代码:
function insertBST(element){
var node = new Node(element, null, null); //待插入节点的值
//根节点判断
if (root == null){
root = node;
}
else{
var current = root; //设根节点为当前节点
while(true){
//待插入节点的数据小于当前节点,则将该节点设为原节点的左节点
if (element < current.element){
//若当前节点的左节点为null,则将新节点插入该位置,退出循环
if (current.left == null){
current.left = node;
break;
}
current = current.left;
}
else if (element > current.element){ //往右节点方向放
if (current.right == null){
current.right = node;
break;
}
current = current.right;
}
else { //相等,替换
current.element = element;
return;
}
}
}
size++;
}
this.insertBST = insertBST; //插入元素
- 二叉查找树的遍历,遍历有三种方式:中序、前序、后序
(1)中序指以升序的方式遍历所有节点,即以从最小到最大的顺序访问所有节点;
(2)前序是指先访问根节点,再以同样的方式访问左子树和右子树;
(3)后序指的是先访问叶子节点,再从左子树到右子树,最后到根节点。
- 遍历走势分析图:
遍历代码:
//二叉树中序遍历:以升序方式访问二叉树中所有节点
function inOrder(){
return inOrderByNode(root); //用来定义我们对遍历到的每个节点进行的操作
}
function inOrderByNode(node){
if (node){ //判断以参数形式传入的节点是否存在,这是停止递归继续执行的判断条件---递归算法的基本条件
var str = "";
str += inOrderByNode(node.left);
str += node.element + ", ";
str += inOrderByNode(node.right);
return str;
}
return "";
}
//前序遍历:先访问根节点,再访问左子树和右子树
function preOrder(){
return preOrderByNode(root);
}
function preOrderByNode(node){
if (node){
var str = '';
str += node.element + ", "; //先访问根节点
str += preOrderByNode(node.left); //再访问左子树
str += preOrderByNode(node.right); //再访问右子树
return str;
}
return "";
}
//后序遍历:先访问叶子节点,再左子树,再右子树,再到根节点
function postOrder(){
return postOrderByNode(root);
}
function postOrderByNode(node){
if (node){
var str = "";
str += postOrderByNode(node.left);
str += postOrderByNode(node.right);
str += node.element + ", ";
return str;
}
return "";
}
this.inOrder = inOrder; //中序遍历
this.preOrder = preOrder; //前序遍历
this.postOrder = postOrder; //后序遍历
- 查找二叉查找树的最大值、最小值、是否存在某个值
(1)最大值:较大的值都是在右子树上,则最大值一定是在右子树的最后一个节点上;
(2)最小值:较小的值都是在左子树上,则最小值一定在左子树的最后一个节点上;
(3)是否存在某个值:遍历查找
//查找最小值:因为较小的值都在左边,所以最小值一定是左子树的最后一个节点
function getMin(){
var minNode = getMinNode(root);
if (minNode) {
return minNode.element;
}
return null;
}
//查找最小节点
function getMinNode(node){
var current = node;
while(current){
if (current.left == null){
return current;
}
current = current.left;
}
return null;
}
//查找最大值:因为较大的值都在右边,所以最大值一定是在右子树的最后一个节点
function getMax(){
var maxNode = getMaxNode(root);
if (maxNode){
return maxNode.element;
}
return null;
}
//查找最大节点
function getMaxNode(node){
var current = node;
while(current){
if (current.right == null){
return current;
}
current = current.right;
}
return null;
}
//查找指定值,是否存在这个元素
function isExist(element){
var current = root;
while(current){
if (element < current.element){ //左子树寻找
current = current.left;
}
else if (element > current.element){ //右子树寻找
current = current.right;
}
else{ //存在
return true;
}
}
return false;
}
this.getMin = getMin; //获取最小元素
this.getMax = getMax; //获取最大值
this.isExist = isExist; //是否存在某个元素
- 删除二叉查找树中的指定元素
function remove(element){
root = removeNode(root, element);
}
function removeNode(node, element){
//如果正在检测的节点是null,说明键不存在于树中,返回null
if (node == null) {
return null;
}
//如果要找的键比当前节点的值小,就沿着树的左边找下一个节点
if(element < node.element){
//更新节点左指针的值
node.left = removeNode(node.left, element);
//返回更新后的节点
return node;
}
//如果要找的键比当前节点的值大,就沿着树的右边找下一个节点
else if(element > node.element){
node.right = removeNode(node.right, element);
return node;
}
//如果要找的键element与node.element相等,需处理三种情况
else{
//第一种情况:——一个叶节点
if(node.left == null&&node.right == null){
//这个节点没有任何子节点,但它有一个父节点,需要通过返回null来将对应的父节点指针赋予null值
return null;
}
//第二种情况:——一个只有一个子节点的节点
if (node.left == null){ //node没有左子树
return node.right;
}
else if (node.right == null){ //node没有右子树
return node.left;
}
//第三种情况:——一个有两个子节点的节点
/**
* node有左子树和右子树,这个时候要找出最接近node节点值的节点
* 1、如果找出比node节点的element稍大的节点,则从node右节点的最小节点
* 2、如果找出比node节点的element稍小的节点,则从node左节点的最大节点
*/
//当找到需要移除的节点后,需找到它右边子树中最小的节点
var minNode = getMinNode(node.right);
//用它右侧子树中最小节点的键去更新这个节点的值(即改变了这个节点的键,也就是说它被移除了)
node.element = minNode.element;
//继续把右侧子树中的最小节点移除,毕竟它已经被移至要移除的节点的位置
node.right = removeNode(node.right, minNode.element);
//向它的父节点返回更新后节点的引用
return node;
}
}
this.remove = remove; //删除某个元素
测试代码:
var bst = new BinarySearchTree();
bst.insertBST(23);
bst.insertBST(45);
bst.insertBST(16);
bst.insertBST(37);
bst.insertBST(3);
bst.insertBST(99);
bst.insertBST(22);
console.log("\n.......start test......");
console.log("中序遍历:", bst.inOrder());
console.log("前序遍历:", bst.preOrder());
console.log("后序遍历:", bst.postOrder());
console.log("最小值:", bst.getMin());
console.log("最大值:", bst.getMax());
console.log("是否存在100:", bst.isExist(100));
console.log("是否存在99:", bst.isExist(99));
//删除元素
bst.remove(37);
console.log("删除37后中序遍历为:", bst.inOrder());
console.log("删除37后前序遍历为:", bst.preOrder());
console.log("删除37后后序遍历为:", bst.postOrder());