二叉查找树

最新推荐文章于 2023-08-01 21:25:18 发布

qfan95

最新推荐文章于 2023-08-01 21:25:18 发布

阅读量226

点赞数

本文链接：https://blog.csdn.net/weixin_43724742/article/details/95375932

版权

1. 二叉查找树：(BST)

1.1定义：

1.若左子树非空，则左子树上的所有结点小于该结点的值；
2.若右子树非空，则右子树上的所有结点大于该结点的值；
3.任意结点的子结点都是二叉查找树；

1.2性质：

1.查找、插入、删除的时间复杂度均为O(lgn)；
2.二叉查找树不保证平衡，在最坏情况下是一个链表，各种操作复杂度变为O(n)；

1.3操作：

增加结点：
先执行一次查找，即可找到要插入的位置；然后插入即可；

删除结点：
1.如果删除的是叶节点，直接删除；
2.如果被删除的元素只有一个子节点，可以将子节点直接移到被删除元素的位置；
3.如果被删除的元素有两个子节点，就从右子树中找到最小的的结点，和待删除的结点互换，最后删掉该结点；

2. 平衡二叉树：(AVL）

相比于普通的二叉查找树，平衡二叉树改进的点是完全避免了在最坏情况下查找树退化为链表

2.1定义：

1.首先它是一棵二叉查找树，满足二叉查找树的所有性质；
2.任一结点的左右子树都是平衡的(左右子树高度差不大于1)

2.2性质：

1.查询的时间复杂度是 O(logN)；
2.插入的时间复杂度是 O(logN)，其中O(logN)的时间用于查找插入点，最多两次旋转用于插入维护平衡；
3.删除的时间复杂度是 O(logN)，其中O(logN)的时间用于查找插入点，O(1)用于删除，O(KlogN)的时间用于旋转维护平衡；
3.任意结点的子结点都是平衡二叉树；

2.3操作：

旋转的规律：
1.旋转都是以深度最大的平衡因子为2的节点为基准节点；
2.旋转有单旋和双旋两中情况，一字排列的树形结构适用于单旋，之子排列的树形适用于双旋；
3.删除节点可能会使基准树的高度减1，所以可能导致多次双旋
下图是一次双旋的过程，经过一次旋转转化为一字型的情况，再通过一次单旋解决不平衡
在这里插入图片描述
新增结点：按BST的方式插入，并进行最多两次旋转，过程略 O(logN)；
删除结点：按BST的方式删除，并进行最多可达树高(logN)轮旋转，复杂度也是O(logN)

3.红黑树：

相比于平衡二叉树，它的改进点在于，以适当地牺牲平衡性为代价，避免了以O(logN)时间为代价去维护树的平衡性

3.1定义：

1.结点是红或黑色；
2.根节点始终是黑色；
3.全部叶结点都是黑色；
4.红节点不能相邻；
5.从任意一个结点到每个叶节点的黑色结点数相同

3.2性质：

1.它是一棵二叉查找树，满足二叉查找树的所有性质
2.在最坏情况下，查找、插入、删除的时间复杂度能达到O(lgn)；
3.从根到叶子的最长路径最多不会超过最短路径的两倍
4.任何不平衡都会在三次旋转之内解决

3.3红黑树与B树的关系：

任何一棵红黑树都可以转化为一棵（2,4）树
转化的方法是将所有红色节点提升至与黑色父节点平齐，组成一个之多含有三个关键码的超级节点，而且红黑树的插入删除操作也可以通过2-4树间接完成

3.4 AVL和红黑树比较：

1.AVL要求高度平衡，为了维持高度平衡需要旋转的的次数较多牺牲了效率；而红黑树在平衡性上做了妥协，从而换取了更高的效率；
2.红黑树的高效主要体现在删除结点的过程中，删除节点后维护平衡的时间从O(LogN)降低至O(1);
2.红黑树的查找效率略低于AVL，因为红黑树高度略高；

3.5 红黑树的用途：

TreeMap和HashMap中都用到了红黑树
TreeMap整体就是一个大的红黑树，Key值需要可以被比较，TreeMap以Key为基准中序遍历会得到一个升序的序列
HashMap是无序的，可能包含多个小的红黑树

4.伸展树

伸展树与AVL或红黑树相比，彻底放开了对平衡度的限制，但是通过伸展策略可以使树趋于平衡；

4.1 特点：

1.它是一棵二叉查找树；
2.满足局部性的特性，即被访问过的元素都会通过左右旋被提升到根节点，后续访问到这个元素附近的节点效率就会提升
3.一棵伸展树极端情况下可能是一条链表，但是随着使用过程中多次旋转，会逐渐趋于平衡

4.2 操作：

1.伸展：
查找到目标节点后执行伸展算法，需要考虑目标节点的父节点和祖父节点之间的位置关系

情况1： 如果被访问的节点与父节点及祖父节点成之字排列，就简单旋转目标节点的父节点，每次旋转目标节点就会上升一层：

		G						G						
		  \						  \						*T
		    P		->			   *T       ->        /     \
		  /                          \				 G       P
		*T                             P

情况2： 如果被访问节点与父节点及祖父节点成一字排列，就先旋转祖父节点，再旋转父节点：

	   G												  *T
		 \						  P  					  /
		   P		 ->		    /   \       ->          P
		     \                 G     *T   			  /	        
		      *T                                    G

伸展树采用了上面的伸展策略，使得伸展树在多次伸展的过程中逐渐趋于平衡
2.查找：
像普通的二叉查找树那样查找，平均耗时O(Logn)，然后执行一次伸展算法，耗时O(Logn)
如果查找失败，那么在这次查找过程中访问的最后一个节点也会被伸展至树根
3.插入：
插入前首先要进行一次查找，平均耗时O(Logn)，这次查找会失败，但是目标节点的父节点会被提升到树根，平均耗时O(Logn)，最后把树拆分成左右两半，目标节点作为树根插入，耗时O(1)
在这里插入图片描述
4.删除：
插入前首先要进行一次查找，平均耗时O(Logn)，目标节点被提升至树根，平均耗时O(Logn)，然后删除树根节点，最后从右子树哪一个最小的节点放在树根，平均耗时O(Logn)