本文目录
一、AVL树的基本概念
1、二叉查找树的弊端
先谈谈二叉查找树(关于二叉查找树可以看这一篇文章:秒懂二叉查找树)
它的特点是左子树的节点值要小于父节点的值,右子树的节点值要大于父节点的值,基于这样的特点,我们在查找某个节点的时候,可以采用二分查找的思想快速找到这个节点,并且对于一个含n个节点的树来说,时间复杂度的理论值期望值为O(log n)。
但是具体所花费的时间也要看二叉搜索树的形状,对于元素完全相同的二叉查找树,我们的查找性能(耗时长短)也有可能差别非常大,如下图:
显然,左边是最好的情况,可以说是一棵丰满、对称的二叉树;
而右边是最坏的情况,它其实已经退化成了一条线性表,其搜索的时间复杂度上升为O(n)。
这就说明对于不同的输入顺序来说,我们建立的二叉查找树形状完全可能不同,其性能也有很大差异。
2、AVL树 —— 优化二叉查找树
针对以上情况,我们引申出了平衡二叉(查找)树,目的是为了让查找的速度更快。
平衡二叉(查找)树种类比较多,AVL树是其中的一种,也是最早发明的一种。
AVL树是一种特殊的二叉查找树,在其基础上又有以下特点:
对于AVL树中的每个节点,它的左子树和右子树的高度之差不会超过1。
引入平衡因子的概念:
某结点的左子树与右子树的高度差即为该结点的平衡因子(BF:Balance Factor)。
平衡二叉树上所有结点的平衡因子只可能是 -1,0 或 1。如果某一结点的平衡因子绝对值大于1则说明此树不是平衡二叉树。
为了方便计算每一结点的平衡因子,我们可以为每个节点赋予height这一属性,表示此节点的高度。
二、AVL树的定义
针对AVL树的特点,其节点的基本结构如下:
typedef struct AvlNode {
int data;
struct SearchTreeNode *left;
struct SearchTreeNode *right;
int height;
} *AVL_TREE, avl_tree;
三、AVL树的调整
当AVL树插入一个元素时,很容易造成某一节点的平衡因子为2,从而失去平衡条件。
为了使其变回avl树,我们可以在插入后,通过旋转调整。
(有关旋转的算法算是比较难的,根据我多次的消化、总结与思考,以下总结了理解起来简洁易懂旋转操作)
🔺在看算法之前,为了方便理解,我们先约定几个名词🔺
1、破坏节点:最开始造成让平衡因子 > 1的节点。
2、插入节点:插入AVL树即导致它不平衡的节点。
比如说下图,在原本平衡的AVL树(左图)中,根据二叉查找树的插入方法,插入65破坏了AVL树的平衡。
可见,60是破坏节点,65是插入节点。
待旋转的类型有单旋转、双旋转两种,每种下又细分两种,所以总共有四种模型。
🔺单旋转 —— 破坏节点与插入节点共线时
1、左旋转(L)
一般模型:
如何判断:破坏节点到插入节点的路径向左
具体操作:如上图
▲将k1的左儿子的右子树y挂到k1的左子树上
▲将k1挂到k2的右子树上
例如:
具体代码实现:
/* 左旋转
* 传入参数:破坏节点 k1
* 返回:调整完毕的AVL树根节点*/
AVL_TREE SingleRotateWithLeft(AVL_TREE k1) {
AVL_TREE k2 = k1->left;
k1->left =k2->right; //将k2的右子树挂到k1的左子树上
k2->right = k1; //将k1挂到k2的右子树上
/*更新高度值 */
k1->height = Max(k1->left->height, k1->right->height) + 1;
k2->height = Max(k2->left->height, k2->right->height) + 1;
return k2;
}
2、右旋转(R)
一般模型:
如何判断:破坏节点到插入节点的路径向右
具体操作:如上图
▲将k1的右儿子的左子树y挂到k1的右子树上
▲将k1挂到k2的左子树上
例如:
具体代码实现:
/* 右旋转
* 传入参数:破坏节点 k1
* 返回:调整完毕的AVL树根节点*/
AVL_TREE SingleRotateWithRight(AVL_TREE k1) {
AVL_TREE k2 = k1->right;
k1->right =k2->left; //将k2的左子树挂到k1的右子树上
k2->left = k1; //将k1挂到k2的左子树上
/*更新高度值 */
k1->height = Max(k1->left->height, k1->right->height) + 1;
k2->height = Max(k2->left->height, k2->right->height) + 1;
return k2;
}
🔺双旋转 —— 破坏节点与插入节点不共线
注意:双旋转本质可以看作两次单旋转。
3、左右旋转(LR)
一般模型:
如何判断:破坏节点到插入节点的路径先向右后向左
具体操作:如上图
▲将k1、k2左旋转
▲将k2、k3右旋转
例如:
具体代码实现:
/* 左右旋转
* 传入参数:破坏节点 k3
* 返回:调整完毕的AVL树根节点 */
AVL_TREE DoubleRotateWithRight(AVL_TREE k3) {
k3->right = SingleRotateWithLeft(k3->right); // k1,k2左旋转
return SingleRotateWithRight(k3); // k2,k3右旋转
}
4、右左旋转(RL)
一般模型:
如何判断:破坏节点到插入节点的路径先向左后向右
具体操作:如上图
▲将k1、k2右旋转
▲将k2、k3左旋转
例如:
具体代码实现:
/* 右左旋转
* 传入参数:破坏节点 k3
* 返回:调整完毕的AVL树根节点 */
AVL_TREE DoubleRotateWithLeft(AVL_TREE k3) {
k3->left = SingleRotateWithRight(k3->left); // k1,k2右旋转
return SingleRotateWithLeft(k3); // k2,k3左旋转
}
三、AVL树的建立
建立一棵AVL树:从空树开始,即一直向AVL树中正确地插入节点。
插入函数的流程与二叉查找树的一样,只是在插入后加上了旋转调节的步骤。
(二叉查找树的插入函数在这里:秒懂二叉查找树)
插入函数的代码实现如下:
/* 右左旋转
* 传入参数:破坏节点 k3
* 返回:调整完毕的AVL树根节点 */
AVL_TREE DoubleRotateWithLeft(AVL_TREE k3) {
k3->left = SingleRotateWithRight(k3->left); // k1,k2右旋转
return SingleRotateWithLeft(k3); // k2,k3左旋转
}
/* 传入参数:
* 待插入节点数据x,AVL树 T
* 返回:
* 插入位置的父节点 */
AVL_TREE Insert(int x, AVL_TREE T) {
//递归的终点,已经搜索到了树的尽头
if(!T) {
T = (AVL_TREE)malloc(sizeof(avl_tree));
T->data =x;
T->height = 0;
T->left = T->right =NULL;
}
/* 向左寻找插入位置 */
else if (x < T->data) {
T->left = Insert(x, T->left);
/* 如果插入后破坏了平衡*/
if(T->left->height - T->right->height > 1 ) {
if(x < T->left->data) //插入节点在左端
T = SingleRotateWithLeft(T);
else
T = DoubleRotateWithLeft(T);
}
}
/* 向右寻找插入位置 */
else if (x > T->data) {
T->right = Insert(x, T->right);
/* 如果插入后破坏了平衡*/
if(T->right->height - T->left->height > 1 ) {
if(x > T->right->data) //插入节点在右端
T = SingleRotateWithRight(T);
else
T = DoubleRotateWithRight(T);
}
}
//更新高度
T->height = Max(T->left->height, T->right->height) + 1;
return T;
}
值得注意的是:以上插入函数,对于已有的元素的插入,会直接返回,不进行插入操作。
四、删除操作
困了,先码到这吧,精彩未完待续...
End
欢迎关注个人公众号“鸡翅编程”,这里是认真且乖巧的码农一枚,旨在用心写好每一篇文章,平常会把笔记汇总成推送更新~