AVL平衡二叉树

https://blog.csdn.net/qq_25940921/article/details/82183093
不同于顺时针跟逆时针变换这种方式去记忆，上面两个动态图特别方便记忆跟理解：

左旋就是将节点的右支往左拉，右子节点变成父节点，并把晋升之后多余的左子节点出让给降级节点的右子节点；

而右旋就是反过来，将节点的左支往右拉，左子节点变成了父节点，并把晋升之后多余的右子节点出让给降级节点的左子节点。

即左旋就是往左变换，右旋就是往右变换。不管是左旋还是右旋，旋转的目的都是将节点多的一支出让节点给另一个节点少的一支。

bst的缺陷
如果用序列{1,2,3,4,5}构建二叉查找树bst(左孩子节点<根节点,右孩子节点>=根节点)
会得到下图的二叉查找树

这棵bst是链式的。
对这棵树中节点进行查找的复杂度就会达到O(n),
起不到使用bst来进行数据查询优化的目的。

于是，我们需要对树的结构进行调整，
使得树的高度在每次插入元素后仍然保持O(logn)的级别
这样查询操作依然是O(logn)的时间复杂度,
于是就产生了平衡二叉树AVL。

AVL树，即平衡二叉树仍然是一棵二叉查找树,

只是在其基础上增加了"平衡"的要求,

所谓平衡,是指,对AVL树的任意节点来说,
其左子树与右子树的高度之差的绝对值不超过1
其左子树与右子树的高度之差成为该节点的平衡因子

只要能随时保证每个平衡因子的绝对值不超过1，
AVL的高度就始终能保持O(logn)级别,
由于要对每个节点都得到平衡因子,
因此需要在树的结构中加入一个变量height，
用来记录以当前节点为根节点的子树的高度：

AVL的结构体-节点

struct node{
	int v,height;//v为节点权值,height为当前子树高度
	node *lchild,*rchild;
};

在这种定义下，需要新建1个节点,这么写:

//void insert(node* &root,int data){
//	if(root==NULL){------newNode();}
//}
node * newNode(int v){
	node* Node = new node;
	node->v=v;
	node->height=1;//节点高度初始为1-----------
	Node->lchild=Node->rchild=NULL;
	return Node;
}

获得节点root所在子树的当前高度

if getHeight(node* root){
	if(root==NULL)return 0;
	return root->height;
}

计算平衡因子的函数

if getBalanceFactor(node* root){
	//左子树高度-右子树高度
	return getHeight(root->lchild)-getHeight(root->rchild);
}

左旋：​ 右旋：

不同于顺时针跟逆时针变换这种方式去记忆，上面两个动态图特别方便记忆跟理解：

左旋就是将节点的右支往左拉，右子节点变成父节点，并把晋升之后多余的左子节点出让给降级节点的右子节点；

而右旋就是反过来，将节点的左支往右拉，左子节点变成了父节点，并把晋升之后多余的右子节点出让给降级节点的左子节点。

即左旋就是往左变换，右旋就是往右变换。不管是左旋还是右旋，旋转的目的都是将节点多的一支出让节点给另一个节点少的一支。

​　　举个例子，像上图是否平衡二叉树的图里面，左图在没插入前”19“节点前，该树还是平衡二叉树，但是在插入”19“后，导致了”15“的左右子树失去了”平衡“，所以此时可以将”15“节点进行左旋，让”15“自身把节点出让给”17“作为”17“的左树，使得”17“节点左右子树平衡，而”15“节点没有子树，左右也平衡了。如下图，

由于在构建平衡二叉树的时候，当有新节点插入时，都会判断插入后时候平衡，这说明了插入新节点前，都是平衡的，也即高度差绝对值不会超过1。
当新节点插入后，有可能会有导致树不平衡，这时候就需要进行调整，而可能出现的情况就有4种，分别称作左左，左右，右左，右右。

左左即为在原来平衡的二叉树上，在节点的左子树的左子树下，有新节点插入，导致节点的左右子树的高度差为2，如上即为”10“节点的左子树”7“，的左子树”4“，插入了节点”5“或”3“导致失衡。

​　　左左调整其实比较简单，只需要对节点进行右旋即可，如下图，对节点”10“进行右旋，

注意：如果对左右旋变换还不是很懂或不是很熟练的，可以对照着前面的那两个动图去想象，自己动手变换几次，就明白了。

左右：

右右跟左左一样，只需要旋转一次就能把树调整平衡，而左右跟右左也一样，都要进行旋转两次才能把树调整平衡，所以，首先上图的这种调整是错误的，正确的调整方式是，将左右进行第一次旋转，将左右先调整成左左，然后再对左左进行调整，从而使得二叉树平衡。

即先对上图的节点”7“进行左旋，使得二叉树变成了左左，之后再对”11“节点进行右旋，此时二叉树就调整完成，如下图，

右左：

右左即为在原来平衡的二叉树上，在节点的右子树的左子树下，有新节点插入，导致节点的左右子树的高度差为2，如上即为”11“节点的右子树”15“，的左子树”13“，插入了节点”12“或”14“导致失衡。

​　　前面也说了，右左跟左右其实互为镜像，所以调整过程就反过来，先对节点”15“进行右旋，使得二叉树变成右右，之后再对”11“节点进行左旋，此时二叉树就调整完成，如下图，

左右即为在原来平衡的二叉树上，在节点的左子树的右子树下，有新节点插入，导致节点的左右子树的高度差为2，如上即为”11“节点的左子树”7“，的右子树”9“，插入了节点”10“或”8“导致失衡。

左右的调整就不能像左左一样，进行一次旋转就完成调整。我们不妨先试着让左右像左左一样对”11“节点进行右旋，结果图如下，右图的二叉树依然不平衡，而右图就是接下来要讲的右左，即左右跟右左互为镜像，左左跟右右也互为镜像。

右右：

右右即为在原来平衡的二叉树上，在节点的右子树的右子树下，有新节点插入，导致节点的左右子树的高度差为2，如上即为”11“节点的右子树”13“，的左子树”15“，插入了节点”14“或”19“导致失衡。

右右只需对节点进行一次左旋即可调整平衡，如下图，对”11“节点进行左旋。

平衡二叉树构建的过程，就是节点插入的过程，插入失衡情况就上面4种，算简单了，下面讲下平衡二叉树节点的删除，删除的情况会复杂一点，复杂的原因主要在于删除了节点之后要维系二叉树的平衡，但是删除二叉树节点总结起来就两个判断：①删除的是什么类型的节点？②删除了节点之后是否导致失衡？

节点的类型有三种：1.叶子节点；2.只有左子树或只有右子树；3.既有左子树又有右子树。

​　　针对这三种节点类型，再引入判断②，所以处理思路分别是：

（1）当删除的节点是叶子节点，则将节点删除，然后从父节点开始，判断是否失衡，如果没有失衡，则再判断父节点的父节点是否失衡，直到根节点，此时到根节点还发现没有失衡，则说此时树是平衡的；如果中间过程发现失衡，则判断属于哪种类型的失衡（左左，左右，右左，右右），然后进行调整。

（2）删除的节点只有左子树或只有右子树，这种情况其实就比删除叶子节点的步骤多一步，就是将节点删除，然后把仅有一支的左子树或右子树替代原有结点的位置，后面的步骤就一样了，从父节点开始，判断是否失衡，如果没有失衡，则再判断父节点的父节点是否失衡，直到根节点，如果中间过程发现失衡，则根据失衡的类型进行调整。

（3）删除的节点既有左子树又有右子树，这种情况又比上面这种多一步，就是中序遍历，找到待删除节点的前驱或者后驱都行，然后与待删除节点互换位置，然后把待删除的节点删掉，后面的步骤也是一样，判断是否失衡，然后根据失衡类型进行调整。

最后总结一下，平衡二叉树是一棵高度平衡的二叉树，所以查询的时间复杂度是 O(logN)
。插入的话上面也说，失衡的情况有4种，左左，左右，右左，右右，即一旦插入新节点导致失衡需要调整，最多也只要旋转2次，所以，插入复杂度是
O(1)
，但是平衡二叉树也不是完美的，也有缺点，从上面删除处理思路中也可以看到，就是删除节点时有可能因为失衡，导致需要从删除节点的父节点开始，不断的回溯到根节点，如果这棵平衡二叉树很高的话，那中间就要判断很多个节点。所以后来也出现了综合性能比其更好的树—-红黑树，后面再讲。