二叉树基本知识点

满二叉树和完全二叉树

满二叉树：如果二叉树中除了叶子结点，每个结点的度都为 2，则此二叉树称为满二叉树。

• 满二叉树中第 i 层的节点数为 2n-1 个。
• 深度为 k 的满二叉树必有 2k-1 个节点 ，叶子数为 2k-1。
• 满二叉树中不存在度为 1 的节点，每一个分支点中都两棵深度相同的子树，且叶子节点都在最底层。
• 具有 n 个节点的满二叉树的深度为 log2(n+1)。

完全二叉树：如果二叉树中除去最后一层节点为满二叉树，且最后一层的结点依次从左到右分布，则此二叉树被称为完全二叉树。

• 当 i>1 时，父亲结点为结点 [i/2] 。（i=1 时，表示的是根结点，无父亲结点）
• 如果 2i>n（总结点的个数） ，则结点 i 肯定没有左孩子（为叶子结点）；否则其左孩子是结点 2i 。
• 如果 2i+1>n ，则结点 i 肯定没有右孩子；否则右孩子是结点 2i+1 。

二叉树的遍历

二叉树的先序，中序和后序遍历

import java.util.*;

/*
 * public class TreeNode {
 *   int val = 0;
 *   TreeNode left = null;
 *   TreeNode right = null;
 * }
 */

public class Solution {

    //先序遍历
    void preOrder(TreeNode root,ArrayList<Integer> list1){
        if(root==null){
            return;
        }
        list1.add(root.val);
        preOrder(root.left,list1);
        preOrder(root.right,list1);
    }
    //中序遍历
    void inOrder(TreeNode root,ArrayList<Integer> list2){
        if(root==null){
            return;
        } 
        inOrder(root.left,list2);
        list2.add(root.val);
        inOrder(root.right,list2);
    }
    //后序遍历
    void postOrder(TreeNode root,ArrayList<Integer> list3){
         if(root==null){
            return;
        }
        postOrder(root.left,list3);
        postOrder(root.right,list3);
        list3.add(root.val);
    }
}

二叉树先序中序后序遍历

层序遍历

用队列实现

import java.util.ArrayList;
/*
public class TreeNode {
    int val = 0;
    TreeNode left = null;
    TreeNode right = null;
    public TreeNode(int val) {
        this.val = val;
    }
}
*/
import java.util.*;
public class Solution {
    ArrayList<Integer> Print(TreeNode pRoot) {
        Queue<TreeNode> queue =new LinkedList();
        ArrayList<Integer> arr=new ArrayList<>();
        queue.add(pRoot);
        TreeNode node;
        while(queue.size()!=0){
            node=queue.poll();
            arr.add(node.val);
            if(node.left!=null) queue.add(node.left);
            if(node.right!=null) queue.add(node.right);
        }
        return arr;
    }
}

二叉树的深度
把二叉树打印成多行
从上往下打印二叉树
按之字形打印二叉树：有一点不同，当为偶数层时，添加的时候用list(index,T)方法，这样T元素会插到index位置，而原index位置以及后面的会自动往后移。这样完成了倒着存储。

二叉搜索树BST（又称二叉排序树、二叉查找树）

一种有序二叉树，如果根节点左子树不为空，则该左子树上的所有节点值都小于根节点的值，如果右子树不为空，则该右子树上的所有节点值都大于该节点的值。如果按中序遍历，则是一个从小到大的有序数组

如何找到前驱节点和后继节点

• 前驱节点： 左子树的最右（最大）节点
• 后继节点： 右子树的最左（最小）节点

删除结点

• 该删除的节点无左右节点：直接删除
• 该节点有左节点：把左节点赋给该节点的父节点的子节点
• 该节点有右节点：把右节点赋给该节点的父节点的子节点
• 该节点有右节点和左节点：
  1、找到该节点的后继节点（右子树的最左节点），把后继节点放在该处，然后删除后继节点（后继节点有可能没有子节点，直接删除，还有可能有右节点，则把右节点赋给该节点的父节点的子节点（同上第三点））
  2、找到该节点的前驱节点（左子树的最右节点），把前驱节点放在该处，然后删除前驱节点（前驱节点有可能没有子节点，直接删除，还有可能有左节点，则把左节点赋给该节点的父节点的子节点（同上第二点））

二叉查找树BST基本实现
图解删除
图解2

刷题
二叉搜索树第k个节点
二叉搜索树的后序遍历

平衡二叉树AVL和红黑树RBT

为什么要有AVL和RBT

大多数二叉排序树BST都是O（h）的时间复杂度，h为树的高度，但对于斜树而言（BST极端情况），BST这些操作时间复杂度将达到O（n），为了保证BST的所有操作的时间复杂度的上限为O（logn） ​，就要想办法把一颗BST树的高度一直维持在O（logn），而AVL和RBT就做到了这一点，AVL和RBT的高度始终都维持在logn，n 为树中的顶点数目。

AVL

• 每个节点最多只有两个子节点（二叉树）
• 每个节点的值比它左子树左右节点大2，比它右子树左右节点小（有序）
• 每个节点左子树与右子树高度差不超过1

旋转

• 左左：右旋
• 左右：先左旋再右旋
• 右右：左旋
• 右左：先右旋再左旋

AVL

RBT

• 每个节点不是黑色就是红色
• 根节点为黑色
• 红色节点的父节点和子节点不能为红色
• 所有的叶子节点都是黑色（空节点视为叶子节点NIL）
• 每个节点到叶子节点的每个路径黑色节点的个数都相等。

每个插入的节点都视为红色

黑高

在一颗红黑树中，从某个结点 x 出发（不包含该结点）到达一个叶结点的任意一条简单路径上包含的黑色结点的数目称为 黑高 ，记为 bh(x) 。
红黑树的黑高则为其根结点的黑高。

变色

• 如果父节点和叔节点都是红色，则同时变为黑色，然后递归网上变色，根节点为黑色。

旋转

都是父为红，叔为黑的情况

• 左左：父为左节点，该节点也为左节点，右旋，变色
• 左右：父为左节点，该节点为右节点，先左旋，再右旋，再变色
• 右右：父为右节点，该节点也为右节点，左旋，变色
• 右左：父为右节点，该节点为左节点，先右旋，再左旋，再变色

AVL和RBT的区别

• AVL左右子树高度不超过1，RBT可能会超过1
• AVL不平衡进行旋转，RBT不平衡可能只变色，不旋转
• AVL比RBT更加平衡，AVL在插入和删除时存在大量的选择操作，所以涉及到频繁的插入和删除操作时，应放弃AVL，选择性能更好的红黑树
• AVL适合查找多，RBT适合修改多

红黑树与平衡二叉树的区别和原理
AVL和RBT

大根堆和小根堆