数据结构与算法（9）—— 平衡二叉树

平衡二叉树

为何要使用AVL树？
二叉搜索树的搜索效率与其树的深度相关，而二叉搜索树的组成又与其插入序列相关，在极端情况下，二叉搜索树退化为一条单链（比如插入序列是 1 2 3 … n），使得搜索效率大大降低，为了避免这种情况出现，我们采用二叉平衡树对插入结点进行调整，使得树的深度尽可能小

定义
平衡因子
BF(T) = hL - hR，其中 hL 、hR 分别是左右子树的高度

• 平衡二叉树(AVL 树)
• 空树，或者任一结点左、右子树高度差的绝对值不超过 1，即 |BF(T)|≤1 的树
  

平衡二叉树的调整

遵循原则
从离插入结点最近的结点调整
RR 单旋
当"插入结点"(BR)是"被破坏平衡结点"(A)右子树的右子树时，即 RR 插入时，采用 RR 旋转调整

其基本思路是把 B 的左子树腾出来挂到 A 的右子树上，返回 B 作为当前子树的根
示意图：

AVLTree RRRotation(AVLTree A){
	AVLTree B = A->right;   // B 为 A 的右子树  
	A->right = B->left;    // B 的左子树挂在 A 的右子树上 
	B->left = A;   //  A 挂在 B 的左子树上 
	return B;  // 此时 B 为根结点了   
}

LL 单旋

当"插入结点"(BL)是"被破坏平衡结点"(A)左子树的左子树时，即 LL 插入，采用 RR 旋转调整

其基本思路是把 B 的右子树腾出来挂到 A 的左子树上，返回 B 作为当前子树的根
示意图：

AVLTree LLRotation(AVLTree A){
	// 此时根节点是 A 
	AVLTree B = A->left;  // B 为 A 的左子树  
	A->left = B->right;   // B 的右子树挂在 A 的左子树上 
	B->right = A;     //  A 挂在 B 的右子树上 
	return B;  // 此时 B 为根结点了 
}

LR 双旋

当"插入结点"(CL 或者 CR)是"被破坏平衡结点"(A)左子树的右子树时，即 LR 插入，采用 LR 旋转调整

基本思想是先将 B 作为根结点进行 RR 单旋转化为 LL 插入，再将 A 作为根结点进行 LL 单旋（先 RR 再 LL）
示意图：

AVLTree LRRotation(AVLTree A){
	// 先 RR 单旋
	A->left = RRRotation(A->left);
	// 再 LL 单旋 
	return LLRotation(A);
}

总结：叫 LR 双旋是从上到下看，而实际先 RR 单旋再 LL 单旋是从下往上的过程

4. RL 双旋
   当"插入结点"(CL 或者 CR)是"被破坏平衡结点"(A)右子树的左子树时，即 RL 插入，采用 RL 旋转调整
   
   基本思想是先将 B 作为根结点进行 LL 单旋转化为 RR 插入，再将 A 作为根结点进行 RR单旋（先 LL 再 RR）
   示意图：
   
   == 总结：叫 RL 双旋是从上到下看，而实际先 LL 单旋再 RR 单旋是从下往上的过程==