【数据结构与算法】06：二叉树应用

hello world 999

已于 2023-10-30 10:51:12 修改

阅读量946

点赞数 1

分类专栏：数据结构与算法文章标签：数据结构链表算法

于 2022-05-26 21:17:02 首次发布

本文链接：https://blog.csdn.net/weixin_49167174/article/details/124992693

版权

数据结构与算法专栏收录该内容

12 篇文章 4 订阅

订阅专栏

二叉树应用

OVERVIEW

二叉树应用

一、树与森林

1.树存储结构

（1）双亲表示法：

实现：定义结构数组存放树的结点，每个结点含两个域（找双亲容易、找孩子难）

数据域：存放结点本身信息
双亲域：指示本结点的双亲结点在数组中的位置。

#define MAXTSIZE 100
typedef struct PTNode {
    ElemType data;
    int parent;//双亲位置域
} PTNode;
typedef struct {
    PTNode nodes[MAXTSIZE];
    int r;//根结点的位置
    int n;//结点的个数
} PTree;

（2）孩子链表表示法：

实现：将每个结点的孩子结点排列用单链表存储，而n个头指针又组成一个线性表用顺序表存储（找孩子容易、找双亲难）

//孩子结点结构：child + next
typedef struct CTNode {
    int child;
    struct CTNode *next;
} *ChildPtr;
//双亲结点结构：data + firstchild
typedef struct CTBox {
    ElemType data;
    ChildPtr firstchild;//孩子链表头指针
} CTBox;
typedef struct {
    CTBox nodes[MAXTSIZE];
    int n;//结点个数
    int r;//根节点的位置
} CTree;

（3）孩子兄弟表示法：

二叉链表表示法/二叉树表示法/孩子兄弟表示法，

实现：用二叉链表表示数的存储结构，链表中每个结点的两个指针域分别指向其第一个孩子结点和下一个兄弟结点。

typedef struct CSNode {
    ElemType data;
    struct CSNode *firstchild, *nextsibling;
} CSNode, *CSTree;

2.树与二叉树互转

将树转化为二叉树进行处理，利用二叉树的算法来实现对树的操作，由于树和二叉树都可以用二叉树链表作存储结构，则以二叉链表做媒介可以导出树与二叉树之间的对应关系。给定一棵树，可以找到唯一的二叉树与之对应

（1）树转换为二叉树：

理解：树转换为二叉树

二叉树转换步骤（兄弟相连留长子）：

加线：在兄弟之间加一根连线
抹线：对每个结点除了其左孩子外，去除其与其他孩子之间的关系
旋转：以树的根结点为轴心，将整树顺时针旋转45度

（2）二叉树转换为树：

理解：二叉树转换为树

树转换步骤（左孩右右连双亲，去掉原来右孩线）：

加线：若p为双亲结点的左孩子，则将p的右孩子、右孩子的右孩子…沿分支找到所有的右孩子与双亲连接
抹线：抹掉原二叉树中双亲与右孩子之间的连线
调整：将结点按层次排列，形成树结构

3.森林与二叉树互转

（1）森林转为二叉树：

理解：森林转为二叉树

森林转为二叉树（树变二叉根相连）

将各棵树分别转换为二叉树
将每棵树的根结点用线相连
以第一棵树根结点为二叉树的根，再以根结点为轴心顺时针旋转，构成二叉树形结构

（2）二叉树转为森林：

理解：二叉树转为森林

二叉树转为森林（去掉全部右孩线，孤立二叉再还原）。

抹线：将二叉树中根节点与其右孩子连线，及沿右分支搜索到的所有右孩子间连线全部抹掉（产生许多孤立的二叉树）
还原：将孤立的二叉树还原为树

4.树与森林的遍历

（1）树的遍历：

注：树的遍历没有中根遍历的情况，因为无法确定根的中序位置。

void PreOrder(TreeNode *R) {
    if (R != NULL) {
        visit(R);
        while (R->nextTree != NULL) {
            PreOrder(T);
        }
    }
}

void PostOrder(TreeNode *R) {
    if (R != NULL) {
        while (R->nextTree != NULL) {
            PostOrder(T);
        }
        visit(R);
    }
}

（2）森林的遍历：

二、哈夫曼树

1.哈夫曼树构造

在含有n个带权结点的二叉树中，其中带权路径长度WPL最小的二叉树称为哈夫曼树，也称为最优二叉树。

根据哈夫曼树中权越大的叶子离根结点越近的规律，利用贪心算法的思想：构造哈夫曼树时首先选择权值小的叶子结点。

哈夫曼树性质：

每个初始结点最终都会成为叶结点，且权值越小的结点到根节点的路径长度越大
包含n个叶子结点的哈夫曼树中共有2n-1个结点
哈夫曼树结点的度数为0或者2，没有度为1的结点
哈夫曼树的构造并不唯一，但是路径长度WPL必然相同且为最优
包含n棵树的森林要经过n-1次合并才能形成哈夫曼树，共产生n-1个新结点

2.哈夫曼树构造算法

采用顺序存储结构，一维数组实现：

typedef struct {
    int weight;
    int parent, lch rch;
} HTNode, *HuffmanTree;

（1）数组初始化：

初始化HT[1...2n-1]：lch = rch = parent=0
输入初始化n个叶子结点：设置HT[1...n]的weight值

（2）结点的n-1次合并：

对结点进行n-1次合并，依次产生n-1个结点HT[i]，i=n+1, n+2, …2n-1

在HT[1…i-1]中选取两个未被选过（parent==0）且weight最小的结点HT[s1]和HT[s2]
修改HT[s1]和HT[s2]的parent值：HT[s1].parent=i;、HT[s2].parent=i;

修改新产生的HT[i]：

HT[i].weight = HT[s1].weight + HT[s2].weight;
HT[i].lch = s1;
HT[i].rch = s2;

void CreatHuffmanTree(HuffmanTree HT, int n) {
    if (n <= 1) return;
    //1.数组初始化
    m = 2 *n - 1;//数组共2n-1个元素
    HT = new HTNode[m + 1];//0号单元未用，HT[m]表示根节点
    for (int i = 1; i <= m; ++i) {
        HT[i].lch = 0;
        HT[i].rch = 0;
        HT[i].parent = 0;
    }
    for (int i = 1; i <= n; ++i) cin >> HT[i].weight;
    
    //2.开始构造哈夫曼树（合并产生n-1个结点）
    for (int i = n + 1; i <= m; ++i) {
        Select(HT, i - 1, s1, s2);//在HT[k]中选择两个其双亲域为0、且权值最小的结点，并返回他们在HT中的序号s1、s2
        HT[s1].parent = i; HT[s2].parent = i;//从F中删除s1, s2
        HT[i].lch = s1; HT[i].rch = s2;//s1，s2分别作为i的左右孩子
        HT[i].weight = HT[s1].weight + HT[s2].weight; //i的权值为左右孩子权值之和
    }
}

3.哈夫曼树应用哈夫曼编码

（1）问题引入：

固定长度编码：

可变长度编码：允许对不同字符用不等长的二进制位表示，

哈夫曼编码：字符集中的每个字符作为一个叶子结点，各个字符出现的频度作为结点的权值，来构造哈夫曼树：

统计字符集中每个字符在电文中出现的平均概论（概率越大、要求编码越短）
将每个字符的平均概论作为权值，利用哈夫曼树的特点（权值越大的叶子离根越近）构造哈夫曼树。（概率越大的结点路径越短）
在哈夫曼树的每个结点分支上标记0和1（左分支0，右分支1）
把从根到每个叶子的路径上的标号连接起来，作为该叶子代表的字符编码

哈夫曼编码是前缀码（没有一片树叶是另一片树叶的祖先）
哈夫曼编码是最优前缀码（哈夫曼树的带权路径长度最短，字符编码总长度一定是最短的）

（2）哈夫曼编码：

//从叶子到根逆向求每个字符的哈夫曼编码，存储在编码表HC中
void CreatHuffmanCode(HuffmanTree HT, HuffmanCode &HT, int n) {
    HC = new char*[n + 1];//分配n个字符编码的头指针矢量
    cd = new char[n];//分配临时存放编码的动态数组空间
    cd[n - 1] = '\0';//编码结束符
    for (int i = 1; i <= n; ++i) {//逐个字符求哈夫曼编码
        start = n - 1; c = i; f = HT[i].parent;
        while (f != 0) {//从叶子结点开始向上回溯直到根节点
            start--;//回溯一次start向前指一个位置
            if (HT[f].lchild == c) {
                cd[start] = '0';//结点c是f的左孩子，则生成代码0
            } else {
                cd[start] = '1';//结点c是f的右孩子，则生成代码1
            }
            c = i; f = HT[i].parent;//继续向上回溯
        }//求出第i个字符的编码
        HC[i] = new char[n - start];//为第i个字符串编码分配空间
        strpy(HC[i], &cd[start]);//将求得的编码从临时空间cd复制到HC的当前行中
    }
    delete cd;//释放临时空间
}

三、并查集

1.并查集（双亲表示法）

使用双亲表示法，每个结点中保存指向双亲的指针，并和查的方式更加方便。（声明一个数组S即可表示集合的关系）

#define MAXTSIZE 100
typedef struct PTNode {
    ElemType data;
    int parent;//双亲位置域
} PTNode;
typedef struct {
    PTNode nodes[MAXTSIZE];//双亲表示
    int r;//根结点的位置
    int n;//结点的个数
} PTree;

//并查集初始化
#define SIZE 13
int UFSets[SIZE];//集合元素数组
void Initial(int S[]) {
    for (int i = 0; i < SIZE; ++i) S[i] = -1;
}

//并查集基本操作
//Find查操作，找到x所属集合（返回x所属根结点）	时间复杂度O(n)
int Find(int S[], int x) {
    while(S[x] >= 0) x = S[x];
    return x;
}
//Union并操作，将两个结合合并为一个	时间复杂度O(1)
void Union(int S[], int Root1, int Root2) {
    if (Root1 == Root2) return;//要求Root1与Root2是不同的集合
    S[Root2] = Root1;//将根Root2连接到另一根Root1的下面
}

2.并查集优化Union（小树并大树）：

在并查集的Find操作中，若结点数量为n则Find最坏时间复杂度为O(n)

优化思路：在每次Union操作构建树的时候，尽可能让树不长太高（小树合并到大树）。

//并查集基本操作
//Find查操作，找到x所属集合（返回x所属根结点）	时间复杂度O(log2n)
int Find(int S[], int x) {
    while(S[x] >= 0) x = S[x];
    return x;
}
//Union并操作，小树合并到大树	时间复杂度O(1)
void Union(int S[], int Root1, int Root2) {
    if (Root1 == Root2) return;
    if (S[Root2] > S[Root1]) {//Root2结点数更少
        S[Root1] += S[Root2];//累加结点总数
        S[Root2] = Root1;//小树合并到大树
    } else {//Root1结点数更少
        S[Root2] += S[Root1];
        S[Root1] = Root2;
    }
}
//该方法构造的树高度不超过[log2n] + 1

3.并查集进一步优化Find（路径压缩）：

Find操作的优化：压缩路径，先找到根节点、再将查找路径上的所有结点都挂到根结点下面。

//并查集基本操作
//Find查操作优化，先找到根节点再进行路径压缩
int Find(int S[], int x) {
    int root = x;
    while (S[root] >= 0) root = S[root];//循环查找根
    while (x != root) {//压缩路径
        int t = S[x];//t指向x的父节点
        S[x] = root;//x直接挂到根节点下
        x = t;
    }
    return root;//返回根节点编号
}
//Union并操作，小树合并到大树	时间复杂度O(1)
void Union(int S[], int Root1, int Root2) {
    if (Root1 == Root2) return;
    if (S[Root2] > S[Root1]) {//Root2结点数更少
        S[Root1] += S[Root2];//累加结点总数
        S[Root2] = Root1;//小树合并到大树
    } else {//Root1结点数更少
        S[Root2] += S[Root1];
        S[Root1] = Root2;
    }
}
//该方法构造的树高度不超过[log2n] + 1

优化后的并查集的Find、Union操作时间复杂度都很低。

四、二叉树经典问题

1.数据压缩

数据压缩：https://zhuanlan.zhihu.com/p/144562146

2.表达式求值

hello world 999

关注

1
点赞
踩
5

收藏

觉得还不错? 一键收藏
0
评论
【数据结构与算法】06：二叉树应用

第五章：二叉树（下）OVERVIEW第五章：二叉树（下）一、树与森林1.树存储结构（1）双亲表示法：（2）孩子链表：（3）二叉链表表示法：2.树的基本操作（1）树转换为二叉树：（2）二叉树转换为树：3.森林的基本操作（1）森林转为二叉树：（2）二叉树转为森林：4.树与森林的遍历（1）树的遍历：（2）森林的遍历：二、哈夫曼树1.基本概念2.哈夫曼树构造3.哈夫曼树构造算法（1）数组初始化：（2）结点的n-1次合并：4.哈夫曼树应用—哈夫曼编码（1）问题引入：（2）哈夫曼编码：5.哈夫曼编码应用—文件的编码
复制链接

扫一扫

专栏目录