AVL树
概念
二叉搜索树虽可以缩短查找的效率,但如果数据有序或接近有序二叉搜索树将退化为单支树,查找元素相当于在顺序表中搜索元素,效率低下。因此,两位俄罗斯的数学家G.M.Adelson-Velskii和E.M.Landis在1962年发明了一种解决上述问题的方法:当向二叉搜索树中插入新结点后,如果能保证每个结点的左右子树高度之差的绝对值不超过1(需要对树中的结点进行调整),即可降低树的高度,从而减少平均搜索长度。
一棵AVL树或者空树是具有以下性质的二叉搜索树:
- 它的左右子树都是AVL树
- 左右子树高度之差(简称平衡因子)的绝对值不超过1(-1/0/1)
AVL树不一定需要平衡因子来控制高度差,只不过使用平衡因子是比较方便的一种控制方法
平衡因子=右子树高度-左子树高度
如果一棵二叉搜索树是高度平衡的,它就是AVL树。如果它有n个结点,其高度可保持在O(log 2 _2 2N) ,搜索时间复杂度O(log 2 _2 2N)
AVLTree的插入
平衡控制:cur新增,只会影响cur的祖先节点的平衡因子
- 更新平衡因子——新增节点到根节点的祖先路径
- 出现异常的平衡因子——那么需要旋转处理平衡
更新平衡因子(5种情况):
①cur== parent->left {parent->bf --}
②cur== parent->right {parent->bf++}
③更新以后,parent->bf == 0,更新结束。此时说明更新前parent->bf 是1或者-1,现在变成成0,说明填上矮的那边,parent所在的子树高度不变
④更新以后,parent->bf = = 1/ -1,继续往上更新。说明更新前parent->bf是0,现在变成1或者-1,我有一边子树变高了,parent所在子树高度变了.
⑤更新以后,parent->bf = = 2 / -2,parent所在子树已经不平衡,需要旋转处理。
代码框架如下:
bool Insert(const pair<K,V> &kv)
{
if (_root == nullptr)
{
_root = new Node(kv);
return true;
}
Node* parent = nullptr;
Node* cur = _root;
while (cur)
{
if (kv.first > cur->_kv.first)
{
parent = cur;
cur = cur->_right;
}
else if (kv.first < cur->_kv.first)
{
parent = cur;
cur = cur->_left;
}
else
{
return false;
}
}
// 此处走到nullptr,可以插入了
// 要跟父亲链接起来,我们需要比较一下,链接在左边还是右边
cur = new Node(kv);
if (kv.first>parent->_kv.first)
{
// 三叉链需要链接起来
parent->_right = cur;
cur->_parent = parent;
}
else
{
parent->_left = cur;
cur->_parent = parent;
}
// 控制平衡
while (parent)
{
if (cur == parent->_left)
parent->_bf++;
else
parent->_bf--;
if (parent->_bf == 0)
{
break;
}
else if (parent->_bf == 1 || parent->_bf == -1)
{
//需要继续往上更新
//倒着晚上走
cur = parent;
parent = parent->_parent;
}
else if(parent->_bf == 2 || parent->_bf == -2)
{
//旋转处理
}
else
{
//说明插入更新平衡因子之前就有问题了
assert(false);
}
}
return true;
}
AVLTree的旋转
旋转过程要满足:
- 保持结构任然是搜索树
- 控制平衡因子
根据节点插入位置的不同,AVL树的旋转分为四种:
抽象图:
具象图:
以此类推。。。
右单旋
- 新节点插入较高左子树的左侧——左左:右单旋
a中插入值,a的高度变化,变为h+1,那么就会引发60的平衡因子变为-2,触发旋转
旋转的动作:
①b变成60的左边
②60变成30的右边
旋转的意义:
①这棵树平衡了
②整棵树高度降低了1
在旋转过程中,有以下几种情况需要考虑:
①30节点的右孩子可能存在,也可能不存在
②60可能是根节点,也可能是子树:
如果是根节点,旋转完成后,要更新根节点
如果是子树,可能是某个节点的左子树,也可能是右子树
void RotateR(Node* parent)
{
Node* subL = parent->_left;
Node* subLR = subL->_right;
parent->_left = subLR;
if (subLR)
subLR->_parent = parent;
Node* parentParent = parent->_parent;
subL->_right = parent;
parent->_parent = subL;
if (parent == _root)
{
_root = subL;
_root->_parent = nullptr;
}
else
{
if (parentParent->_left == parent)
{
parentParent->_left = subL;
}
else
{
parentParent->_right = subL;
}
subL->_parent = parentParent;
}
parent->_bf = subL->_bf = 0;
}
左单旋
- 新节点插入较高右子树的右侧——右右:左单旋
void RotateL(Node* parent)
{
Node* subR = parent->_right;
Node* subRL = subR->_left;
parent->_right = subRL;
if (subRL)
{
subRL->_parent = parent;
}
Node* parentParent = parent->_parent;
subR->_left = parent;
parent->_parent = subR;
if (_root == parent)
{
_root = subR;
subR->_parent = nullptr;
}
else
{
if (parentParent->_left == parent)
{
parentParent->_left = subR;
}
else
{
parentParent->_right = subR;
}
subR->_parent = parentParent;
}
subR->_bf = parent->_bf = 0;
}
左右双旋
- 新节点插入较高左子树的右侧——左右:先左单旋再右单旋
当h= =0的场景:
当h= =1的场景:
①以30节点为轴点,插入后进行左单旋
②以90节点为轴点,进行右单旋
//左右双旋
void RotateLR(Node* parent)
{
Node* subL = parent->_left;
Node* subLR = subL->_right;
int bf = subLR->_bf;
//1、以subL为旋转点进行左单旋
RotateL(subL);
//2、以parent为旋转点进行右单旋
RotateR(parent);
//3、更新平衡因子
if (bf == 1)
{
subLR->_bf = 0;
subL->_bf = -1;
parent->_bf = 0;
}
else if (bf == -1)
{
subLR->_bf = 0;
subL->_bf = 0;
parent->_bf = 1;
}
else if (bf == 0)
{
subLR->_bf = 0;
subL->_bf = 0;
parent->_bf = 0;
}
else
{
assert(false); //在旋转前树的平衡因子就有问题
}
}
右左双旋
- 新节点插入较高右子树的左侧——右左:先右单旋再左单旋
//右左双旋
void RotateRL(Node* parent)
{
Node* subR = parent->_right;
Node* subRL = subR->_left;
int bf = subRL->_bf;
//1、以subR为轴进行右单旋
RotateR(subR);
//2、以parent为轴进行左单旋
RotateL(parent);
//3、更新平衡因子
if (bf == 1)
{
subRL->_bf = 0;
parent->_bf = -1;
subR->_bf = 0;
}
else if (bf == -1)
{
subRL->_bf = 0;
parent->_bf = 0;
subR->_bf = 1;
}
else if (bf == 0)
{
subRL->_bf = 0;
parent->_bf = 0;
subR->_bf = 0;
}
else
{
assert(false); //在旋转前树的平衡因子就有问题
}
}
AVL树的验证
AVL树是在平衡二叉树的基础上,加入平衡因子的限制,因此要验证AVL树,可以分为两步:
- 第一步:验证其为二叉搜索树
如果中序遍历可以得到一个有序的序列,说明其为二叉搜索树
void _InOrder(Node* root)
{
if (root == nullptr)
return;
_InOrder(root->_left);
cout << root->_kv.first << ":" << root->_kv.second << endl;
_InOrder(root->_right);
}
void InOrder()
{
_InOrder(_root);
}
- 第二步:验证其为平衡树
中序有序只能证明是二叉搜索树,要证明二叉树是AVL树还需验证二叉树的平衡性,在该过程中我们顺便检查每个结点当中平衡因子是否正确即可。
- 每个节点子树高度差的绝对值不超过1(注意节点中没有平衡因子)
- 节点的平衡因子是否正确
int Height(Node* root)
{
if (root == nullptr)
return 0;
int leftHeight = Height(root->_left);
int rightHeight = Height(root->_right);
return leftHeight > rightHeight ? leftHeight + 1 : rightHeight + 1;
}
bool IsBalance()
{
return _IsBalance(_root);
}
bool _IsBalance(Node* root)
{
if (root == nullptr)
return true;
// 对当前树进行检查
int leftHeight = Height(root->_left);
int rightHeight = Height(root->_right);
if (rightHeight - leftHeight != root->_bf)
{
cout << root->_kv.first << "这个节点现在是:" << root->_bf << endl;
cout << root->_kv.first << "这个节点应该是:" << rightHeight - leftHeight << endl;
return false;
}
// 递归去左右子树计算
return abs(rightHeight - leftHeight) < 2 && _IsBalance(root->_left) && _IsBalance(root->_right);
}
AVL树的删除
删除不是考察的重点,比插入的细节更加多一点。
因为AVL树也是二叉搜索树,可按照二叉搜索树的方式将节点删除,然后再更新平衡因子,只不过与删除不同的是,删除节点后的平衡因子更新,最差情况下一直要调整到根节点的位置。
AVL树的性能
AVL树是一棵绝对平衡的二叉搜索树,其要求每个节点的左右子树高度差的绝对值都不超过1,这样可以保证查询时高效的时间复杂度,即log2N 。但是如果要对AVL树做一些结构修改的操作,性能非常低下,比如:插入时要维护其绝对平衡,旋转的次数比较多,更差的是在删除时,有可能一直要让旋转持续到根的位置。因此:如果需要一种查询高效且有序的数据结构,而且数据的个数为静态的(即不会改变),可以考虑AVL树,但一个结构经常修改,就不太适合。