数据结构-红黑树学习

红黑树

红黑树

1. 定义

R-B Tree，全称是Red-Black Tree，又称为“红黑树”，它一种特殊的二叉查找树。红黑树的每个节点上都有存储位表示节点的颜色，可以是红(Red)或黑(Black)。

1.节点是红色或黑色。

2.根节点是黑色。

3.每个叶子节点都是黑色的空节点（NIL节点）。

4 每个红色节点的两个子节点都是黑色。(从每个叶子到根的所有路径上不能有两个连续的红色节点)

5.从任一节点到其每个叶子的所有路径都包含相同数目的黑色节点。

1.1 树

树（Tree）是由多个节点（Node）的集合组成，每个节点又有多个与其关联的子节点（Child Node）。子节点就是直接处于节点之下的节点，而父节点（Parent Node）则位于节点直接关联的上方。树的根（Root）指的是一个没有父节点的单独的节点。

所有的树都呈现了一些共有的性质：

1. 只有一个根节点；
2. 除了根节点，所有节点都有且只有一个父节点；
3. 无环。将任意一个节点作为起始节点，都不存在任何回到该起始节点的路径。（正是前两个性质保证了无环的成立。）

1.2 完全二叉树和满二叉树

• 完全二叉树（Complete Binary Tree）：

  • 深度为 h，有 n 个节点的二叉树，当且仅当其每一个节点都与深度为 h 的满二叉树中，序号为 1 至 n 的节点对应时，称之为完全二叉树
  • 最后一层叶子节点不满

• 满二叉树（Full Binary Tree）：

  • 一棵深度为 h，且有 2h - 1 个节点称之为满二叉树
  • 最后一层全部都是叶子节点

1.3 二叉查找树

二叉查找树（BST：Binary Search Tree）是一种特殊的二叉树，它改善了二叉树节点查找的效率。二叉查找树有以下性质：

对于任意一个节点 n，

• 其左子树（left subtree）下的每个后代节点（descendant node）的值都小于节点 n 的值；
• 其右子树（right subtree）下的每个后代节点的值都大于节点 n 的值。

所谓节点 n 的子树，可以将其看作是以节点 n 为根节点的树。子树的所有节点都是节点 n 的后代，而子树的根则是节点 n 本身

查找算法过程如下：

假设我们要查找节点 n，从 BST 的根节点开始。算法不断地比较节点值的大小直到找到该节点，或者判定不存在。每一步我们都要处理两个节点：树中的一个节点，称为节点 c，和要查找的节点 n，然后并比较 c 和 n 的值。开始时，节点 c 为 BST 的根节点。然后执行以下步骤：

1. 如果 c 值为空，则 n 不在 BST 中；
2. 比较 c 和 n 的值；
3. 如果值相同，则找到了指定节点 n；
4. 如果 n 的值小于 c，那么如果 n 存在，必然在 c 的左子树中。回到第 1 步，将 c 的左孩子作为 c；
5. 如果 n 的值大于 c，那么如果 n 存在，必然在 c 的右子树中。回到第 1 步，将 c 的右孩子作为 c；

BST 算法查找时间依赖于树的拓扑结构。最佳情况是 O(log­2n)，而最坏情况是 O(n)

二叉查找树

2. 演变

2.1 2-3树

一颗2-3树或为一颗空树，或有以下节点组成：

• 2-节点，含有一个元素和两个子树（左右子树），左子树所有元素的值均小于它父节点，右子树所有元素的值均大于它父节点；

• 3-节点，含有两个元素和三个子树（左中右子树），左子树所有元素的值均小于它父节点，中子树所有元素的值都位于父节点两个元素之间，右子树所有元素的值均大于它父节点；

• 子树也是空树、2-节点或者3-节点；

• 没有元素相等的节点。

2-3树

2.2 2-3-4树

2-3-4树的名字是根据子节点数来确定的。
我们看2-3-4树的key的种类

• 2-node: one key, two children.一个key值，两个儿子节点
• 3-node: two keys, three childre.两个key值，三个儿子节点
• 4-node: three keys, four children.三个key值，四个儿子节点

特性

• 2-node
  • 2-node的左孩子就代表比key小
  • 右孩子就代表比key大
• 3-node
  • 3-node的左孩子代表比第一个key小
  • 中间的孩子代表值位于第一个key和第二个key之间
  • 右孩子代表值大于第二个key
• 4-node
  • 4-node的左孩子代表比第一个key小
  • 中间的第一个孩子代表值位于第一个key和第二个key之间
  • 中间的第二个孩子代表值位于第二个key和第三个key之间
  • 右孩子代表值大于第三个key

2-3-4树