1.二叉查找树(Binary Search Tree)
概念:是一棵空树,或者是具有下列性质的二叉树
- 若任意节点的左子树不空,则左子树上所有节点的值均小于它的根节点的值
- 若任意节点的右子树不空,则右子树上所有节点的值均大于它的根节点的值
- 任意节点的左、右子树也分别为二叉查找树
- 没有键值相等的节点
示例图:
查找操作:
在二叉查找树中查找一个给定的值 k ,与二分查找很类似
首先拿 k 与树根的值进行比较,如果 k 比根的值大,则在根的右子树中查找,否则在根的左子树中查找,重复此过程,直到找到 k 和遇到空节点为止
查找的过程:
- 若二叉树是空树,则查找失败
- 若 k 等于根节点的数据,则查找成功
- 若 k 小于根节点的数据,则递归查找其左子树
- 若 k 大于根节点的数据,则递归查找其右子树
注意:
查找最小值:较小的值总是位于左节点上,只需要遍历左子树查找最后一个节点即可
查找最大值:较大的值总是位于右节点上,只需要遍历右子树查找最后一个节点即可
删除操作:
- 如果删除的是叶节点,可以直接删除
- 如果被删除的元素有一个子节点,可以将子节点直接移到被删除元素的位置
- 如果有两个子节点,这时候就采用中序遍历,找到待删除的节点的后继节点,将其与待删除的节点互换,此时待删除节点的位置已经是叶子节点,可以直接删除
插入操作:
当向树中插入一个新的节点时,该节点将总是作为叶子节点。将这个新的节点称为节点 n,而遍历的当前节点称为节点 c。开始时,节点 c 为 BST 的根节点。
则定位节点 n 父节点的步骤如下:
- 如果节点 c 为空,则节点 c 的父节点将作为节点 n 的父节点。如果节点 n 的值小于该父节点的值,则节点 n 将作为该父节点的左孩子;否则节点 n 将作为该父节点的右孩子
- 比较节点 c 与节点 n 的值,如果节点 c 的值与节点 n 的值相等,则说明用户在试图插入一个重复的节点。解决办法可以是直接丢弃节点 n,或者可以抛出异常
- 如果节点 n 的值小于节点 c 的值,则说明节点 n 一定是在节点 c 的左子树中。则将父节点设置为节点 c,并将节点 c 设置为节点 c 的左孩子,然后返回至第 1 步
- 如果节点 n 的值大于节点 c 的值,则说明节点 n 一定是在节点 c 的右子树中。则将父节点设置为节点 c,并将节点 c 设置为节点 c 的右孩子,然后返回至第 1 步
2. 代码实现
package com.example.data_structure;
import java.util.ArrayList;
import java.util.List;
/**
* 描述:
* 二叉查找树
*
* @author XueGuCheng
* @create 2022-10-26 21:18
*/
public class BinarySearchTree<E extends Comparable<E>> {
/**
* 根节点
*/
private Node<E> root;
/**
* 树的节点数量
*/
private int size;
private static class Node<E> {
/**
* 节点值
*/
E data;
/**
* 左节点
*/
Node<E> left;
/**
* 右节点
*/
Node<E> right;
/**
* 父节点
*/
Node<E> parent;
public Node(E data) {
this.data = data;
}
@Override
public String toString() {
return "Node{" +
"data=" + data +
'}';
}
}
/**
* 查询容量
* @return 容量
*/
public int size(){
return size;
}
/**
* 是否为空
* @return true:空;false:非空
*/
public boolean isEmpty(){
return size == 0;
}
/**
* 添加元素
* @param e 添加的元素值
*/
public void add(E e){
root = add(root,e);
size++;
}
/**
* 添加元素
* @param root 当前跟节点
* @param e 添加的元素值
* @return 添加元素后的树
*/
private Node<E> add(Node<E> root,E e){
if (root != null){
if (e.compareTo(root.data) > 0){
root.right = add(root.right, e);
root.right.parent = root;
}else if (e.compareTo(root.data) < 0){
root.left = add(root.left, e);
root.left.parent = root;
}
return root;
}else {
return new Node<>(e);
}
}
/**
* 前序遍历
*/
public List<E> preorderTraversal() {
ArrayList<E> list = new ArrayList<>();
preTraversal(root,list);
return list;
}
private void preTraversal(Node<E> root, List<E> list) {
if (root != null){
// 前序遍历
list.add(root.data);
preTraversal(root.left,list);
// // 中序遍历
// list.add(root.data);
preTraversal(root.right,list);
// 后序遍历
// list.add(root.data);
}
}
/**
* 删除指定元素
* @param e 删除的元素值
* @return 是否删除成功
*/
public boolean remove(E e){
Node<E> node = find(root, e);
if (node == null){
return false;
}
fastRemove(node);
size--;
return true;
}
/**
* 在以root为根节点的树中查找值为e的节点
* @param root 当前跟节点
* @param e 查找的元素值
* @return 查找到对应的节点
*/
private Node<E> find(Node<E> root,E e){
if (root != null){
if (e.compareTo(root.data) > 0){
return find(root.right,e);
}else if (e.compareTo(root.data) < 0){
return find(root.left,e);
}else {
return root;
}
}
return root;
}
/**
* 快速删除
* @param node 待删除节点
*/
private void fastRemove(Node<E> node) {
if (node.left != null && node.right != null){
// 使用后继节点代替待删除节点
Node<E> minimum = minimum(node.right);
node.data = minimum.data;
node = minimum;
}
Node<E> replacement = node.left != null ? node.left : node.right;
if (replacement != null){
replacement.parent = node.parent;
}
// 待删除节点没有父节点
if (node.parent == null){
root = replacement;
}else {
if (node == node.parent.left){
node.parent.left = replacement;
}else {
node.parent.right = replacement;
}
}
node.left = node.right = node.parent = null;
}
/**
* 找到当前节点下的最小子节点
* @param root 当前节点
* @return 最小子节点
*/
private Node<E> minimum(Node<E> root){
Node<E> cur = root;
while (cur.left != null){
cur = cur.left;
}
return cur;
}
}