有序表学习笔记

有序表

有序表的分类

基于平衡搜索二叉树实现的有序表

搜索二叉树的节点的插入、查询、删除操作

搜索二叉树的节点的删除操作

（1）叶子节点直接删除；

（2）非叶子节点，删除之后，使用左子树最右的节点，或者右子树最左的节点填补空位。如果用左子树最右的节点，其左子树向上填补它移走后的空缺。如果用右子树最左的节点，其右子树向上填补它移走后的空缺。

删除50这个节点，可以用40或者60填补上去。如果用40填补，35补到40原先的位置。如果用60填补，65补到60原先的位置。

左旋和右旋

左旋和右旋用来调整二叉树的高度，通过适当的旋转操作可以让二叉树达到平衡。

对于搜索二叉树，左旋、右旋之后仍然是搜索二叉树。

左旋

节点T左旋，T向左侧倒：

（1）R成为新的头结点；

（2）T成为R的左子树，T的左子树不变，T的右子树为空；

（3）R的右子树T4不变；

（4）R原先的左子树T3挂到T的右侧。

右旋

节点T右旋，T向右侧倒：

（1）L成为新的头结点；

（2）T成为L的右子树，T的右子树不变，T的左子树为空；

（3）L的左子树T1不变；

（4）L原先的右子树T2挂到T的左侧。

平衡搜索二叉树实现有序表的原理

AVL树、Size-balanced-tree、红黑树都是利用平衡搜索二叉树的思想实现的有序表。

这三种有序表使用的搜索二叉树的查询，插入、删除节点，左旋，右旋等基本操作都是一样的，不一样的是它们对平衡性的定义，控制平衡的规则不一样。

AVL树严格遵守平衡二叉树的定义，通过树的高度、左旋和右旋调整平衡。

Size-balanced-tree不严格遵守平衡二叉树的定义，通过树的节点个数、左旋和右旋调整平衡，整体上保持平衡。

红黑树也不严格遵守平衡二叉树的定义，通过节点的颜色和个数、左旋和右旋调整平衡，整体上保持平衡。

二叉树搜索树加上平衡性约束（即使是整体上的平衡）后，整棵树可以认为是满二叉树，查找、插入、删除操作的时间复杂度为O(logN)。

AVL树

平衡性：

任意一个节点的左子树和右子树的高度差不超过1。

有四种形态的调整：LL、RR、LR、RL型。

Size-balanced-tree

平衡性：

每棵子树的大小，不小于其兄弟的任一子树的大小；

每棵叔叔树的大小，不小于任一侄子数的大小。

也是四种形态的调整：LL、RR、LR、RL型。

红黑树

平衡性：

每个节点都有一种颜色：红色、黑色；

头结点为黑色；

叶子节点为黑色；

红色节点不能相邻；

从每一个节点出发往下走，每条到结束的路上黑色节点数目一样多。

注意：

红黑树中的叶子节点是null节点，不是指既没有左子树、也没有右子树的节点

有八种形态的调整：略。

下边是一棵红黑树，但是并不是严格的平衡二叉树。

跳表

查找、插入、删除的时间复杂度O(logN)。跳表的索引有冗余，增加空间开销。

跳表节点的数据结构如下。跳表是多链表结构，每个节点至少有一个指向下一个节点的指针。

public class SkipList { public static class SkipListNode<K extends Comparable<K>, V> { public K key; public V value; public ArrayList<SkipListNode<K, V>> nextNodes; }}

头节点（默认节点）

逻辑上最小的节点，头结点不保存正常的数据，索引指针数可以动态扩充。

数据节点

除头节点之外存储数据的节点，数据节点的索引指针数固定不变。

数据节点索引指针数生成算法

指针数初始为1。随机从0，1两个数中取一个数（取到0和1的概率相等，都是50%），如果取到1指针数加1，继续该过程，如果取到0停止获取。

查找

从头结点开始，从上到下，从左到右的顺序查找。

从上图所示的跳表中查找节点40，查找过程如下：

（1）当前节点cur来到头节点

（2）从cur(头)的最高层开始，从第4层向右找到节点70，>40，在cur(头)处向下一层移动；

（3）来到cur(头)的第3层，向右找到70，>40，在cur(头)处向下一层移动；

（4）来到cur(头)的第2层，向右找到30，<40，cur移动到30这个节点；

（5）从cur(30)的最高层，从第2层向右找到70，>40，在cur(30)处向下一层移动；

（6）来到cur(30)的第1层，向右找到70，>40，在cur(30)处向下一层移动；

（7）来到cur(30)的第0层，向右找到50，>40，到达最下层，没有找到40，查找结束。

插入

在上图所示的跳表中插入节点40，插入过程如下：

（1）为40这个新节点生成索引指针的个数，假设生成的是6个，> 头节点的指针数（4）；

（2）将头节点的指针数扩充到6个，新增加的2个指针先指向null；

（3）当前节点cur来到头结点，从最高层第6层开始，指向null，改成指向新节点40，在cur(头)处向下一层移动；

（4）来到cur(头)的第5层，指向null，改成指向新节点40，在cur(头)处向下一层移动；

（5）来到cur(头)的第4层，指向节点70，>40，将40插入cur(头)和70之间，在cur(头)处向下一层移动；

（6）来到cur(头)的第3层，指向节点70，>40，将40插入cur(头)和70之间，在cur(头)处向下一层移动；

（7）来到cur(头)的第2层，指向节点30，<40，cur移动到节点30，从cur(30)的最高层第2层开始，指向节点70，>40，将40插入cur(30)和70之间，在cur(30)处向下一层移动；

（8）来到cur(30)的第1层，指向节点70，>40，将40插入cur(30)和70之间，在cur(30)处向下一层移动；

（9）来到cur(30)的第0层，指向节点50，>40，将40插入cur(30)和50之间，已来到最下一层，插入完成。

删除

在上图所示的跳表中删除节点40，删除过程如下：

（1）在跳表中查找40，如果找不到，删除结束；

（2）当前节点cur来到头结点，从最高层第6层开始，指向40，40节点指向null，释放第6层，头结点层高减少1层；

（3）来到cur(头)的第5层，指向40，节点40指向null，释放第5层，头结点层高再减少1层；

（4）来到cur(头)的第4层，指向40，节点40指向节点70，cur(头)的第4层改成指向节点70，在cur(头)处向下一层移动；

（5）来到cur(头)的第3层，指向40，节点40指向节点70，cur(头)的第3层改成指向节点70，在cur(头)处向下一层移动；

（6）来到cur(头)的第2层，指向30，<40，cur移动到节点30，从cur(30)的最高层第2层开始，指向节点40，节点40指向节点70，cur(30)的第2层改成指向节点70，在cur(30)处向下一层移动；

（7）来到cur(30)的第1层，指向40，节点40指向节点70，cur(30)的第1层改成指向节点70，在cur(30)处向下一层移动；

（8）来到cur(30)的第0层，指向40，节点40指向节点50，cur(30)的第0层改成指向节点50，已来到最下一层，删除完成。

时间复杂度分析

每个数据节点的索引指针数通过每次50%的随机概率产生，如果总共有N个节点，则节点数的分布情况如下

第0层：N

第1层：N/2

第2层：N/4

第3层：N/8

等等......

整体上符合一棵满搜索二叉树，即平衡搜索二叉树，故查询、插入、删除的时间复杂度与平衡搜索二叉树相当，为O(logN)。

跳表的实现比平衡二叉树简单。

缺点：

索引指针数冗余存储，索引指针的空间复杂度是O(N*N)，利用空间换时间。

参考资料

《bilibili左程云算法课堂》

《跳跃表Skip List的原理和实现(Java)》 https://blog.csdn.net/DERRANTCM/article/details/79063312