算法与数据结构系列之[红黑树-上]

最新推荐文章于 2024-01-15 08:00:00 发布

秦老厮

最新推荐文章于 2024-01-15 08:00:00 发布

阅读量221

点赞数

分类专栏：算法与数据结构文章标签：数据结构红黑树

本文链接：https://blog.csdn.net/yelang0/article/details/95243036

版权

算法与数据结构专栏收录该内容

27 篇文章 0 订阅

订阅专栏

前言

前面我们提到，为了解决二分搜索树有时候会退化成链表的问题，科学家们提出了平衡树的概念，最早发明的AVL树就是高度平衡（所有节点的左右子节点的高度差的绝对值不超过1）的二分搜索树，但实际开发中，AVL树并不常见，工程中，常用的平衡二分搜素树是这篇我们要介绍的红黑树。那到底什么是红黑树呢？我们在这篇文章中揭晓。为了便于理解红黑树，我们先来看一种绝对的平衡树–2-3树。

所谓绝对平衡树就是所有节点的左右子节点的高度差都为0，顾名思义，2-3树就是有的节点可以存放一个或两个元素，且可以有2个子节点，也可以有3个子节点。2-3树任然满足二分搜索树的基本性质，即每个节点的左子树小于该节点的值，每个节点的右子树大于该节点的值，不同的地方在于，当2-3树的节点有3个子节点的时候，那么父节点有两个元素，需要考虑子节点位于父节点两个元素之间的情况。具体的2-3树如图所示：
在这里插入图片描述

那么是一棵绝对的平衡树，那么在添加元素时，2-3树是如何维持这种绝对的平衡性的呢？接下来结合图和分析：

在这里插入图片描述
如上图，刚开始2-3树中是没有元素的，当我们添加42的时候，直接添加到根节点的位置即可。接着添加37，37比42小，应该添加到42的左子树上，但是42的左子树为空，而2-3树添加元素的时候不能把元素添加在空的位置上，所以要把37先融合到添加元素过程中找到的最后一个叶子节点上，又当前只有42,42即为叶子节点，所以37添加到42这个节点上，融合成一个3节点（可以有三个子节点）。接着再添加12到2-3树中，12比37小，应该添加到37左子树，但37的左子树为空，所以先把12融合到37节点上，形成一个4节点（可以有四个子节点），但对于2-3树来说，不能有4个子节点，最多可以有3个子节点，所以再把当前的这个四节点分裂为一棵子树，将一个4节点转换为由3个2节点组成的子树。

在上述的基础上，再添加18这个节点，比较后，18应添加在12的右子树，但12的右子树为空，所以18融合到12这个节点。接着再添加6,6应该添加在包含12和18两个元素的3节点的左子树，但左子树为空，所以融合到12这个节点上。接着需要对融合后的这个4节点拆解，拆解后的树不满足绝对平衡性，还需要将拆解后的子树的新的父节点向上和它的父节点融合，12的父节点是根节点37，所以12和37这个节点融合，根节点变为一个3节点，12原来的左节点6成了包含12和37两个元素的3节点的左子节点，12原来的右节点18则成了这个3节点的中间节点，此时满足2-3树的绝对平衡性。

接着再添加11这个节点，11应该添加6的右子树，右子树为空，11和6融合。再添加5这个节点，5与包含6和11两个元素的这个3节点融合，形成一个4节点，将这个4节点分裂，分裂后不满足绝对平衡性，再向上融合，融合后根节点又变为4节点，再分裂，之后满足绝对平衡性。

1.什么是红黑树

红黑树没有一个统一的定义，我们学习数据结构是为了实际中应用，所以没必要死扣定义。我们这里这样来定义红黑树：每个节点只存储一个元素实现和2-3树一样的逻辑的树就是红黑树，2-3树中2节点只存储一个元素，可以有两个子节点，红黑树中也用这样的节点来表示，2-3树中的3节点存储两个元素，可以有三个子节点，红黑树用两个节点来表示，如图，b节点和它的父c一起来表示2-3树中包含b和c这两个元素的三节点。在红黑树中所有的红色节点都是向左倾斜的，因为红色节点表示2-3树中一个三节点左边的元素。

在这里插入图片描述
其实红黑树和2-3树具有等价关系，下图列出红黑树和2-3树的这种等价关系：

在这里插入图片描述
2.红黑树的性质

每个节点要么是红色的，要么是黑色的。
根节点时黑色的。
每一个叶子节点（最后的空节点）是黑色的。
如果一个节点时红色的，那么它的孩子节点都是黑色的。
从任意一个节点到叶子节点，经过的黑色节点数量是一样的。

红黑树的黑色节点高度差不超过1，是保持“黑平衡的二叉树”，所以，红黑树不是严格意义上的平衡二叉树。

3.红黑树的添加操作

红黑树美添加一个节点默认都为红色，这是因为红黑树和2-3树具有等价关系，而2-3树是不能把一个新的节点添加到元素为空的位置的，每次为2-3树添加元素都是将要添加的节点融合到已有的节点上，又红黑树中用红色节点来表示那个融合的节点，所以红黑树新添加的节点都为红色。当红黑树为空的时候，添加的第一个节点作为根节点，又红黑树的根节点是黑色的，因此，需要在添加节点时将根节点最终设置为黑色（root.color = BLACK ）。

左旋转：当红黑树要插入的节点比当前的节点大时，需要插入到该节点的右子树的位置，而红黑树的红色节点都应插入到当前节点的左子树的位置，因而需要将当前左旋转，使红色节点插入到左边的位置。

在这里插入图片描述
为了不失一般性，我们假设13和27都有子节点，此时的左旋图如下：

在这里插入图片描述
代码实现：

private Node leftRotate(Node node){
    Node x = node.right;
    node.right = x.left;
    x.left = node;
    x.color = node.color;
    node.color = RED;
    return node;
}

颜色翻转：如图，要添加的节点66比42大，应该添加在42的右侧，此时有42有两个红色的子节点，对应于2-3树中的一个四节点。在2-3树中一个四节点会分裂为三个二节点，所以将红黑树中对应的37,16这两个红色的节点全部变为黑色即可，不要要旋转，又2-3树中分裂后父节点还要向上融合，因此需要把红黑树中的父节点42变为红色。

在这里插入图片描述
代码实现:

private void flipColors(Node node){
   node.color = RED;
   node.left.color = BLACK;
   node.right.color = BLACK;
}

右旋转：要添加的节点12比37小，应添加到37的左侧，此时对应于2-3树中的一个四节点，这个四节点需要分裂为以37为父节点的3个二节点，对应的红黑树中42则需要右旋转。旋转后将37的颜色变为黑色，因为37为父节点，42变为红色，此时红黑树的结构就和上面颜色翻转前情况一样了，接着进行颜色翻转即可。

在这里插入图片描述
代码实现：

private Node rightRotate(Node node){
    Node x  = node.left;
    //右旋转
    x.right = node;
    node.left = x.right;
    x.color = node.color;
    node.color = RED;
    return  x;
}

如果要添加的元素正好处于两个节点之间，这时就需要先左旋转，再右旋转，然后进行颜色翻转。如下图(先37左旋转，再42右旋转，接着颜色翻转)：
在这里插入图片描述
添加代码实现：

private Node add(Node node, K key, V value){

   if(node == null){
       size ++;
       return new Node(key, value);
   }

   if(key.compareTo(node.key) < 0)
       node.left = add(node.left, key, value);
   else if(key.compareTo(node.key) > 0)
       node.right = add(node.right, key, value);
   else // key.compareTo(node.key) == 0
       node.value = value;

   if(isRed(node.right) && !isRed(node.left))
       node = leftRotate(node);
   if(isRed(node.left) && isRed(node.left.left))
       node = rightRotate(node);
   if(isRed(node.left) && isRed(node.right))
       flipColors(node);

   return node;
}

4.总结

这篇主要介绍了红黑树的概念，性质以及红黑树和2-3树的等价关系，还介绍了红黑树的添加操作，红黑树的主要优势相较于二分搜索树和AVL树就在于添加操作，红黑树的高度最高可以达到2logn的高度，所以红黑树在查询方面并不占优，但红黑树是一种统计性能更优的树结构。其实关于红黑树的添加操作还有可优化的地方，就不在这里详细介绍了，下篇将红黑树的代码实现贴出来。