【面试】数据结构（三）树【自用】

数据结构

• 二叉树
• 二叉树：就是每个节点都只能有两个子节点的树结构，俗称 “大裤衩”，特别形象。
• 通常子树被称作“左子树”（left subtree）和“右子树”（right subtree）。

• 二叉树的遍历方式
2.1二叉树的遍历主要有三种：
1）先序遍历（根左右）
2）中序遍历（左根右）
3）后序遍历（左右根）
2.2 先序遍历（根左右）*
我先从第一种先序遍历开始谈起，主要的遍历顺序如下：
1）先访问根结点
2）然后先序遍历左子树
3）然后先序遍历右子树
还是举例说明，先序遍历下图

2.3 中序遍历（左根右）
1）先中序遍历左子树
2）然后是根结点
3）然后中序遍历右子树
还是举例说明，中序遍历同一颗二叉树

2.4 后序遍历（左右根）
1）后序遍历左子树
2）后序遍历右子树
3）然后访问根节点
还是举例说明，后序遍历同一颗二叉树

• 二叉树有哪些种类
基本包含:
• 满二叉树

• 完全二叉树

• 二叉搜索树：3.3.二叉查找/搜索/排序树-BST

备注：下面我就以二叉搜索树来统称，但是你要知道二叉搜索树、二叉查找树、二叉排序树，其实是同一种树。

3）二叉搜索树的优缺点
优点：查找速度快，二叉查找树比普通树查找更快
缺点：出现平衡问题
4）二叉搜索树的时间复杂度
时间复杂度
二叉查找树比普通树查找更快，查找、插入、删除的时间复杂度为O（logN）。
缺点
二叉查找树有一种极端的情况，就是会变成一种线性链表似的结构，此时时间复杂度就变味了O（N），为了解决这种情况，所以出现了下面我即将谈到的二叉平衡树。
备注：时间复杂度
O(1)：最低的时空复杂度，也就是耗时与输入数据大小无关，无论输入数据增大多少倍，耗时/耗空间都不变。哈希算法就是典型的O(1)时间复杂度，无论数据规模多大，都可以在一次计算后找到目标。
O(n)：代表数据量增大几倍，耗时也增大几倍。比如常见的遍历算法。
O(logn)：当数据增大n倍时，耗时增大logn倍（这里的log是以2为底的，比如，当数据增大256倍时，耗时只增大8倍，是比线性还要低的时间复杂度）。二分查找就是O(logn)的算法，每找一次排除一半的可能，256个数据中查找只要找8次就可以找到目标。

3.4.平衡二叉树(AVL树)
1）平衡二叉树
平衡二叉树全称平衡二叉搜索树，也叫AVL树,是一种自平衡的树，从上面二叉搜索树升级过来的，重点是改进了平衡问题。
2）平衡二叉树的特征

• AVL树也规定了左结点小于根节点，右结点大于根节点。
• 并且还规定了左子树和右子树的高度差不得超过1，这样保证了它不会成为线性的链表。

3）AVL树怎么解决平衡
主要就是通过左旋和右旋来解决，防止特殊情况下出现BST树那样的线性结构。所以通过下图的左旋和右旋来解决上面的平衡问题。
• 左旋与右旋

但也有对应的缺点，由于要维持自身的平衡，所以进行插入和删除结点操作的时候，需要对结点进行频繁的旋转。
• 红黑树也属于AVL树