数据结构系列文章—树(1)

     我以前学习过数据结构的知识，因为长时间没有用到，所以遗忘了。现在用到数据结构的知识，感觉很多都不记得了，为了加深自己对数据结构知识的印象，也为了防止忘记这部分知识，我决定把这部分知识记录下来，以备查阅。真应了孔子的那句话“学而时习。学而不思则罔，思而不学则殆”，与诸君共勉。

      数据结构，分2块，是数据的逻辑结构和数据的存储结构。树的逻辑结构主要分2类，线性结构和非线性结构。线性结构，比如像队列、栈、数组，这类都是线性结构。非线性结构，比如像矩阵、树、图，这类都是非线性结构。树的存储结构，有顺序存储、链表存储等。      

树的相关概念

树（Tree）是n（n ≥ 0）个结点得有限集。n = 0时称为空树。在任何一颗非空树中：

（1）有且仅有一个特定的称为根（Root）的结点；

（2）当n > 1时，其余结点可分为m（m > 0）个互不相交的有限集，其中每个集合本事又是一棵树，并且称为根的子树。

上图，就是1棵树，整棵树的根节点就是A。B、C、D、E、F均为A的子树。

度的概念：与图论中的“度”不同，树的度是如下定义的：有根树T中，结点x的子女数目称为x的度。也就是：在树中，结点有几个分叉，度就是几。

如上图，D结点有3个子结点G、H、J，所以D的度就是3。

树的深度：结点的层次从根开始定义起，根为第一层，根的子节点为第二层。树中结点的最大层次称为树的深度或高度。下图树的深度为4。

二叉树的定义：二叉树的每个结点至多只有二棵子树(不存在度大于2的情况)，二叉树的子树有左右之分，次序不能颠倒。二叉树的第i层至多有（2的i-1次方）个结点；深度为k的二叉树至多有(2^k) - 1个结点；对任何一棵二叉树T，如果其终端结点数为n0，度为2的结点数为n2，则n0=n2+1。

满二叉树

满二叉树：除最后一层无任何子节点外，每一层上的所有结点都有两个子结点。也可以这样理解，除叶子结点外的所有结点均有两个子结点。节点数达到最大值，所有叶子结点必须在同一层上。

满二叉树的性质：

　　1) 一颗树深度为h，最大层数为k，深度与最大层数相同，k=h;

　　2) 叶子数为2h;

　　3) 第k层的结点数是：（2的i-1次方）;

　　4) 总结点数是：(2^k) - 1，且总节点数一定是奇数。

完全二叉树

完全二叉树：若设二叉树的深度为h，除第 h 层外，从 1 到 h-1 层必须达到最大节点数，第 h 层可以不是满的，但是第 h 层的所有节点必须集中在最左边。 这就是完全二叉树。

完全二叉树，有右子树必有左子树。

当我们用数组实现一个完全二叉树时，叶子节点可以按从上到下、从左到右的顺序依次添加到数组中，然后知道一个节点的位置，就可以轻松地算出它的父节点、孩子节点的位置。

以上面图中完全二叉树为例，标号为 2 的节点，它在数组中的位置也是 2，它的父节点就是 (k/2 = 1)，它的孩子节点分别是 (2k=4) 和 (2k+1=5)，别的节点也是类似。

完全二叉树的应用场景：完全二叉树的特点是：“叶子节点的位置比较规律”。因此在对数据进行排序或者查找时可以用到它，比如堆排序就使用了完全二叉树。

完全二叉树是效率很高的数据结构，堆是一种完全二叉树或者近似完全二叉树，所以效率极高，像十分常用的排序算法、Dijkstra算法、Prim算法等都要用堆才能优化，二叉排序树的效率也要借助平衡性来提高，而平衡性基于完全二叉树。

二叉查找树（又称二叉排序树）

我们知道，二分查找可以缩短查找的时间，但是它要求 查找的数据必须是有序的。每次查找、操作时都要维护一个有序的数据集，于是有了二叉查找树这个概念。

二叉查找树（又称二叉排序树），它是具有下列性质的二叉树：

1. 若左子树不空，则左子树上所有结点的值均小于它的根结点的值；

2. 若右子树不空，则右子树上所有结点的值均大于或等于它的根结点的值；

3. 左、右子树也分别为二叉排序树。

二叉查找树的特点：对二叉查找树进行中序遍历，即可得到有序的数列。

比如上图，中序遍历结果是：1 3 4 6 7 8 10 13 14

二叉查找树的性能：

在最好的情况下，二叉排序树的查找效率比较高，是 O(logn)，其访问性能近似于折半查找；

但最差时候会是 O(n)，比如插入的元素是有序的，生成的二叉排序树就是一个链表，这种情况下，需要遍历全部元素才行（见下图 b）。

如果我们可以保证二叉排序树不出现上面提到的极端情况（插入的元素是有序的，导致变成一个链表），就可以保证很高的效率了。

但这在插入有序的元素时不太好控制，按二叉排序树的定义，我们无法判断当前的树是否需要调整。

因此就要用到平衡二叉树（AVL 树）了。

平衡二叉树（AVL树）

平衡二叉树（Balanced Binary Tree）又被称为AVL树（有别于AVL算法），且具有以下性质：它是一 棵空树或它的左右两个子树的高度差的绝对值不超过1，并且左右两个子树都是一棵平衡二叉树。平衡二叉树的常用算法有红黑树、AVL树等。在平衡二叉搜索树中，我们可以看到，其高度一般都良好地维持在O(log2n)，大大降低了操作的时间复杂度。

以 12 为根节点，当添加 24 为它的右子树后，根节点的左右子树高度差为 1，这时还算平衡，这时再添加一个元素 28：

这时根节点 12 觉得不平衡了，我左孩子一个都没有，右边都有俩了，超过了之前说的最大为 1，不行，给我调整！

于是我们就需要调整当前的树结构，让它进行旋转。

因为最后一个节点加到了右子树的右子树，就要想办法给右子树的左子树加点料，因此需要逆时针旋转，将 24 变成根节点，12 右旋成 24 的左子树，就变成了这样（有点丑哈哈）：

这时又恢复了平衡，再添加 37 到 28 的右子树，还算平衡：

这时如果再添加一个 30，它就需要在 37 的左子树：

这时我们可以看到这个树又不平衡了，以 24 为根节点的树，明显右边太重，左边太稀，想要保持平衡就 24 得让位给 28，然后变成这样：

丑了点，但的确保持了平衡。

依次类推，平衡二叉树在添加和删除时需要进行旋转保持整个树的平衡，内部做了这么复杂的工作后，我们在使用它时，插入、查找的时间复杂度都是 O(logn)，性能已经相当好了。

参考资料

数据结构中各种树 - xin Tech - 博客园

完全二叉树 - wulongming88 - 博客园