数据结构与算法-基础算法篇-二叉树

1. 树

1. 树的常用概念

根节点、叶子节点、父节点、子节点、兄弟节点，还有节点的高度、深度以及层数，树的高度。

2.概念解释

1. 节点：树中的每个元素称为节点
2. 父子关系：相邻两节点的连线，称为父子关系
3. 根节点：没有父节点的节点
4. 叶子节点：没有子节点的节点
5. 父节点：指向子节点的节点
6. 子节点：被父节点指向的节点
7. 兄弟节点：具有相同父节点的多个节点称为兄弟节点关系
8. 节点的高度：节点到叶子节点的最长路径所包含的边数
9. 节点的深度：根节点到节点的路径所包含的边数
10. 节点的层数：节点的深度+1（根节点的层数是1）
11. 树的高度：等于根节点的高度

2. 二叉树

1. 概念

1. 什么是二叉树
   每个节点最多只有2个子节点的树，这两个节点分别是左子节点和右子节点。
2. 什么是满二叉树
   如果二叉树中除了叶子结点，每个结点的度都为 2，则此二叉树称为满二叉树。
3. 什么是完全二叉树
   如果二叉树中除去最后一层节点为满二叉树，且最后一层的结点依次从左到右分布，则此二叉树被称为完全二叉树。

2. 性质

1. 二叉树具有以下几个性质：
   1. 二叉树中，第 i 层最多有2i-1 个结点。
   2. 如果二叉树的深度为 K，那么此二叉树最多有 2K-1 个结点。
   3. 二叉树中，终端结点数（叶子结点数）为 n0，度为 2 的结点数为 n2，则 n0=n2+1。
2. 满二叉树除了满足普通二叉树的性质，还具有以下性质：
   1. 满二叉树中第 i 层的节点数为 2n-1个。
   2. 深度为 k 的满二叉树必有2k-1个节点 ，叶子数为 2k-1。
   3. 满二叉树中不存在度为 1 的节点，每一个分支点中都两棵深度相同的子树，且叶子节点都在最底层。
   4. 具有 n 个节点的满二叉树的深度为 log2(n+1)。
3. 完全二叉树独特的性质：n 个结点的完全二叉树的深度为 ⌊log2n⌋+1。完全二叉树还有以下几个结论成立：
   1. 当 i>1时，父亲结点为结点[i/2] 。（i=1 时，表示的是根结点，无父亲结点）
   2. 如果 2*i>n（总结点的个数），则结点 i 肯定没有左孩子（为叶子结点）；否则其左孩子是结点 2*i。
   3. 如果 2*i+1>n，则结点 i 肯定没有右孩子；否则右孩子是结点 2*i+1 。

2. 完全二叉树的存储

1. 链式存储
   每个节点由3个字段，其中一个存储数据，另外两个是指向左右子节点的指针。我们只要拎住根节点，就可以通过左右子节点的指针，把整棵树都串起来。这种存储方式比较常用，大部分二叉树代码都是通过这种方式实现的。
2. 顺序存储
   用数组来存储，对于完全二叉树，如果节点X存储在数组中的下标为i，那么它的左子节点的存储下标为2*i，右子节点的下标为 2*i+1，反过来，下标i/2位置存储的就是该节点的父节点。注意，根节点存储在下标为1的位置。完全二叉树用数组来存储时最省内存的方式。

3. 二叉树的遍历

1. 前序遍历：对于树中的任意节点来说，先打印这个节点，然后再打印它的左子树，最后打印它的右子树。
2. 中序遍历：对于树中的任意节点来说，先打印它的左子树，然后再打印它的本身，最后打印它的右子树。
3. 后序遍历：对于树中的任意节点来说，先打印它的左子树，然后再打印它的右子树，最后打印它本身。

三者递推公式：

//前序遍历的递推公式：
preOrder(r) = print r->preOrder(r->left)->preOrder(r->right)
//中序遍历的递推公式：
inOrder(r) = inOrder(r->left)->print r->inOrder(r->right)
//后序遍历的递推公式：
postOrder(r) = postOrder(r->left)->postOrder(r->right)->print r

伪代码：

void preOrder(Node* root) {
  if (root == null) return;
  print root
  preOrder(root->left);
  preOrder(root->right);
}

void inOrder(Node* root) {
  if (root == null) return;
  inOrder(root->left);
  print root
  inOrder(root->right);
}

void postOrder(Node* root) {
  if (root == null) return;
  postOrder(root->left);
  postOrder(root->right);
  print root
}

时间复杂度：3种遍历方式中，每个节点最多会被访问2次，所以时间复杂度是O(n)。

3. 思考

1. 给定一组数据，比如1，3，5，6，9，10，可以构建出多少种不同的二叉树？

确定两点：

1. n个数，即n个节点，能构造出多少种不同形态的树？

2. n个数，有多少种不同的排列？
   当确定以上两点，将 1 的结果 乘以 2的结果，即为最终的结果。
   但是有一个注意的点： 如果n中有相等的数，产生的总排列数就不是n！

   答案就是卡特兰数，是 C[n,2n] / (n+1)种形状，c是组合数，节点的不同又是一个全排列，一共就是n!*C[n,2n] / (n+1)个二叉树。可以通过数学归纳法推导得出

2. 二叉树的遍历方式，前、中、后序。实际上，还有另一种遍历方式，也就是按层遍历，你知道如何实现吗？

private List<TreeNode> floorLevelTree(TreeNode root){
        List<TreeNode> result = new ArrayList<>();
        TreeNode node = root;
        Queue<TreeNode> queue = new LinkedList<>();
        queue.offer(node);
        while (!queue.isEmpty()){
            node = queue.poll();
            result.add(node);
            if (node.left != null){
                queue.offer(node.left);
            }
            if (node.right != null){
                queue.offer(node.right);
            }
        }
        return result;
    }

3. 二叉查找树

1. 概念

二叉查找树是二叉树中最常用的一种类型，也叫二叉搜索树。顾名思义，二叉查找树是为了实现快速查找而生的。不过，它不仅仅支持快速查找一个数据，还支持快速插入、删除一个数据。

二叉查找树要求，在树中的任意一个节点，其左子树中的每个节点的值，都要小于这个节点的值，而右子树节点的值都大于这个节点的值

2. 查询查找

先取根节点，如果它等于我们要查找的数据，那就返回。如果要查找的数据比根节点的值小，那就在左子树中递归查找；如果要查找的数据比根节点的值大，那就在右子树中递归查找。

public class BinarySearchTree {
  private Node tree;

  public Node find(int data) {
    Node p = tree;
    while (p != null) {
      if (data < p.data) p = p.left;
      else if (data > p.data) p = p.right;
      else return p;
    }
    return null;
  }

  public static class Node {
    private int data;
    private Node left;
    private Node right;

    public Node(int data) {
      this.data = data;
    }
  }
}

3. 插入操作

如果要插入的数据比节点的数据大，并且节点的右子树为空，就将新数据直接插到右子节点的位置；如果不为空，就再递归遍历右子树，查找插入位置。同理，如果要插入的数据比节点数值小，并且节点的左子树为空，就将新数据插入到左子节点的位置；如果不为空，就再递归遍历左子树，查找插入位置。

public void insert(int data) {
  if (tree == null) {
    tree = new Node(data);
    return;
  }

  Node p = tree;
  while (p != null) {
    if (data > p.data) {
      if (p.right == null) {
        p.right = new Node(data);
        return;
      }
      p = p.right;
    } else { // data < p.data
      if (p.left == null) {
        p.left = new Node(data);
        return;
      }
      p = p.left;
    }
  }
}

4. 删除操作

针对要删除节点的子节点个数的不同，我们需要分三种情况来处理。

1. 如果要删除的节点没有子节点，我们只需要直接将父节点中，指向要删除节点的指针置为 null。比如图中的删除节点 55。
2. 如果要删除的节点只有一个子节点（只有左子节点或者右子节点），我们只需要更新父节点中，指向要删除节点的指针，让它指向要删除节点的子节点就可以了。比如图中的删除节点 13。
3. 如果要删除的节点有两个子节点，这就比较复杂了。我们需要找到这个节点的右子树中的最小节点，把它替换到要删除的节点上。然后再删除掉这个最小节点，因为最小节点肯定没有左子节点（如果有左子结点，那就不是最小节点了），所以，我们可以应用上面两条规则来删除这个最小节点。比如图中的删除节点 18。

public void delete(int data) {
  Node p = tree; // p指向要删除的节点，初始化指向根节点
  Node pp = null; // pp记录的是p的父节点
  while (p != null && p.data != data) {
    pp = p;
    if (data > p.data) p = p.right;
    else p = p.left;
  }
  if (p == null) return; // 没有找到

  // 要删除的节点有两个子节点
  if (p.left != null && p.right != null) { // 查找右子树中最小节点
    Node minP = p.right;
    Node minPP = p; // minPP表示minP的父节点
    while (minP.left != null) {
      minPP = minP;
      minP = minP.left;
    }
    p.data = minP.data; // 将minP的数据替换到p中
    p = minP; // 下面就变成了删除minP了
    pp = minPP;
  }

  // 删除节点是叶子节点或者仅有一个子节点
  Node child; // p的子节点
  if (p.left != null) child = p.left;
  else if (p.right != null) child = p.right;
  else child = null;

  if (pp == null) tree = child; // 删除的是根节点
  else if (pp.left == p) pp.left = child;
  else pp.right = child;
}

5. 其他操作

如：快速地查找最大节点和最小节点、前驱节点和后继节点

中序遍历二叉查找树，可以输出有序的数据序列，时间复杂度是 O(n)，非常高效

6. 支持重复数据的二叉查找树

如果存储的两个对象键值相同，这种情况该怎么处理呢？

1. 第一种方法比较容易。二叉查找树中每一个节点不仅会存储一个数据，因此我们通过链表和支持动态扩容的数组等数据结构，把值相同的数据都存储在同一个节点上。

   

2. 第二种方法比较不好理解，不过更加优雅。每个节点仍然只存储一个数据。在查找插入位置的过程中，如果碰到一个节点的值，与要插入数据的值相同，我们就将这个要插入的数据放到这个节点的右子树，也就是说，把这个新插入的数据当作大于这个节点的值来处理。

   

对于删除操作，我们也需要先查找到每个要删除的节点，然后再按前面讲的删除操作的方法，依次删除

7.时间复杂度分析

看图可知，查询具体某一个数字的时间复杂度其实都跟树的高度成正比，也就是 O(height)，现在问题就转变成另外一个了，也就是，如何求一棵包含 n 个节点的完全二叉树的高度？

对于包含 n 个节点的完全二叉树中，第一层包含 1 个节点，第二层包含 2 个节点，第三层包含 4 个节点，依次类推，下面一层节点个数是上一层的 2 倍，第 K 层包含的节点个数就是 2^(K-1)。

n >= 1+2+4+8+...+2^(L-2)+1
n <= 1+2+4+8+...+2^(L-2)+2^(L-1)

借助等比数列的求和公式，可以计算出，L 的范围是[log2(n+1), log2n +1]。完全二叉树的层数小于等于 log2n +1，也就是说，完全二叉树的高度小于等于log2n。

8. 思考

1. 散列表的插入、删除、查找操作的时间复杂度可以做到常量级的 O(1)，非常高效。而二叉查找树在比较平衡的情况下，插入、删除、查找操作时间复杂度才是 O(logn)，相对散列表，好像并没有什么优势，那我们为什么还要用二叉查找树呢

1. 散列表中的数据是无序存储的，如果要输出有序的数据，需要先进行排序。而对于二叉查找树来说，我们只需要中序遍历，就可以在 O(n) 的时间复杂度内，输出有序的数据序列。
2. 散列表扩容耗时很多，而且当遇到散列冲突时，性能不稳定，尽管二叉查找树的性能不稳定，但是在工程中，我们最常用的平衡二叉查找树的性能非常稳定，时间复杂度稳定在 O(logn)
3. 笼统地来说，尽管散列表的查找等操作的时间复杂度是常量级的，但因为哈希冲突的存在，这个常量不一定比 logn 小，所以实际的查找速度可能不一定比 O(logn) 快。加上哈希函数的耗时，也不一定就比平衡二叉查找树的效率高。
4. 散列表的构造比二叉查找树要复杂，需要考虑的东西很多。比如散列函数的设计、冲突解决办法、扩容、缩容等。平衡二叉查找树只需要考虑平衡性这一个问题，而且这个问题的解决方案比较成熟、固定。
5. 为了避免过多的散列冲突，散列表装载因子不能太大，特别是基于开放寻址法解决冲突的散列表，不然会浪费一定的存储空间

2. 如何通过编程，求出一棵给定二叉树的确切高度呢？

递归公式： depth =Math.max(maxDepth(node.left), maxDepth(node.right) )+ 1;
递归出口： depth = 0 (node == null)