文章详细介绍了AVL树和红黑树的基本概念、实现原理以及插入操作。AVL树是高度平衡的二叉搜索树，插入后通过旋转保持平衡，而红黑树允许轻微失衡，插入操作相对简单。两者都是高效的查找数据结构，但红黑树在插入和删除操作上更具优势。
目录
3.新节点插入较高左子树的右侧---左右：先左单旋再右单旋（左右双旋）
4.新节点插入较高右子树的左侧---右左：先右单旋再左单旋（右左双旋）
1.AVL树（高度平衡二叉搜索树）
10.1.基本概念
二叉搜索树虽可以缩短查找的效率，但如果数据有序或接近有序二叉搜索树将退化为单支树，查找元素相当于在顺序表中搜索元素，效率低下。因此，两位俄罗斯的数学家G.M.Adelson-Velskii和E.M.Landi在1962年发明了一种解决上述问题的方法：当向二叉搜索树中插入新结点后，如果能保证每个结点的左右子树高度之差的绝对值不超过1(需要对树中的结点进行调整)，即可降低树的高度，从而减少平均搜索长度。
一棵AVL树或者是空树，或者是具有以下性质的二叉搜索树：
它的左右子树都是AVL树
左右子树高度之差(简称平衡因子)的绝对值不超过1(-1/0/1)
如果一棵二叉搜索树是高度平衡的，它就是AVL树。如果它有n个结点，其高度可保持在O(log_2 n)，搜索时间复杂度O(log_2 n)
10.2.实现
10.2.1.AVL树节点的定义
template<class T>
struct AVLTreeNode
{
AVLTreeNode(const T& data)
: _pLeft(nullptr), _pRight(nullptr), _pParent(nullptr)
, _data(data), _bf(0)
{}
AVLTreeNode<T>* _pLeft; // 该节点的左孩子
AVLTreeNode<T>* _pRight; // 该节点的右孩子
AVLTreeNode<T>* _pParent; // 该节点的双亲
T _data;
int _bf; // 该节点的平衡因子
};10.2.2.AVL树的插入
AVL树就是在二叉搜索树的基础上引入了平衡因子，因此AVL树也可以看成是二叉搜索树。那么
AVL树的插入过程可以分为两步：
1. 按照二叉搜索树的方式插入新节点
2. 调整节点的平衡因子,并检查是否平衡（不平衡需要调节）
template<class T>
class AVLTree
{
typedef AVLTreeNode Node;
AVLTree()
:_root(nullptr)
{}
bool insert(const T& val)
{
//如果为空
Node* newnode = new Node(val);
if (_root == nullptr)
{
_root = newnode;
_root->_df = 0;
return true;
}
// 1. 先按照二叉搜索树的规则将节点插入到AVL树中
Node* parent = nullptr;
Node* cur = _root;
while (cur)
{///寻找插入节点位置
if (val > cur->_val) { parent = cur; cur = cur->_right; }
else if (val < cur->_val) { parent = cur; cur = cur->_left; }
else { return false; }
}
//插入节点并且修改指向
if (val > parent->_val) { parent->_right = newnode; }
else { parent->_left = newnode; }
newnode->_parent = parent;
cur = newnode;
// 2. 新节点插入后，AVL树的平衡性可能会遭到破坏，此时就需要更新平衡因子，并检测是否破坏了AVL树的平衡性
/*
pCur插入后，pParent的平衡因子一定需要调整，在插入之前，pParent
的平衡因子分为三种情况：-1，0, 1,
分以下两种情况：
1. 如果pCur插入到pParent的左侧，只需给pParent的平衡因子-1即可
2. 如果pCur插入到pParent的右侧，只需给pParent的平衡因子+1即可
此时：pParent的平衡因子可能有三种情况：0，正负1， 正负2
1. 如果pParent的平衡因子为0，说明插入之前pParent的平衡因子为正负1，插入后被调整成0，此时满足AVL树的性质，插入成功
2. 如果pParent的平衡因子为正负1，说明插入前pParent的平衡因子一定为0，插入后被更新成正负1，此时以pParent为根的树的高度增加，需要继续向上更新
3. 如果pParent的平衡因子为正负2，则pParent的平衡因子违反平衡树的性质，需要对其进行旋转处理
*/
while (parent)
{//更新平衡因子
if (cur == parent->_left) { parent->_df--; }
else { parent->_df++; }
//并检测是否破坏了AVL树的平衡性
if (parent->_df == 0) { break; }
else if (parent->_df == 1 || parent->_df == -1) {
//向上调整
cur = parent;
parent = cur->_parent;
}
else if (parent->_df == 2 || parent->_df == -2) {
//平衡被打破，开始调节平衡（旋转）
if (parent->_df == -2 && cur ->_df == -1 ) {
//新节点插入较高左子树的左侧---左左：右单旋
_RotateR(parent);
}
else if (parent ->_df == 2 && cur->_df == 1 ) {
//新节点插入较高右子树的右侧---右右：左单旋
_RotateL(parent);
}
else if (parent->_df == -2 && cur->_df == 1) {
//新节点插入较高左子树的右侧---左右：先左单旋再右单旋（左右双旋）
_RotateLR(parent);
}
else if (parent->_df == 2 && cur->_df == -1) {
//新节点插入较高右子树的左侧---右左：先右单旋再左单旋（右左双旋）
_RotateRL(parent);
}
else { assert(false); }
return true;
}
else { assert(false); }
}
return true;
}
private:
Node* _root;
};
10.2.3.AVL树的旋转
如果在一棵原本是平衡的AVL树中插入一个新节点，可能造成不平衡，此时必须调整树的结构，使之平衡化。根据节点插入位置的不同，AVL树的旋转分为四种：
1.新节点插入较高左子树的左侧---左左：右单旋
上图在插入前，AVL树是平衡的，新节点插入到30的左子树(注意：此处不是左孩子)中，30左子树增加了一层，导致以60为根的二叉树不平衡，要让60平衡，只能将60左子树的高度减少一层，右子树增加一层，即将左子树往上提，这样60转下来，因为60比30大，只能将其放在30的右子树，而如果30有右子树，右子树根的值一定大于30，小于60，只能将其放在60的左子树，旋转完成后，更新节点的平衡因子即可。
在旋转过程中，有以下几种情况需要考虑：
1. 30节点的右孩子可能存在，也可能不存在
2. 60可能是根节点，也可能是子树
如果是根节点，旋转完成后，要更新根节点
如果是子树，可能是某个节点的左子树，也可能是右子树
void _RotateR(Node* parent)//右单旋
{
Node* grantparent = parent->_parent;
Node* cur = parent->_left;
Node* subr = cur->_right;
cur->_right = parent;
parent->_parent = cur;
parent->_left = subr;
if (subr) {//判断cur的右边是否为空
//parent->_left = subr;//这个指向不能放在这里问什么？
subr->_parent = parent;
}
if (grantparent == nullptr) {//判断parent是否是根节点
_root = cur;//是根节点。
cur->_parent = nullptr;
}
else {
//parent 不是根节点
//需要修改爷爷节点的指向
if (grantparent->_left == parent){
grantparent->_left = cur;
cur->_parent = grantparent;
}
else{
grantparent->_right = cur;
cur->_parent = grantparent;
}
}
//修改平衡因子
cur->_df = parent->_df = 0;
}2.新节点插入较高右子树的右侧---右右：左单旋
void _RotateL(Node* parent)//左单旋
{
Node* grantparent = parent->_parent;
Node* cur = parent->_right;
Node* subl = cur->_left;
cur->_left = parent;
parent->_parent = cur;
parent->_right = subl;
if (subl){
subl->_parent = parent;
}
if (grantparent == nullptr){
//parent是根节点
_root = cur;
_root->_parent = nullptr;
}
else{
if (grantparent->_left == parent){
grantparent->_left = cur;
}
else{
grantparent->_right = cur;
}
cur->_parent = grantparent;
}
//修改平衡因子
cur->_df = parent->_df = 0;
}参考右单旋
3.新节点插入较高左子树的右侧---左右：先左单旋再右单旋（左右双旋）
将双旋变成单旋后再旋转，即：先对30进行左单旋，然后再对90进行右单旋，旋转完成后再考虑平衡因子的更新。
// 旋转之前，60的平衡因子可能是-1/0/1，旋转完成之后，根据情况对其他节点的平衡因子进行调整
void _RotateLR(Node* parent)
{
Node* cur = parent->_left;
Node* subr = cur->_right;
int df = subr->_df;
_RotateL(cur);
_RotateR(parent);
//单旋将平衡因子置为0，不满足要求
//修改平衡因子
//主要是修改 cur 和 parent
if (df == 1)
{
parent->_df = 0;
cur->_df = -1;
subr->_df = 0;
}
else if (df == -1)
{
cur -> _df = 0;
parent->_df = 1;
subr->_df = 0;
}
else if (df == 0)
{
cur->_df = 0;
parent->_df = 0;
subr->_df = 0;
}
else
{
assert(false);
}
}4.新节点插入较高右子树的左侧---右左：先右单旋再左单旋（右左双旋）
void _RotateRL(Node* parent)
{
Node* cur = parent->_right;
Node* subl = cur->_left;
int df = subl->_df;
_RotateR(cur);
_RotateL(parent);
//修改平衡因子
//主要是修改 cur 和 parent
if (df == 1)
{
parent->_df = -1;
cur->_df = 0;
subl->_df = 0;
}
else if (df == -1)
{
parent->_df = 0;
cur->_df = 1;
subl->_df = 0;
}
else if (df == 0)
{
cur->_df = 0;
parent->_df = 0;
subl->_df = 0;
}
else
{
assert(false);
}
}总结：
假如以pParent为根的子树不平衡，即pParent的平衡因子为2或者-2，分以下情况考虑
1. pParent的平衡因子为2，说明pParent的右子树高，设pParent的右子树的根为pSubR
当pSubR的平衡因子为1时，执行左单旋
当pSubR的平衡因子为-1时，执行右左双旋
2. pParent的平衡因子为-2，说明pParent的左子树高，设pParent的左子树的根为pSubL
当pSubL的平衡因子为-1是，执行右单旋
当pSubL的平衡因子为1时，执行左右双旋
旋转完成后，原pParent为根的子树个高度降低，已经平衡，不需要再向上更新。
10.2.4.AVL树的验证
AVL树是在二叉搜索树的基础上加入了平衡性的限制，因此要验证AVL树，可以分两步：
1. 验证其为二叉搜索树
如果中序遍历可得到一个有序的序列，就说明为二叉搜索树
void InOrder()
{
_inorder(_root);
cout << endl;
}
void _inorder(Node* root)
{
if (root == nullptr)
{
return;
}
_inorder(root->_left);
cout << root->_val << ' ';
_inorder(root->_right);
}2. 验证其为平衡树
每个节点子树高度差的绝对值不超过1(注意节点中如果没有平衡因子)
节点的平衡因子是否计算正确
int _Height(Node* root)
{
if (root == nullptr)
{
return 0;
}
int Hleft = 1+ _Height(root->_left);
int Hright = 1+ _Height(root->_right);
return Hleft > Hright ? Hleft : Hright;
}
bool _IsBalanceTree(Node* root)
{
if (root == nullptr)
{
return true;
}
int Hleft = _Height(root->_left);
int Hright = _Height(root->_right);
int df = Hright - Hleft;
if ((df == 0 || df == 1 || df == -1) && df == root->_df)
{
return _IsBalanceTree(root->_left) && _IsBalanceTree(root->_right);
}
else
{
cout <<"error:" << root->_val << endl;
return false;
}
}
bool IsBalanceTree()
{
return _IsBalanceTree(_root);
}
10.2.5.AVL树的删除(了解)
因为AVL树也是二叉搜索树，可按照二叉搜索树的方式将节点删除，然后再更新平衡因子，只不错与删除不同的时，删除节点后的平衡因子更新，最差情况下一直要调整到根节点的位置。具体实现可参考《算法导论》或《数据结构-用面向对象方法与C++描述》殷人昆版。
10.2.6.AVL树的性能
AVL树是一棵绝对平衡的二叉搜索树，其要求每个节点的左右子树高度差的绝对值都不超过1，这样可以保证查询时高效的时间复杂度，即$log_2 (N)$。
但是如果要对AVL树做一些结构修改的操作，性能非常低下，比如：插入时要维护其绝对平衡，旋转的次数比较多，更差的是在删除时，有可能一直要让旋转持续到根的位置。因此：如果需要一种查询高效且有序的数据结构，而且数据的个数为静态的(即不会改变)，可以考虑AVL树，但一个结构经常修改，就不太适合。
2.红黑树
11.1.红黑树的概念
11.1.1.定义：
红黑树，是一种二叉搜索树，但在每个结点上增加一个存储位表示结点的颜色，可以是Red或Black。 通过对任何一条从根到叶子的路径上各个结点着色方式的限制，红黑树确保没有一条路径会比其他路径长出俩倍，因而是接近平衡的。所以红黑树不是绝对的平衡是接近平衡。
11.1.2.红黑树的性质
1. 每个结点不是红色就是黑色
2. 根节点是黑色的
3. 如果一个节点是红色的，则它的两个孩子结点是黑色的 ,并没有要求,黑色的孩子一定是红色.
4. 对于每个结点，从该结点到其所有后代叶结点的简单路径上，均包含相同数目的黑色结点
注意这里的路径结尾是NULL.例如上面有11条路径.
5. 每个叶子结点都是黑色的(此处的叶子结点指的是空结点)
思考：为什么满足上面的性质，红黑树就能保证：其最长路径中节点个数不会超过最短路径节点个数的两倍？
答:最大可能的保证满足红黑树
11.2.红黑树的实现
11.2.1.红黑树的结构
//枚举结构
enum color
{
RED,
BLACK
};
template<class value_type>
struct RBTreeNode
{
RBTreeNode(const value_type& val)
:_left(nullptr)
, _right(nullptr)
, _parent(nullptr)
, _val(val)
, _col(RED){ }
RBTreeNode< value_type>* _left;
RBTreeNode< value_type>* _right;
RBTreeNode< value_type>* _parent;
value_type _val;
color _col;
};
template<typename value_type>
class RBTree
{
typedef RBTreeNode<value_type> Node;
public:
RBTree()
:_root(nullptr) {}
///在这里实现增删改查 ///
private:
Node* _root;
};
11.2.2.红黑树的插入操作
红黑树是在二叉搜索树的基础上加上其平衡限制条件，因此红黑树的插入可分为两步：
1.按照二叉搜索的树规则插入新节点
2. 检测新节点插入后，红黑树的性质是否造到破坏
因为新节点的默认颜色是红色，因此：如果其双亲节点的颜色是黑色，没有违反红黑树任何性质，则不需要调整,插入完成；但当新插入节点的双亲节点颜色为红色时，就违反了性质三不能有连在一起的红色节点，此时需要对红黑树分情况来讨论：
约定:cur为当前节点，p为父节点，g为祖父节点，u为叔叔节点
情况一: cur为红，p为红，g为黑，u存在且为红
情况二: cur为红，p为红，g为黑，u不存在/u存在且为黑
情况三: cur为红，p为红，g为黑，u不存在/u存在且为黑
右单旋动图演示:
左单旋动图演示:(实例的演示)
bool insert(const value_type val)
{
//空树
if (_root == nullptr)
{
_root = new Node(val);
_root->_col = BLACK;
return true;
}
Node* p = nullptr;//父亲节点
Node* cur = _root;//当前节点
while (cur)
{
if (val > cur->_val) { p = cur; cur = cur->_right; }
else if (val < cur->_val) { p = cur; cur = cur->_left; }
else { return false; }
}
//此时cur为空
cur = new Node(val);
if (val > p->_val) { p->_right = cur; }
else { p->_left = cur; }
cur->_parent = p;
while (cur->_parent && cur != _root)//cur是新插入的节点
{
p = cur->_parent;
//父亲节点是黑色直接插入完成。
if (p->_col == BLACK) { return true; }
//此时当前cur节点和parent节点都是红色
//不满足红黑树的性质（不能有连续相同的红色节点）
//此时就要看叔叔节点是什么了
Node* g = p->_parent;//爷爷节点
if (g == nullptr)
{
break;
}
Node* u = g->_left == p ? g->_right : g->_left; //叔叔节点
if (u && u->_col == RED)
{//情况一： 存在且为红色
//直接修改颜色，继续向上调整即可
g->_col = RED;
p->_col = BLACK;
u->_col = BLACK;
cur = g;//把g看作新插入的节点继续向上调整。
continue;
}
//走到这里要么u 是 黑 ，要么 不存在
if (g->_left == p && p->_right == cur)
{//情况三
_RotateL(p);
cur = p;//转化为情况二继续处理
continue;
}
if (g->_right == p && p->_left == cur)
{//情况三
_RotateR(p);
cur = p;//转化为情况二继续处理
continue;
}
if (g->_left == p && p->_left == cur)
{//情况二
_RotateR(g);
p->_col = BLACK;
g->_col = RED;
return true;//情况二处理完成后可以直接退出
}
if (g->_right == p && p->_right == cur)
{//情况二
_RotateL(g);
p->_col = BLACK;
g->_col = RED;
return true;//情况二处理完成后可以直接退出
//表明已经处理完成
}
}
_root->_col = BLACK;
return true;
}
void _RotateR(Node* parent)//右单旋
{
Node* grantparent = parent->_parent;
Node* cur = parent->_left;
Node* subr = cur->_right;
cur->_right = parent;
parent->_parent = cur;
parent->_left = subr;
if (subr) {//判断cur的右边是否为空
//parent->_left = subr;//这个指向不能放在这里问什么？
subr->_parent = parent;
}
if (grantparent == nullptr) {//判断parent是否是根节点
_root = cur;//是根节点。
cur->_parent = nullptr;
}
else {
//parent 不是根节点
//需要修改爷爷节点的指向
if (grantparent->_left == parent) {
grantparent->_left = cur;
cur->_parent = grantparent;
}
else {
grantparent->_right = cur;
cur->_parent = grantparent;
}
}
}
void _RotateL(Node* parent)//左单旋转
{
Node* grantparent = parent->_parent;
Node* cur = parent->_right;
Node* subl = cur->_left;
cur->_left = parent;
parent->_parent = cur;
parent->_right = subl;
if (subl) {
subl->_parent = parent;
}
if (grantparent == nullptr) {
//parent是根节点
_root = cur;
_root->_parent = nullptr;
}
else {
if (grantparent->_left == parent) {
grantparent->_left = cur;
}
else {
grantparent->_right = cur;
}
cur->_parent = grantparent;
}
}11.3红黑树的验证
红黑树的检测分为两步：
1. 检测其是否满足二叉搜索树(中序遍历是否为有序序列)
void Inorder()
{
_Inorder(_root);
cout << endl;
}
void _Inorder(const Node* root)
{
if (root == nullptr)
{
return;
}
_Inorder(root->_left);
cout << root->_val << ' ';
_Inorder(root->_right);
}
2. 检测其是否满足红黑树的性质
bool IsRBTree()
{
//空树也是红黑树
if (_root == nullptr){
return true;
}
//根节点一定是黑
if (_root->_col == RED) {
cout << "违反红黑树性质二：根节点必须为黑色" << endl;
return false;
}
// 获取任意一条路径中黑色节点的个数
int Blackcnt = 0;
Node* cur = _root;
while (cur)
{
if(cur->_col == BLACK)
{
Blackcnt++;
}
cur = cur->_right;
}
// 检测是否满足红黑树的性质，k用来记录路径中黑色节点的个数
int k = 0;
return _IsRBTree(_root, k, Blackcnt);
}
bool _IsRBTree(Node* root, int k, int Blackcnt)
{
if (root == nullptr)
{
if (k == Blackcnt){
return true;
}
else {
cout << "违反性质四：每条路径中黑色节点的个数必须相同" << endl;
return false;
}
}
if (root->_col == BLACK)
k++;
Node* parent = root->_parent;
if (parent && parent->_col == RED && root->_col == RED)
{
cout<< "违反性质三：没有连在一起的红色节点" << endl;
return false;
}
return _IsRBTree(root->_left, k, Blackcnt) && _IsRBTree(root->_right, k, Blackcnt);
}11.4.红黑树的删除
红黑树的删除本节不做讲解，有兴趣的同学可参考：《算法导论》或者《STL源码剖析》感兴趣的可以看看下面链接：学习链接
11.5.红黑树与AVL树的比较
红黑树和AVL树都是高效的平衡二叉树，增删改查的时间复杂度都是O($log_2 N$)，红黑树不追求绝对平衡，其只需保证最长路径不超过最短路径的2倍，相对而言，降低了插入和旋转的次数，所以在经常进行增删的结构中性能比AVL树更优，而且红黑树实现比较简单，所以实际运用中红黑树更多。
1078
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
