Algorithm:树相关算法(BBT/BST/B树/R树)简介(二叉查找树、二叉查找树的插入节点、二叉查找树的删除、二叉树的遍历、平衡二叉树)C 语言实现

Algorithm:树相关算法(BBT/BST/B树/R树)简介(二叉查找树、二叉查找树的插入节点、二叉查找树的删除、二叉树的遍历、平衡二叉树)C++语言实现目录参考文章:Algorithm:【Algorithm算法进阶之路】之数据结构基础知识树的基础知识树Tree是一种抽象数据类型ADT,或是实作这种抽象数据类型的数据结构,用来模拟具有树状结构性质的数据集合。它是由n(n>=1)个有限节点组成一个具有层次关系的集合。把它叫做“树”是因为它看起来像一棵倒挂的树,也就是说它是根朝上,而叶朝下的。它具有以下的特点:(1)、每个节点有零个或多个子节点;(2)、没有父节点的节点称为根节点;(3)、每一个非根节点有且只有一个父节点;(4)、除了根节点外,每个子节点可以分为多个不相交的子树;1、二叉树的遍—前序、中序、后序二叉树的遍历,都要从先从左区域开始遍历。1、前序遍历、中序遍历、后序遍历注:根结点Degree、左子树L、右子树R先(根)序遍历(根左右DLR):中(根)序遍历(左根右LDR):BST的中序一定是递增有序的序列!后(根)序遍历(左右根LRD):结论:(1)、二叉树结点的DLR、LDR、LRD中,所有叶子结点的先后顺序都是一致的,因为所有的叶节点都是从左到右的!前序遍历:先(根)序遍历,根左右DLR根节点→前序遍历左子树(DLR)→前序遍历右子树(DLR)

中序遍历:中(根)序遍历,左根右LDR。BST的中序一定是递增有序的序列!中序遍历左子树(LDR)→根节点→中序遍历右子树(LDR)(1)、比如35是因为3就是节点5的左子数;67是因为7是6的右子树,所以先遍历6的左子树即空→根节点6→右子树7

后序遍历:后(根)序遍历,左右根LRD后序遍历左子树(LRD)→后序遍历右子树(LRD)→根节点

2、相关结论(1)、二叉树结点的DLR、LDR、LRD中,所有叶子结点的先后顺序都是一致的,因为所有的叶节点都是从左区域到右区域的!3、问题类型(1)、通过前序中序求后序Algorithm:【Algorithm算法进阶之路】之数据结构(数组、字符串、链表、栈、队列、树、图、哈希、堆)相关习题一、二叉树1、CBT—FBT一定是CBT参考文章:Algorithm:【Algorithm算法进阶之路】之数据结构基础知识2、BST—二叉查找树BST的增删改查1、BST的查找节点

查找某节点p的过程如下:n 将当前节点cur赋值为根节点root;n 若p的值小于当前节点cur的值,查找cur的左子树;n 若p的值不小于当前节点cur的值,查找cur的右子树;n 递归上述过程,直到cur的值等于p的值或者cur为空;o 当然,若节点是结构体,注意定义“小于”“不小于”“等于”的具体函数。2、BST的插入节点

原理要符合二叉树的建立。n若当前的二叉查找树为空,则插入的元素为根节点,n若插入的元素值小于根节点值,则将元素插入到左子树中,n若插入的元素值不小于根节点值,则将元素插入到右子树中,n递归上述过程,直到找到插入点为叶子节点。3、BST的删除节点记待删除的节点为p,分三种情况进行处理待删除点为叶子节点:p为叶子节点,直接删除该节点,再修改p的父节点的指针待删除点只有一个孩子:若p为单支节点(即只有左子树或右子树),则将p的子树与p的父亲节点相连,删除p即可。待删除点只有一个孩子:若p的左子树和右子树均不空,则找到p的直接后继d(p的右孩子的最左子孙),因为d一定没有左子树,所以使用删除单支节点的方法:删除d,并让d的父亲节点dp成为d的右子树的父亲节点;同时,用d的值代替p的值;(1)、对偶的,可以找到p的直接前驱x(p的左孩子的最右子孙),x一定没有右子树,所以可以删除x,并让x的父亲节点成为x的左子树的父亲节点。

3、BBT—平衡二叉树BBT→AVL/RBT

平衡二叉树(Balanced Binary Tree)是二叉查找树的一个变体,也是第一个引入平衡概念的二叉树。1962年,G.M. Adelson-Velsky 和E.M. Landis发明了这棵树,所以它又叫AVL树。平衡二叉树要求对于每一个节点来说,它的左右子树的高度之差不能超过1,如果插入或者删除一个节点使得高度之差大于1,就要进行节点之间的旋转,将二叉树重新维持在一个平衡状态。这个方案很好的解决了二叉查找BST树退化成链表的问题,把插入、查找、删除的时间复杂度最好情况和最坏情况都维持在O(logN)。1、BBT的动机对一棵查找树(search tree)进行查询/新增/删除 等动作, 所花的时间与树的高度h 成比例, 并不与树的容量 n 成比例。如果可以让树维持矮矮胖胖的好身材, 也就是让h维持在O(lg n)左右, 完成上述工作就很省时间。能够一直维持好身材, 不因新增删除而长歪的搜寻树, 叫做balanced search tree(平衡树)。2、BBT的特点:BBT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。BBT常用算法有红黑树、AVL、Treap、伸展树、SBT等。最小BBT的节点的公式: F(n)=F(n-1)+F(n-2)+1,这个类似于一个递归的数列,可以参考Fibonacci数列,1是根节点,F(n-1)是左子树的节点数量,F(n-2)是右子树的节点数量。0、AVL和RBT红黑树0、AVL和红黑树对比两者都属于自平衡二叉树。两者查找,插入,删除的时间复杂度相同。1、AVL树—可理解为BBTAVL树查找的时间复杂度为O(logN),因为树一定是平衡的。但是由于插入或删除一个节点时需要扫描两趟树,依次向下查找插入点,依次向上平衡树,AVL树不如红黑树效率高,也不如红黑树常用。AVL树是平衡二叉搜索树的鼻祖:AVL树是最先发明的自平衡二叉查 找树。AVL树有两个性质它或者是一颗空二叉树,或者是具有下列性质的二叉树:(1)、其根的左右子树,高度之差的绝对值不能超过1;(2)、其根的左右子树,都是二叉平衡树。AVL应用1、Windows NT内核中广泛存在。2、红黑树

红黑树的平衡是在插入和删除的过程中取得的。对一个要插入的数据项,插入程序要检查不会破坏树一定的特征。如果破坏了,程序就会进行纠正,根据需要更改树的结构。通过维持树的特征,保持了树的平衡。红黑树 并不追求“完全平衡 ”:它只要求部分地达到平衡要求,降低了对旋转的要求,从而提高了性能。红黑树能够以 O(log2 n)  的时间复杂度进行搜索、插入、删除操作。任何不平衡都会在三次旋转之内解决。红黑树有两个特征 1、节点都有颜色2、在插入和删除过程中,要遵循保持这些颜色的不同排列的规则。红黑规则1、每一个节点不是红色的就是黑色的。2、根总是黑色的3、如果节点是红色的,则它的子节点必须是黑色的(反之不一定成立)。4、从根到叶节点或空子节点的每条路径,必须包含相同数目的黑色节点。(空子节点是指非叶节点可以接子节点的位置。换句话说,就是一个有右子节点的节点可能接左子节点的位置,或是有左子节点的节点可能接右子节点的位置)红黑树的应用1、广泛用于C++的STL中,map和set都是用红黑树实现的。(1)、JDK的TreeMap是一个红黑树的实现,能保证插入的值保证排序。2、IO多路复用epoll的实现采用红黑树组织管理sockfd,以支持快速的增删改查。1、BBT的旋转高度不平衡节点的两颗子树的高度差2,只考虑该不平衡节点本身,分四种情况分别讨论。(1)、四种分类:左左、左右、右左、右右;(2)、四种旋转:对称与旋转,左左和右右对称;左右和右左对称左左和右右两种情况是对称的,这两种情况的旋转算法是一致的,只需要经过一次旋转就可以达到目标,称之为单旋转。左右和右左两种情况也是对称的,这两种情况的旋转算法也是一致的,需要进行两次旋转,称之为双旋转。a、高度不平衡之左左6节点的左子树3节点高度比右子树7节点大2,左子树3节点的左子树1节点高度大于右子树4节点,这种情况成为左左。

b、高度不平衡之左右6节点的左子树2节点高度比右子树7节点大2,左子树2节点的左子树1节点高度小于右子树4节点,这种情况成为左右。

c、高度不平衡之右左2节点的左子树1节点高度比右子树5节点小2,右子树5节点的左子树3节点高度大于右子树6节点,这种情况成为右左。

d、高度不平衡4之右右2节点的左子树1节点高度比右子树4节点小2,右子树4节点的左子树3节点高度小于右子树6节点,这种情况成为右右。

(1)、BBT的左左—单旋转如图,假设K2不平衡:为使树恢复平衡,把K1变成根节点。K2大于K1,所以,把K2置于K1的右子树上。K1右子树Y大于K1,小于K2,所以,把Y置于k2的左子树上。左旋:就是让左边的孩子K1去提到上边,升级作为爸爸,自己K2变成儿子。

(2)、BBT的左右双旋转对于左右和右左这两种情况,单旋转不能使它达到一个平衡状态,要经过两次旋转。以左右为例:节点K3不满足平衡特性,它的左子树K1比右子树D深2层,且K1子树更深的是右子树K2。

2、BBT的插入BBT插入的方法和BST基本一致。区别是,插入完成后需要从插入的节点开始,维护一个到根节点的路径,每经过一个节点都要维持树的平衡。维持树的平衡要根据高度差的特点选择不同的旋转算法。3、BBT的查找BBT查找的方法和BST完全一样。不过根据高度基本平衡存储的特性,BBT能保持O(logN)的稳定时间复杂度,而BST则相当不稳定。4、BBT的删除BBT删除的方法和BST基本一致。区别是,删除完成后,需要从删除节点的父亲开始,向上维护树的平衡一直到根节点。4、堆5、哈夫曼树HT/最优二叉树二、多路查找树:多叉树——二叉到多叉的思考1、多叉树一个节点存一个值,则有2个孩子:W一个节点存两个值,则有3个孩子:MO一个节点存三个值,则有4个孩子:MO

1、多叉树的查找与插入

2、B树及其变种——分裂节点、合并节点1、B树的定义——m阶B树需要满足的条件(1)、每个结点至多有m个孩子;(2)、除根结点外,其他结点至少有m/2个孩子;(3)、根结点至少有2个孩子;(4)、所有叶结点在同一层;(5)、有α个孩子的非叶结点有α-1个关键字;结点内部,关键字递增排列。

2、B树的变种

3、R树—R树在实践中的应用

树相关算法的代码实现1、二叉树的遍历——前中后、通过前中求后(1)、前序遍

(2)、中序遍历

(3)、后序遍历

(4)、T2、通过前序中序求后序

2、二叉查找树、BST的插入节点、BST的删除

(2)、二叉查找树插入节点

(3)、二叉查找树BST的删除

3、BBT单旋转、双旋转、BBT的插入、BBT的删除(1)、左左单旋转

(2)、双旋转

(3)、平衡二叉树的插入

(4)、平衡二叉树的删除

(0)

相关推荐