平衡二叉树详解及C++实现_c++ 二叉搜索树平衡二叉树-程序员宅基地

技术标签: c++  数据结构  

定义

平衡二叉搜索树:简称平衡二叉树。由前苏联的数学家 Adelse-Velskil 和 Landis 在 1962 年提出的高度平衡的二叉树,根据科学家的英文名也称为 AVL 树。

性质
  1. 可以是空树
  2. 加入不是空树,任何一个节点的左右子树都是平衡二叉树,并且高度差的绝对值不超过 1 1 1
为什么要有平衡二叉树

防止搜索二叉树退化为链表

平衡因子(Balance Factor)

即左右两子树的高度差:

B F = h l e f t − h r i g h t BF=h_{left}-h_{right} BF=hlefthright

平衡二叉树的任何一节点的平衡因子只有三个取值: 0 , 1 , − 1 0,1,-1 0,1,1,如果绝对值大于 1 1 1,说明该树失衡,就需要进行调整

节点结构
struct treenode
{
    
    int _val;//键值
    treenode* _parent;//父节点
    treenode* _l, * _r;//左右子树节点
    int _deepth;//树高度
    treenode(int val = 0) :_val(val), _deepth(1),_l(nullptr),_r(nullptr),_parent(nullptr) {
    }
}; 
基本接口
class AVLTree
{
    
    treenode* _root;//根节点
    void _insert(treenode*& , int );//插入
    treenode* _erase(treenode* , int);//删除
    treenode* get_lmax(treenode* );//获取左子树中的最大值
    treenode* LL_roate(treenode*);//左旋
    treenode* RR_roate(treenode*);//右旋
    treenode* LR_roate(treenode*);//左右旋
    treenode* RL_roate(treenode*);//右左旋
    treenode* _find(treenode* , int );//查找
    void _print(treenode* );//打印树节点
    
    void updata_deepth(treenode* root) {
     //更新树高度
    root ? root->_deepth = max(get_deepth(root->_l),get_deepth(root->_r)) + 1 : 0; 
    }
    
    int get_deepth(treenode* root){
    //获取树高度
    return root ? root->_deepth : 0; 
    }
    
    int get_balance_factor(treenode* root) {
     //获取平衡因子
    return root ? get_deepth(root->_l) - get_deepth(root->_r) : 0; 
    }
    
public:
    void insert(int data);//插入
    void erase(int data);//删除
    treenode* find(int data);//查找
    void print() {
     _print(_root); }//打印
};
AVL树失衡调整

要调整失衡的AVL树,就要找到最小不平衡子树,通过调整不平衡子树,来调整失衡的AVL树

最小不平衡子树:高度最小的失衡树。从插入点开始第一个平衡因子绝对值大于1的节点。

调整方法

通过旋转调整不平衡子树,旋转的类型有四种情况:
L L , L R , R R , R L LL,LR,RR,RL LLLRRRRL,分别对应失衡的四种情况。

  1. 左子树深度高于右子树 ( m a x { h 1 , h 2 } − 2 = m a x { h 3 , h 4 } , 即平衡因子等于 2 ) (max \left \{ h_1,h_2\right \}-2=max\left \{ h_3,h_4\right \},即平衡因子等于2) (max{ h1,h2}2=max{ h3,h4},即平衡因子等于2)

    a.左子树的左子树深度高于左子树的右子树深度 ( h 1 > h 2 , 左子树平衡因子为 1 , R R ) (h_1>h_2,左子树平衡因子为1,RR) (h1>h2,左子树平衡因子为1,RR)
    b.左子树的右子树深度高于左子树的左子树深度 ( h 2 > h 1 , 左子树平衡因子为 − 1 , L R ) (h_2>h_1,左子树平衡因子为-1,LR) (h2>h1,左子树平衡因子为1,LR)

  2. 右子树深度高于左子树 ( m a x { h 3 , h 4 } − 2 = m a x { h 1 , h 2 } , 即平衡因子等于 − 2 ) (max \left \{ h_3,h_4\right \}-2=max\left \{ h_1,h_2\right \},即平衡因子等于-2) (max{ h3,h4}2=max{ h1,h2},即平衡因子等于2)

    a.右子树的右子树深度高于右子树的左子树深度 ( h 4 > h 3 , 右子树平衡因子为 − 1 , L L ) (h_4>h_3,右子树平衡因子为-1,LL) (h4>h3,右子树平衡因子为1,LL)
    b.右子树的左子树深度高于右子树的右子树深度 ( h 3 > h 4 , 右子树平衡因子为 1 , R L ) (h_3>h_4,右子树平衡因子为1,RL) (h3>h4,右子树平衡因子为1,RL)

旋转的目的就是减少高度,通过降低整棵树的高度来平衡。哪边的树高,就把那边的树向上旋转。

左旋 ( L L ) (LL) (LL)

  • 让其右子树代替该节点
  • 并将其右子树的左子树(如果有的话)代替其右子树
  • 让该节点成为右子树的左子树

就是让右儿子当爹。这样操作逻辑上相当于让整棵树向左旋转了。
代码实现时,注意要将父节点(如果有的话)的子树(左子树或右子树,要判断一下)改为该节点的右子树(右旋也同理)。

代码实现
inline treenode* AVLTree::LL_roate(treenode* root)
{
    
    treenode* s = root->_r;//记录右子树
    
    //调整父节点
    s->_parent = root->_parent;//改变右子树的父节点
    if (root->_parent)    //如果该节点有父节点
    {
    
        if (root->_parent->_l == root)//判断该节点是父节点的左子树还是右子树
            root->_parent->_l = s;//将父节点的子树改为该节点的右子树
        else
            root->_parent->_r = s;
    }
    root->_parent = s;//将该节点的父节点改为右子树,这个一定要最后调整
    
    //调整子树
    if (s->_l)//如果右子树和有左子树
        s->_l->_parent = root;//就将右子树的左子树父节点改为该节点
    root->_r = s->_l;//将右子树的左子树给该节点的右子树
    s->_l = root;//将右子树的左子树改为该节点
    
    //跟更新树高度
    updata_deepth(root);//必须先更新该节点
    updata_deepth(s);
    
    return s;//返回该树的新的根节点
}
右旋 ( R R ) (RR) (RR)

  • 让其左子树代替该节点
  • 并将其左子树的右子树(如果有的话)代替其左子树
  • 让该节点成为左子树的右子树

就是让左儿子当爹。这样的操作在逻辑上相当于将整棵树向右旋转了。

inline treenode* AVLTree::RR_roate(treenode* root)
{
    
    treenode* s = root->_l;//记录左子树
    
    //调整父节点
    s->_parent = root->_parent;//改变左子树的父节点
    if (root->_parent)//如果该节点有父节点
    {
    
        if (root->_parent->_l == root)//判断该节点是父节点的左子树还是右子树
            root->_parent->_l = s;//将父节点的子树改为该节点的左子树
        else
            root->_parent->_r = s;
    }
    root->_parent = s;//将该节点的父节点改为左子树
    
    //调整子树
    if (s->_r)//如果左子树有右子树
        s->_r->_parent = root;//就将左子树的右子树的父节点改为该节点
    root->_l = s->_r;//将该节点的左子树改为左子树的右子树
    s->_r = root;//将左子树的右子树改为该节点
    
    //更新树高度
    updata_deepth(root);
    updata_deepth(s);
    
    return s;//返回该树新的根节点
}
左右旋 ( L R ) (LR) (LR)

当失衡是由于左子树的右子树引起时,单纯的右旋不能解决问题。如下图
在这里插入图片描述

如果直接进行右旋,结果如下,并没有使二叉树回复平衡。
在这里插入图片描述

这时,我就就要先对左子树进行左旋操作,让左子树的左子树变为引起失衡的子树,再进行右旋,就可以将二叉树恢复平衡。
在这里插入图片描述

代码实现
inline treenode* AVLTree::LR_roate(treenode* root)
{
    
    LL_roate(root->_l);//左旋左子树
    return RR_roate(root);//
}
右左旋 ( R L ) (RL) (RL)

于左右旋同理,就不过多赘述,直接给出代码

inline treenode* AVLTree::RL_roate(treenode* root)
{
    
    RR_roate(root->_r);
    return LL_roate(root);
}

接口的具体实现

插入

插入同搜索二叉树基本相同,但是在每次插入之后要更新树的高度,并且检查树是否失衡,这样就可以在递归回退时找到最小不平衡子树,并且旋转调整他。

代码实现
inline void AVLTree::insert(int data)
{
    
    if (!_root)//为空树时,直接赋值改变根节点
    {
    
        _root = new treenode(data);
        return;
    }
    _insert(_root, data);//不为空就插入
}
inline void AVLTree::_insert(treenode*& root, int data)
{
    
    //插入
    //按照二叉搜索树进行插入
    if (root->_val < data)
    {
    
        if (root->_r)
            _insert(root->_r, data);
        else
        {
    
            root->_r = new treenode(data);
            root->_r->_parent = root;
        }
    }
    else
    {
    
        if (root->_l)
            _insert(root->_l, data);
        else
        {
    
            root->_l = new treenode(data);
            root->_l->_parent = root;
        }
    }
    //更新深度
    updata_deepth(root);
    //判断是否失衡
    if (get_balance_factor(root) == -2)
    {
    
        //LL型,左旋一次
        //右子树的右子树插入导致失衡
        if (get_balance_factor(root->_r) == -1)
            root = LL_roate(root);
        //RL型,先让右子树右旋再让根节点左旋
        //右子树的左子树插入导致失衡
        else if (get_balance_factor(root->_r) == 1)
            root = RL_roate(root);
    }
    else if (get_balance_factor(root) == 2)
    {
    
        //RR型,右旋一次
        //左子树的左子树插入导致失衡
        if (get_balance_factor(root->_l) == 1)
            root = RR_roate(root);
        //LR型,先让左子树左旋再让根节点右旋
        //左子树的右子树导致失衡
        else if (get_balance_factor(root->_l) == -1)
            root = LR_roate(root);
    }
}
删除

对于删除,需要考虑三种情况:

  1. 删除节点为叶子节点:直接将删除即可
  2. 删除节点有一个子树:将该节点子树替代该节点的位置
  3. 删除节点有两个子树:用中序遍历的前驱或后继代替该节点位置,用递归将该种情况转化为前两种情况(细节见代码)
前驱和后继

删除有两个子树的节点时,让左子树的最大值(前驱)或是右子树的最小值(后继)替代该节点位置,依然满足搜索二叉树。
实现时,将该节点的值直接改为前驱(后继),然后要删除节点就变为前驱(后继),再递归找到前驱(后继),最后都会转化成前两种情况。

寻找前驱代码的实现(后继类似)
inline treenode* AVLTree::get_lmax(treenode* lroot)
{
    
    while (lroot->_r)
        lroot = lroot->_r;
    return lroot;
}
代码实现
inline void AVLTree::erase(int data)
{
    
    if (!_root)//空树不能进行删除
        return;
    _root = _erase(_root, data);
}
inline treenode* AVLTree::_erase(treenode* root, int data)
{
    
    //1.删除节点
    if (root->_val < data)
        if (root->_r)
            _erase(root->_r, data);
        else if (root->_val > data)
            if (root->_l)
                _erase(root->_l, data);
            else
            {
    
                //删除有三种情况
                //1.删除节点为叶子节点 
                //直接删除
                if (!root->_l && !root->_r)
                {
    
                    if (root->_parent)
                    {
    
                        if (root->_parent->_l == root)
                            root->_parent->_l = nullptr;
                        else
                            root->_parent->_r = nullptr;
                    }
                    delete root;
                    root = nullptr;
                }
                //2.删除节点有一个子树
                //将该子树代替掉删除节点的位置
                else if (!root->_l || !root->_r)
                {
    
                    if (root->_parent)
                    {
    
                        if (root->_parent->_l == root)
                            root->_parent->_l = root->_l ? root->_l : root->_r;
                        else
                            root->_parent->_r = root->_l ? root->_l : root->_r;
                    }
                    treenode* s = root->_l ? root->_l : root->_r;
                    s->_parent = root->_parent;
                    delete root;
                    root = s;
                }
                // 3.删除节点有两个子树
                //用中序遍历的前驱或后继代替该节点
                else
                {
    
                    treenode* lmax = get_lmax(root->_l);
                    root->_val = lmax->_val;
                    _erase(root->_l, lmax->_val);
                }
            }
    //2.调整高度
    updata_deepth(root);
    //3.调整最小不平衡子树
    if (get_balance_factor(root) == 2)
    {
    
        if (get_balance_factor(root->_l) == 1)
            root = RR_roate(root);
        else
            root = LR_roate(root);
    }
    else if (get_balance_factor(root) == -2)
    {
    
        if (get_balance_factor(root) == -1)
            root = LL_roate(root);
        else
            root = RL_roate(root);
    }
    return root;
}
查找

很简单,这里只给出代码

inline treenode* AVLTree::find(int data)
{
    
    if (!_root)
        return nullptr;
    return _find(_root, data);
}
inline treenode* AVLTree::_find(treenode* root, int data)
{
    
    if (!root)
        return nullptr;
    if (data < root->_val)
        return _find(root->_l, data);
    else if (data > root->_val)
        return _find(root->_r, data);
    else
        return root;
}
总结

平衡二叉树旋转时,交换的变量很多,要时刻记着哪些变量已经交换,哪些还没有,实现时要仔细不然很容易出现问题。

版权声明:本文为博主原创文章,遵循 CC 4.0 BY-SA 版权协议,转载请附上原文出处链接和本声明。
本文链接:https://blog.csdn.net/c661280411470yb/article/details/131114387

智能推荐

【史上最易懂】马尔科夫链-蒙特卡洛方法:基于马尔科夫链的采样方法,从概率分布中随机抽取样本,从而得到分布的近似_马尔科夫链期望怎么求-程序员宅基地

文章浏览阅读1.3k次,点赞40次,收藏19次。虽然你不能直接计算每个房间的人数,但通过马尔科夫链的蒙特卡洛方法,你可以从任意状态(房间)开始采样,并最终收敛到目标分布(人数分布)。然后,根据一个规则(假设转移概率是基于房间的人数,人数较多的房间具有较高的转移概率),你随机选择一个相邻的房间作为下一个状态。比如在巨大城堡,里面有很多房间,找到每个房间里的人数分布情况(每个房间被访问的次数),但是你不能一次进入所有的房间并计数。但是,当你重复这个过程很多次时,你会发现你更有可能停留在人数更多的房间,而在人数较少的房间停留的次数较少。_马尔科夫链期望怎么求

linux以root登陆命令,su命令和sudo命令,以及限制root用户登录-程序员宅基地

文章浏览阅读3.9k次。一、su命令su命令用于切换当前用户身份到其他用户身份,变更时须输入所要变更的用户帐号与密码。命令su的格式为:su [-] username1、后面可以跟 ‘-‘ 也可以不跟,普通用户su不加username时就是切换到root用户,当然root用户同样可以su到普通用户。 ‘-‘ 这个字符的作用是,加上后会初始化当前用户的各种环境变量。下面看下加‘-’和不加‘-’的区别:root用户切换到普通..._限制su root登陆

精通VC与Matlab联合编程(六)_精通vc和matlab联合编程 六-程序员宅基地

文章浏览阅读1.2k次。精通VC与Matlab联合编程(六)作者:邓科下载源代码浅析VC与MATLAB联合编程浅析VC与MATLAB联合编程浅析VC与MATLAB联合编程浅析VC与MATLAB联合编程浅析VC与MATLAB联合编程  Matlab C/C++函数库是Matlab扩展功能重要的组成部分,包含了大量的用C/C++语言重新编写的Matlab函数,主要包括初等数学函数、线形代数函数、矩阵操作函数、数值计算函数_精通vc和matlab联合编程 六

Asp.Net MVC2中扩展ModelMetadata的DescriptionAttribute。-程序员宅基地

文章浏览阅读128次。在MVC2中默认并没有实现DescriptionAttribute(虽然可以找到这个属性,通过阅读MVC源码,发现并没有实现方法),这很不方便,特别是我们使用EditorForModel的时候,我们需要对字段进行简要的介绍,下面来扩展这个属性。新建类 DescriptionMetadataProvider然后重写DataAnnotationsModelMetadataPro..._asp.net mvc 模型description

领域模型架构 eShopOnWeb项目分析 上-程序员宅基地

文章浏览阅读1.3k次。一.概述  本篇继续探讨web应用架构,讲基于DDD风格下最初的领域模型架构,不同于DDD风格下CQRS架构,二者架构主要区别是领域层的变化。 架构的演变是从领域模型到C..._eshoponweb

Springboot中使用kafka_springboot kafka-程序员宅基地

文章浏览阅读2.6w次,点赞23次,收藏85次。首先说明,本人之前没用过zookeeper、kafka等,尚硅谷十几个小时的教程实在没有耐心看,现在我也不知道分区、副本之类的概念。用kafka只是听说他比RabbitMQ快,我也是昨天晚上刚使用,下文中若有讲错的地方或者我的理解与它的本质有偏差的地方请包涵。此文背景的环境是windows,linux流程也差不多。 官网下载kafka,选择Binary downloads Apache Kafka 解压在D盘下或者什么地方,注意不要放在桌面等绝对路径太长的地方 打开conf_springboot kafka

随便推点

VS2008+水晶报表 发布后可能无法打印的解决办法_水晶报表 不能打印-程序员宅基地

文章浏览阅读1k次。编好水晶报表代码,用的是ActiveX模式,在本机运行,第一次运行提示安装ActiveX控件,安装后,一切正常,能正常打印,但发布到网站那边运行,可能是一闪而过,连提示安装ActiveX控件也没有,甚至相关的功能图标都不能正常显示,再点"打印图标"也是没反应解决方法是: 1.先下载"PrintControl.cab" http://support.businessobjects.c_水晶报表 不能打印

一. UC/OS-Ⅱ简介_ucos-程序员宅基地

文章浏览阅读1.3k次。绝大部分UC/OS-II的源码是用移植性很强的ANSI C写的。也就是说某产品可以只使用很少几个UC/OS-II调用,而另一个产品则使用了几乎所有UC/OS-II的功能,这样可以减少产品中的UC/OS-II所需的存储器空间(RAM和ROM)。UC/OS-II是为嵌入式应用而设计的,这就意味着,只要用户有固化手段(C编译、连接、下载和固化), UC/OS-II可以嵌入到用户的产品中成为产品的一部分。1998年uC/OS-II,目前的版本uC/OS -II V2.61,2.72。1.UC/OS-Ⅱ简介。_ucos

python自动化运维要学什么,python自动化运维项目_运维学python该学些什么-程序员宅基地

文章浏览阅读614次,点赞22次,收藏11次。大家好,本文将围绕python自动化运维需要掌握的技能展开说明,python自动化运维从入门到精通是一个很多人都想弄明白的事情,想搞清楚python自动化运维快速入门 pdf需要先了解以下几个事情。这篇文章主要介绍了一个有趣的事情,具有一定借鉴价值,需要的朋友可以参考下。希望大家阅读完这篇文章后大有收获,下面让小编带着大家一起了解一下。_运维学python该学些什么

解决IISASP调用XmlHTTP出现msxml3.dll (0x80070005) 拒绝访问的错误-程序员宅基地

文章浏览阅读524次。2019独角兽企业重金招聘Python工程师标准>>> ..._hotfix for msxml 4.0 service pack 2 - kb832414

python和易语言的脚本哪门更实用?_易语言还是python适合辅助-程序员宅基地

文章浏览阅读546次。python和易语言的脚本哪门更实用?_易语言还是python适合辅助

redis watch使用场景_详解redis中的锁以及使用场景-程序员宅基地

文章浏览阅读134次。详解redis中的锁以及使用场景,指令,事务,分布式,命令,时间详解redis中的锁以及使用场景易采站长站,站长之家为您整理了详解redis中的锁以及使用场景的相关内容。分布式锁什么是分布式锁?分布式锁是控制分布式系统之间同步访问共享资源的一种方式。为什么要使用分布式锁?​ 为了保证共享资源的数据一致性。什么场景下使用分布式锁?​ 数据重要且要保证一致性如何实现分布式锁?主要介绍使用redis来实..._redis setnx watch

推荐文章

热门文章

相关标签