当前位置：首页 > news >正文

二叉平衡树

news 来源：原创 2025/5/11 11:35:01

1.二叉搜索树

1.1二叉搜索树的概念

二叉搜索树又称二叉排序树，它或者是一棵空树，或者是具有以下性质的二叉树:

1.若它的左子树不为空，则左子树上所有节点的值都小于根节点的值

2.若它的右子树不为空，则右子树上所有节点的值都大于根节点的值

3.它的左右子树也分别为二叉搜索树

从上述概念以及图中可以看出，二叉搜索树具有以下特性：

1. 二叉搜索树中最左侧的节点是树中最小的节点，最右侧节点一定是树中最大的节点

2. 采用中序遍历遍历二叉搜索树，可以得到一个有序的序列

1.2二叉树的查找

二叉搜索树的性能分析

插入和删除操作都必须先查找，查找效率代表了二叉搜索树中各个操作的性能。

对有n个结点的二叉搜索树，若每个元素查找的概率相等，则二叉搜索树平均查找长度是结点在二叉搜索树的深度的函数，即结点越深，则比较次数越多。

但对于同一个关键码集合，如果各关键码插入的次序不同，可能得到不同结构的二叉搜索树

最优情况下，二叉搜索树为完全二叉树，其平均比较次数为： $\log_{2}N$

最差情况下，二叉搜索树退化为单支树，其平均比较次数为：N/2

2.AVL树

AVL树是一颗就对平衡的二叉搜索树，每颗子树的高度差都不超过1，这样可以保证高效的查询--，即 $\log_{2}N$ ，但是如果要对AVL进行结构上的修改操作，性能是十分的低下，比如在插入时要维护绝对平衡，旋转的次数较多，更差的是删除的时候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。

2.1AVL树的概念

问题：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。

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

下面这颗AVL树所具有的性质

1.它的左子树和右子树都是AVL树

2.左右子树的高度差（也叫做平衡因子）不会大于2（-1 0 1）

3.如果一颗二叉所搜索树是高度平衡的，那么它就是一颗AVL树，如果这颗·AVL树的节点个数是N的话,那么它的高度为 $\log_{2}N$ ，搜索时间复杂度O( $\log_{2}N$ )。

2.2AVL树中的节点定义

当前节点的平衡因子=右子树高度-左子树的高度

2.3AVL树的插入

AVL树的插入又分为两部分

第一部分：像之前平衡二叉一样插入数据第二部分：平衡因子的调整

插

2.4平衡因子的调整

调整的时候分下面四种情况

2.4.1右单旋

当新节点插入到较高左子树的左侧时--右单旋

 private void rigthrevolve(TreeNode parent, TreeNode cur) {//右旋转的操作和旋左转的差不多TreeNode Pparent=parent.parent;if(cur.rigth!=null){cur.rigth.parent=parent;}parent.left=cur.rigth;parent.parent=cur;cur.rigth=parent;cur.parent=Pparent;cur.bf=0;parent.bf=0;if(parent==root){root=cur;return;}if(cur.val>Pparent.val){//说明parent是Pparent右子树Pparent.rigth=cur;}else{Pparent.left=cur;}}

2.4.2左单旋

当新节点插入到较高右子树的右侧时--左单旋

 private void rigthrevolve(TreeNode parent, TreeNode cur) {//右旋转的操作和旋左转的差不多TreeNode Pparent=parent.parent;if(cur.rigth!=null){cur.rigth.parent=parent;}parent.left=cur.rigth;parent.parent=cur;cur.rigth=parent;cur.parent=Pparent;cur.bf=0;parent.bf=0;if(parent==root){root=cur;return;}if(cur.val>Pparent.val){//说明parent是Pparent右子树Pparent.rigth=cur;}else{Pparent.left=cur;}}

2.4.3左右双旋

新节点插入较高左子树的右侧：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。

 private void leftrigthrevolve(TreeNode parent, TreeNode cur) {TreeNode PP=parent;TreeNode PL=parent.left;int bbf=cur.rigth.bf;leftrevolve(cur,cur.rigth);rigthrevolve(parent,parent.left);if(bbf==1){cur.bf=-1;}else if(bbf==-1){parent.bf=1;}}

2.4.4右左双旋

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

private void rigthleftrelve(TreeNode parent, TreeNode cur) {TreeNode PP=parent;TreeNode PR=parent.rigth;//这里先要对一个结点的bf值进行存储，用于对不同结构的树的bf赋值int bbf=cur.left.bf;rigthrevolve(cur,cur.left);leftrevolve(parent,parent.rigth);if(bbf==1){parent.bf=-1;}else if(bbf==-1){cur.bf=1;}}

总结：

新插入节点以后，假设pParent为根节点的子树不平衡，即pParent的平衡因子为2或者为-2

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

即：pParent与其较高子树节点的平衡因子时同号时单旋转，异号时双旋转。

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。

2.5AVL树的验证

AVL树的验证需要两点

第一点：证明AVL树是一颗搜索树：使用中序遍历打印，打印出的数据是有序的即可

第二点：验证遍历每个节点，计算每个节点的bf值是否正确

public boolean AVLjudgment(TreeNode cur){if(cur==null){return true;}//验证平衡因子是否正确int rigthheight=height(cur.rigth);int leftheight=height(cur.left);if(rigthheight-leftheight!=cur.bf){System.out.println("平衡因子错误的节点"+cur.val);return false;}return Math.abs(rigthheight-leftheight)<=1&&AVLjudgment(cur.left)&&AVLjudgment(cur.rigth);}//下面是判断这棵树是否是AVL树//1，中序遍历，判断顺序,只能判断是否是平衡树public void middletraverse(TreeNode cur){if(cur==null){return;}System.out.println(" "+cur.val);middletraverse(cur.left);middletraverse(cur.rigth);}//2，计算高度，验证计算的bf是否是正确的public int height(TreeNode cur){if(cur==null){return 0;}int leftheight=height(cur.left);int rigthheight=height(cur.rigth);return leftheight>rigthheight?leftheight+1:rigthheight+1;}

3.红黑树

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。

3.1红黑树的概念

红黑树是一种二叉搜索树，但在每个节点上增加一个成员变量用于储存每个节点的颜色，颜色可以是RED，BLECK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。

红黑树的性质：

1.每个节点的颜色不是黑色就是红色

2.根节点是黑色

3.不可以有两个连续的两个红色节点

4.每条路径的黑色节点个数是一样的

3.2红黑树结点的定义

3.3红黑树的插入

红黑树的插入也是分成两部分

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；但当新插入节点的双亲节点颜色为红色时，就违反了性质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

注意：此时看到的树可能是一颗子树也有可能是一颗完整的树

如果g是根节点，只需要将根节点这个节点的是颜色改成黑色即可

如果g不是根节点，如果g这个节点的双亲结点的是红色的话，就需要继续向上调整

情况二: cur为红，p为红，g为黑，u不存在/u为黑

p为g的左孩子，cur为p的左孩子，则进行右单旋转；

相反， p为g的右孩子，cur为p的右孩子，则进行左单旋转

p、g变色--p变黑，g变红

说明：u有两种情况

1.如果u这个节点不存在的话，则cur肯定是一个新插入的节点，

如果cur不是新插入的节点，则cur和parent节点一定有一个节点是黑色的，

这样的话就不满足性质每条路径上的黑色节点都是相同的

2.如果u这个节点存在的话，则其颜色一定是黑色的，那么cur这个节点原来的颜色一定是黑色的，现在看见是红色的样子是因为想上那个调整，将cur这个节点的颜色改成了红色

情况三: cur为红，p为红，g为黑，u不存在/u为黑

p为g的左孩子，cur为p的右孩子，则针对p做左单旋转；

相反， p为g的右孩子，cur为p的左孩子，则针对p做右单旋转

则转换成了情况2

 //第二步：对接点对红黑树节点的颜色和位置进行调整//只有parent存在并且颜色是红色的话就需要进行调整while(parent!=null&&parent.color==Color.RED){//一轮循环结束以后都需要将根节点的颜色手动置为黑色//根据标准：根节点一定是黑色的，所以parent一定不是根节点RBTreeNode  GrandFather =parent.parent;RBTreeNode Uncle=null;if(GrandFather.left==parent){//双亲节点在左边Uncle=GrandFather.rigth;}else{//反之Uncle=GrandFather.left;}//情况一: cur为红，p为红，g为黑，u存在且为红if(Uncle!=null&&Uncle.color==Color.RED){//像这种情况cur节点都是新插入进去的，而且，cur无论是插入在哪个叶子节点的位置，操作都是一样的parent.color=Color.BLACK;Uncle.color=Color.BLACK;//然后该改变祖父节点，祖父节点上面的节点有三种情况，第一种祖父节点就是根节点，// 第二种祖父上面是黑色节点，第三种祖父节点上面是红色节点，（但都是将祖父节点改成红色）GrandFather.color=Color.RED;//继续向上调整cur=GrandFather;parent=GrandFather.parent;root.color=Color.BLACK;continue;}//情况二: cur为红，p为红，g为黑，u不存在/u为黑if(Uncle==null||Uncle.color==Color.BLACK){//情况三：这种情况就是位置不一样,就先将情况三变成情况情况二if(parent==GrandFather.left&&cur==parent.rigth){leftrevolve(parent,cur);RBTreeNode node1=cur;cur=parent;parent=node1;}else if(parent==GrandFather.rigth&&cur==parent.left){rigthrevolve(parent,cur);RBTreeNode node1=cur;cur=parent;parent=node1;}if(cur==parent.left&&parent==GrandFather.left){//使用右旋rigthrevolve(GrandFather,parent);}else if(cur==parent.rigth&&parent==GrandFather.rigth){//使用左旋leftrevolve(GrandFather,parent);}//在对颜色进行改变parent.color=Color.BLACK;GrandFather.color=Color.RED;root.color=Color.BLACK;break;//因为根节点变成了继parent，parent的颜色为黑色所以没有必要继续向上调整}}return true;

3.4红黑树的验证

红黑树的验证也是分成两部分

1.验证红黑树是一颗二叉搜索树

 public void inorder(RBTreeNode cur){if(cur==null){return;}inorder(cur.left);System.out.println(cur.val+" ");inorder(cur.rigth);}

2.验证红黑树是否满足各个性质

 //第二步，满足下面几个性质//   2. 每个结点不是红色就是黑色// 3. 根节点是黑色的// 4. 如果一个节点是红色的，则它的两个孩子结点是黑色的【没有2个连续的红色节点】//  5. 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public boolean  isRBTreeNode (RBTreeNode root){//如果根节点为空，也是一棵红黑树if(root==null){return true;}if(root.color!=Color.BLACK){System.out.println("违反了性质三：根节点不是黑色");return false;}//先进行统计其中一条路径中的黑色节点数RBTreeNode cur=root;int BlackTreeNode =0;while(cur!=null){if(cur.color==Color.BLACK){BlackTreeNode++;}cur=cur.left;}return  checkRedTreeNode(root)&& checkBlackTreeNode(0,BlackTreeNode,root);}/*** //用于验证性质：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* @param newbleck :表示的是当前黑色节点的个数* @param BlackTreeNode；表示每条路径黑色节点的个数* @param cur* @return*/public boolean checkBlackTreeNode(int newbleck,int BlackTreeNode,RBTreeNode cur){if(cur.color==Color.BLACK){newbleck++;}if(cur.left==null&&cur.rigth==null){if(newbleck!=BlackTreeNode){System.out.println("违反了性质：每条路径上黑色节点的个数是一样的");return false;}return true;}return checkBlackTreeNode(newbleck, BlackTreeNode, cur.left)&&checkBlackTreeNode(newbleck, BlackTreeNode, cur.rigth);}/*** 用于验证性质： 如果一个节点是红色的，则它的两个孩子结点是黑色的【没有2个连续的红色节点】* @param cur* @return*/public boolean checkRedTreeNode (RBTreeNode cur){if(cur==null){return true;}if(cur.color==Color.RED){if(cur.parent!=null&&cur.parent.color==Color.RED){System.out.println("违反了性质四：连续出现了两个红色节点");return false;}}return checkRedTreeNode(cur.left)&& checkRedTreeNode(cur.rigth);}