AVL树研究与实现.docVIP

AVL树研究与实现 　　摘要：计算机最广为人知的优点之一是其能储存大量的数据，如今随着时代的发展，储存容量更是犹如日进千里一般极速扩展，大容量的硬盘、U盘早已随处可见。然而，要在巨大的数据中搜索出需要的内容却不是一件容易的事，由此，为了能减少在搜索储存数据上的开销，各种适应于不同访问搜索背景的数据结构应运而生。树，便是计算机学科中最基本的数据结构之一，提供了快速的储存和访问性能。该文探究了带有平衡条件的二叉查找树――AVL树的原理，并对其使用C语言进行了实现。 　　关键词：数据结构；平衡二叉查找树；AVL树 　　中图分类号：TP311 文献标识码：A 文章编号：1009-3044（2013）07-1532-04 　　对于大量的输入数据，普通的线性数据结构访问时间太慢，例如，对于一个有N个数据的线性数据结构，假设对每个数据的访问几率大致相同，每个数据每次访问有1/N的机会被访问，由于是线性数据，因此每个数据的访问花销可以经过一定的排列，最通常的是访问第一个数据花销1个单位时间，第二个2个单位时间，第三个3各单位时间……第N个N各单位时间，于是访问一次的平均花销为（N+[N2]）/2N = （1+N）/ 2，用计算机专业的符号来说，其访问运行时间可以用O（N）来表示，即访问一次线性数据结构的花销在N这个数量级上。使用树这一数据结构可将访问花销将至logN这个数量级上，也即O（logN），这里logN是以二为底的N的对数。可以对比一下，若N=1267650600228229401496703205376，则logN=100。数字越大，则O（N）与O（logN）相差越大。 　　一般来说，计算机学科中使用的最基本的树为二叉查找树，下图是一颗二叉树的简单示意图： 　　 　　图1 二叉树示意图 　　二叉查找树则是在二叉树的基础上得来。假设在一颗二叉树中，每个节点都有一个关键词值，并且关键词值都是互异且可以比较，若对于此二叉树中的每个节点，其左子树中所有节点的关键词值小于其本身关键词值，其右子树中所有关键词值大于其本身关键词值，则此二叉树为二叉查找树。 　　AVL树，则是最先发明的带有平衡条件的二叉查找树。 　　下面，就让我们来分析一下AVL树的思想和原理。 　　1 AVL树思想和原理 　　正如上所述，AVL树是一种带有平衡条件的二叉查找树。那么，这个平衡条件是什么呢？ 　　对于二叉查找树这样的数据结构来说，由于其节点有着按顺序排列的性质，若有数据往此数据结构中插入，则可能会引起树的高度过高，使得访问数据的花销可能会比应有的要多。 　　例如，对于只有一个节点X的二叉查找树，若此后往树中插入的元素其关键词值皆小于X的关键词值，那么这棵树的左子树就会越来越庞大，最终访问一个比X小得多的数据可能会花费相当多的开销，而如果在插入数据到一定程度时选择X的左子树中适当的节点作为根节点，则情况会好得多。 　　如上所述的即是平衡条件，即使得树的深度不致过于深，让左子树和右子树的高度相差不宜过大。同时，从应用的角度来说，这个平衡条件必须容易实现，并且应该允许能够易如反掌地对数据结构进行如插入数据、删除数据这样的常见操作。 　　1.1 AVL树的思想与原理 　　对于一颗AVL树来说，其平衡条件是要求其每个节点的左子树和右子树的高度最多差一。例如，在图2中，左边的树为AVL树，右边的则不是： 　　据资料显示，一个AVL树的高度平均来说只有1.44log（N+2） ? 1.328，并且其实际上的高度只比logN多一点，这样的访问花销是比较高效的。 　　那么，AVL树是如何实现这个平衡条件的呢？很幸运，这个解决方法并不难。事实上，我们是可以通过足够简单的对树的修改来做到。 　　1.2 AVL树的旋转操作 　　在对一颗AVL树进行插入数据或者删除数据的操作时，我们通过一种称之为“旋转”的操作来保持树的左右子树之差。由于对像二叉查找树这样本身已经包含排列性质的数据结构的修改，一般来说只有插入数据和删除数据是常用的，所以在这作者只使用插入数据来分析AVL树的旋转操作，删除数据可以依理推知。 　　同时，由于插入节点后，只有那些从插入点到根节点路径上的节点的平衡性会改变，所以在对树进行操作以更新平衡时，能找到这样一个节点，它破坏了平衡性，但是可以对它进行操作使得树重新变得平衡。 　　现在假设这个破换平衡的节点为W。可知，根据AVL树的定义可知，此时W的左子树和右子树的高度差为二，并且这种造成不平衡的插入操作会有如下四种情况： 　　1）对W的左儿子的左子树进行一次插入； 　　2）对W的右儿子的右子树进行一次插入； 　　3）对W的左儿子的右子树进行一次插入； 　　4）对W的右儿子的左子树进行一次插入。 　　可以看出，1