二叉排序树、平衡二叉树、红黑树.docxVIP

二叉搜索树binary search tree，中文翻译为二叉搜索树\二叉查找树\二叉排序树。简称为BST1、递归定义：要么是一个空树如果不为空，左子树节点的值小于根节点的值；右子树节点的值大于根节点的值左右子树也是二叉搜索树2、插入操作插入一个关键字值为key的节点s，要保证插入后仍符合二叉搜索树的定义。若二叉树是空树，则key为二叉树的根。若二叉树非空，则将key与二叉树搜索树的根进行比较。如果key的值等于根节点的值，则停止插入；如果key的值小于根节点的值，则将key插入左子树；如果key的值大于根节点的值，则将key插入右子树。重复步骤2)，只到找到合适的插入位置。3、删除操作为了保持为二叉搜索树，在删除一个节点之后，程序必须对二叉树进行调整维护。维护分为以下几种情况：1) 如果待删除节点是叶子节点，则只需要将它从父节点中删除即可。2) 如果待删除节点的左子树或者右子树只有一个存在，直接将其子树中存在的一边补上来即可。3) 如果被删除节点?p?的左、右子树均非空，有两种做法：将 pL 设为 p 的父节点 q 的左或右子节点，将 pR 设为 p 节点的中序前趋节点 s 的右子节点（s 是 pL 最右下的节点，也就是 pL 子树中最大的节点）；以 p 节点的中序前趋或后继替代 p 所指节点，然后再从原排序二叉树中删去中序前趋或后继节点即可（也就是用大于 p 的最小节点或小于 p 的最大节点代替 p 节点）。4、查找如果查找的节点值小于根节点，则进入左子树；如果大于根节点，则进入右子树，重复这个比较步骤直到找到这个节点或者这个节点不存在。5、总结二叉搜索树可以实现快速检索。但存在最坏的情况：如果插入的节点集本身就是有序的，那么最后得到的搜索二叉树就变成了链表（所有节点只有左子树或者右子树），在这种情况下，检索效率会很差。平衡二叉树(AVL树)解决的问题：在一棵二叉搜索树中查找一个值的平均时间复杂度为log(n)，二叉搜索树退化为链表时，查找的复杂度就为n。AVL树能够获得更高的查找效率，对于非平衡的AVL树，可以通过旋转变换为AVL树。1、定义：若T树一棵非空二叉树，其左、右子树为 TL 和 TR；hl 和 hr 分别为左、右子树的深度。当且仅当：TL 、 TR 都是平衡二叉树；｜ hl － hr ｜≤ 1；则T是平衡二叉树。由于平衡二叉树也是排序二叉树，所以使用二叉树的插入、删除和查找操作即可。只是在操作完成后，为了下次能够保持一个好的检索效率，则需要对树进行旋转。旋转可以再次达到平衡。主要包括：左旋转、右旋转、左右旋转、右左旋转。LL：新节点Y被插入到A的左子树的左子树上，导致根节点的平衡因子由1变为2.需要 右旋转来解决。LR：新节点Y被插入到A的左子树的右子树上，导致根节点的平衡因子由1变为2.需要先左旋转后右旋转来解决。RR：新节点Y被插入到A的右子树的右子树上，导致根节点的平衡因子由1变为2.需要左 旋转来解决。RL：新节点Y被插入到A的右子树的左子树上，导致根节点的平衡因子由1变为2.需要先 右旋转后左旋转来解决。红黑树注：用过 STL map 么, 你用过 linux 么(这个说大了), 他们都是红黑树的应用. 当你对搜索的效率要求较高，并且数据经常改动的情景，你可以用红黑树, 也就是 map。至于, 为什么不用 AVL 树作为底层实现, 那是因为 AVL 树是高度平衡的树, 而每一次对树的修改, 都要 rebalan...红黑树是一个更高效的检索二叉树，Java中的TreeMap就是一个红黑树的实现。其保证的是大致平衡。红黑树的优势：红黑树能够以O(logN)的时间复杂度进行搜索、插入、删除操作。此外,任何不平衡都会在3次旋转之内解决。这一点是AVL所不具备的。1、性质性质1. 节点是红色或黑色。性质2. 根是黑色。性质3. 所有叶子都是黑色（并且叶子都是null）。性质4. 每个红色节点的两个子节点都是黑色。(从每个叶子到根的所有路径上不能有两个连续的红色节点)性质5. 从任一节点到其每个叶子的所有简单路径 都包含相同数目的黑色节点。2、读取操作由于红黑树只是一个特殊的排序二叉树，因此对红黑树上的只读操作与普通排序二叉树上的只读操作完全相同，只是红黑树保持了大致平衡，因此检索性能比排序二叉树要好很多。3、插入节点后修复在红黑树上进行插入操作和删除操作会导致树不再符合红黑树的特征，因此插入操作和删除操作都需要进行一定的维护，以保证插入节点、删除节点后的树依然是红黑树。插入操作按如下步骤进行：（1）以排序二叉树的方法插入新节点，并将它设为红色。（2）进行颜色调换和树旋转。在插入操作中，红黑树的性质 1 和性质 3 两个永远不会发生改变，因此无需考虑红黑树的这两个特性。