树状结构算法介绍及其在生活中应用.docVIP

树状结构算法介绍及其在生活中应用 　　摘要：本文主要介绍了数据结构中的各种树状结构，重点介绍了二叉搜索树，其他还包括平衡二叉树，红黑树，霍夫曼树以及堆。此外，本文详细解释了二叉搜索树的操作的时间复杂度。同时，我们将介绍各种树形结构在生活中的应用。 　　关键词：算法；树状结构；应用 　　中图分类号：TP312 文献标识码：A 文章编号：1007-9416（2017）05-0147-02 　　在计算机世界中，有各种各样的抽象数据结构，包括数组，队列，堆栈，链表等。这些数据结构都可以转换到现实生活中的各种问题中去，以此能够高效的解决一些问题。在这些数据结构中，被使用的较为广泛的无疑是树状结构。本文就将详细介绍一下树状结构。 　　所谓树状结构，就是将信息存贮在节点之中，节点与节点之间用边链接起来的结构。一颗二叉树由结点的有限集合组成。这个集合可以由一个根节点和两个不相交的二叉树组成，这两颗二叉树分别成为这个根节点的左子树和右子树。关于树状结构其他种类更多的结构介绍，我们将在下文中一一阐述。 　　树状结构在现实生活中的使用也相当广泛。从计算机网络到数据库实现，树状结构无时无刻的在提高我们的工作效率。本文也会介绍其在生活中的应用，以引发读者对计算机科学的兴趣。 　　1 二叉检索树 　　我们首先介绍一下树状结构中最为简单也是最为常见的一种树：二叉检索树（Binary Search Tree）。 　　1.1 定义 　　首先我们介绍一下二叉检索树，明确一下它的定义。 　　所谓二叉检索树，就是满足一下条件的一棵二叉树：任意一个结点，设其值为K，则该节点的左子树中任意一个?Y点的值都小于K；该结点右子树种任意一个结点的值都大于或等于K。如图1所示。 　　同时，任意一个结点都有其深度，我们定义为根节点到该节点的路径长度。而BST的高度就是最深深度加1。 　　1.2 二叉检索树的搜索 　　对于一棵二叉检索树而言，其最重要的功能就是能够快速的找到某一个节点的值。假设我们从根节点开始，在BST中检索K值。如果根节点存储的值为K，则检索结束。如果不是K，则必须检索树的更深一层。BST检索的优势在于只需要检索两棵子树的其中之一。如果K小于根节点的值，则只需要检索左子树，反之则检索右子树。这个过程将会一直持续到K被找到，或者到一个叶节点（没有子树）为止。如果到了一个叶节点，依然没有发现K，则表示K不在该BST中。 　　搜索所消耗的时间取决于该结点被找到的深度。我们思考一下在一般的情况下，我们需要往下寻找直到一个最深叶节点才能够停下。那么这时候，我们的时间代价就是该BST的高度。对于有n个结点的二叉树，如果它是平衡的，那么他的高度就为logn。因此在平均情况下，我们搜索功能的时间复杂度为O（logn）。 　　1.3 二叉检索树的插入 　　这里我们先做一个简单的假设，我们要插入的节点的值K与BST中任意一个节点的值不重复。我们插入一个节点的时候，我们需要找出它必须放在树结构的什么地方。这就会把它带到一个叶节点（子树数量为0的节点）或者一个在待插入的方向上没有子节点的分支节点（子树数量为1的节点）。我们记录该节点为R，然后我们将包含值K的新节点作为R的子节点加上去，就完成了插入操作。 　　与搜索类似，插入操作的时间代价依赖于R的深度。因此，在平均情况下，插入操作的时间复杂度为O（logn）。 　　1.4 应用 　　二叉检索树在生活中应用相当广泛。首先，二叉检索树是其他平衡二叉树的基础，例如AVL树，红黑树等。此外，就其本身而言，也在日常生活中体现了自己的价值。其中最典型的就是路由器中的路由搜索引擎，查找一条指定的路由最坏情况下最多只需要查找31次。 　　虽然二叉检索树在树中的地位相当的高，但是其更大的用处在于衍生了很多的平衡二叉树，这些树在我们现实生活中大发光彩。下面我们也会介绍到，但在介绍的过程中，我们不再详细说明其各种操作的原理以及时间代价了。一方面其复杂程序不是本文可以说明清楚的，另一方面我也希望将文章的重点放在应用这一角度。 　　2 堆 　　2.1 定义 　　堆由两条性质来定义：首先，它是一棵完全二叉树。其次，堆中存储的数据是局部有序的，也就是说，节点存储的值与其子节点存储的值存在着某种关系。这种关系可以分成两类，这两类关系也决定了两种不同的堆。 　　最大堆：任意一个节点的值都大于或者等于任意一个子节点的值。根节点存储着该树中所有节点的最大值。 　　最小堆：任意一个节点的值都小于或者等于任意一个子节点的值。根节点存储了该树中所有节点的最小值。 　　这里我们需要弄清楚他和BST的区别。BST是定义了一组完全排序的节点，左边节点的值都比右边节点的值小。而堆仅仅实现了局部排序，当一个节点是另一个节点的子节点时，