平衡二叉查找树

package avitree;
/**
 * 平衡二叉查找树类
 *
 * @param <T>
 */
public class AvlTree<T extends Comparable<? super T>> {

	public static void main(String[] args) {
		AvlTree<Integer> tree = new AvlTree<Integer>();
		//第一组数据 测试 右左双旋转
//		tree.insert(9);
//		tree.insert(5);
//		tree.insert(10);
//		tree.insert(7);
//		tree.insert(6);// 插这个的时候会有双旋转哦,用于测试 右左双旋转
//		tree.preOrder(tree.root);
		//第二组数据 测试左右双旋转

		tree.insert(9);
		tree.insert(5);
		tree.insert(20);
		tree.insert(17);
		tree.insert(18);
		tree.preOrder(tree.root);
	}

	/**
	 * 树的根节点
	 */
	public AvlNode<T> root = null;

	/**
	 * 构造一颗空的平衡二叉树
	 *
	 */
	public AvlTree() {

	}

	/**
	 * 插入一个元素,通过这个方法来插入元素
	 * @param element
	 */
	public void insert(T element) {
		if (this.root == null) {
			this.root = insert(element, this.root);
		} else {
			insert(element, this.root);
		}
	}

	/**
	 * 插入一个包含元素的新节点
	 *
	 * @param element
	 * @param target
	 * @return
	 */
	private AvlNode<T> insert(T element, AvlNode<T> target) {
		if (target == null) {
			return new AvlNode<T>(element, null, null);
		}

		int compareResult = element.compareTo(target.element);// 比较里面的元素大小
		if (compareResult < 0) {
			target.left = insert(element, target.left);
			if (Math.abs(height(target.left) - height(target.right)) > 1) {// 左右子树高度差>1 打破平衡,选择单旋转或者双旋转调节平衡
				if (element.compareTo(target.left.element) < 0) {//单旋转
					target = rotateLeft(target);
				} else {// 双旋转
					target = doubleRotateLeft(target);
				}
			}
		} else if (compareResult > 0) {
			target.right = insert(element, target.right);
			if (Math.abs(height(target.left) - height(target.right)) > 1) {
				if (element.compareTo(target.right.element) > 0) {//单旋转
					target = rotateRight(target);
				} else {//双旋转
					target = doubleRotateRight(target);
				}
			}

		} else {//相同元素不予理会
		}

		target.height = Math.max(height(target.left), height(target.right)) + 1;
		return target;
	}

	/**
	 * 单旋转 左旋转
	 * @param target
	 * @return
	 */
	private AvlNode<T> rotateLeft(AvlNode<T> k2) {
		AvlNode<T> k1 = k2.left;
		k2.left = k1.right;
		k1.right = k2;
		k2.height = Math.max(height(k2.left), height(k2.right)) + 1;
		k1.height = Math.max(height(k1.left), height(k1.right)) + 1;
		return k1;
	}

	private AvlNode<T> rotateRight(AvlNode<T> k2) {
		AvlNode<T> k1 = k2.right;
		k2.right = k1.left;
		k1.left = k2;
		k2.height = Math.max(height(k2.left), height(k2.right)) + 1;
		k1.height = Math.max(height(k1.left), height(k1.right)) + 1;
		return k1;
	}

	private AvlNode<T> doubleRotateLeft(AvlNode<T> k3) {
		k3.left = rotateRight(k3.left);
		return rotateLeft(k3);
	}

	private AvlNode<T> doubleRotateRight(AvlNode<T> k3) {
		k3.right = rotateLeft(k3.right);
		return rotateRight(k3);
	}

	/**
	 * 先序遍历测试下程序有没有bug
	 * @param node
	 */
	public void preOrder(AvlNode<T> node) {
		System.out.println(node.element);
		if (node.left != null) {
			preOrder(node.left);
		}
		if (node.right != null) {
			preOrder(node.right);
		}

	}

	/**
	 * 获取某个节点的高度
	 *
	 * @param node
	 * @return
	 */
	public int height(AvlNode<T> node) {
		return node == null ? -1 : node.height;
	}

	/**
	 * 节点类,采用静态内部类构造
	 *
	 * @param <T>
	 */
	private static class AvlNode<T> {
		/** 节点存储的数据 ,泛型类型,可以存储任意类型的元素 **/
		private T element;
		/** 节点的左孩子 **/
		AvlNode<T> left;
		/** 节点的右孩子 **/
		AvlNode<T> right;
		/** 节点高度,节点为null时为-1, 新插入的节点为0,插入时递归调整父节点的高度 **/
		private int height; 

		public AvlNode(T element, AvlNode<T> leftChild, AvlNode<T> rightChild) {
			this.element = element;
			this.left = leftChild;
			this.right = rightChild;
		}

		@Override
		public String toString() {
			return "node:" + this.element + " height:" + height;
		}

	}

}

时间: 2025-01-16 06:44:34

平衡二叉查找树的相关文章

平衡树初阶——AVL平衡二叉查找树+三大平衡树(Treap + Splay + SBT)模板【超详解】

平衡树初阶——AVL平衡二叉查找树 一.什么是二叉树 1. 什么是树. 计算机科学里面的树本质是一个树状图.树首先是一个有向无环图,由根节点指向子结点.但是不严格的说,我们也研究无向树.所谓无向树就是将有向树的所有边看成无向边形成的树状图.树是一种递归的数据结构,所以我们研究树也是按照递归的方式去研究的. 2.什么是二叉树. 我们给出二叉树的递归定义如下: (1)空树是一个二叉树. (2)单个节点是一个二叉树. (3)如果一棵树中,以它的左右子节点为根形成的子树都是二叉树,那么这棵树本身也是二叉

图解数据结构(7)——二叉查找树及平衡二叉查找树(一共14篇)

这篇将是最有难度和挑战性的一篇,做好心理准备!十.二叉查找树(BST)前一篇介绍了树,却未介绍树有什么用.但就算我不说,你也能想得到,看我们Windows的目录结构,其实就是树形的,一个典型的分类应用.当然除了分类,树还有别的作用,我们可以利用树建立一个非常便于查找取值又非常便于插入删除的数据结构,这就是马上要提到的二叉查找树(Binary Search Tree),这种二叉树有个特点:对任意节点而言,左子(当然了,存在的话)的值总是小于本身,而右子(存在的话)的值总是大于本身. 这种特性使得我

Java数据结构-二叉查找树续以及平衡二叉查找树

??前面一篇文章讲到了二叉查找树的实现,其中的插入操作是使用非递归方法实现的,这里再增加一种递归实现插入的操作,Java代码如下,建议增加到前一篇文章对应的FOBinarySearchTree.java中: /** * @TODO 二叉排序树插入元素(递归方法) * @param e 需要插入的元素 * @return true or false */ public boolean insert(E e){ insert(root,e); return true; } /** * @TODO 二

AVL树(平衡二叉查找树)

首先要说AVL树,我们就必须先说二叉查找树,先介绍二叉查找树的一些特性,然后我们再来说平衡树的一些特性,结合这些特性,然后来介绍AVL树. 一.二叉查找树 1.二叉树查找树的相关特征定义 二叉树查找树,又叫二叉搜索树,是一种有顺序有规律的树结构.它可以有以下几个特征来定义它: (1)首先它是一个二叉树,具备二叉树的所有特性,他可以有左右子节点(左右孩子),可以进行插入,删除,遍历等操作: (2)如果根节点有左子树,则左子树上的所有节点的值均小于根节点上的值,如果根节点有右子树,则有字数上的所有节

【查找结构3】平衡二叉查找树 [AVL]

在上一个专题中,我们在谈论二叉查找树的效率的时候.不同结构的二叉查找树,查找效率有很大的不同(单支树结构的查找效率退化成了顺序查找).如何解决这个问题呢?关键在于如何最大限度的减小树的深度.正是基于这个想法,平衡二叉树出现了. 平衡二叉树的定义 (AVL—— 发明者为Adel'son-Vel'skii 和 Landis) 平衡二叉查找树,又称 AVL树. 它除了具备二叉查找树的基本特征之外,还具有一个非常重要的特点:它 的左子树和右子树都是平衡二叉树,且左子树和右子树的深度之差的绝对值(平衡因子

算法学习 - 平衡二叉查找树实现(AVL树)

平衡二叉查找树 平衡二叉查找树是很早出现的平衡树,因为所有子树的高度差不超过1,所以操作平均为O(logN). 平衡二叉查找树和BS树很像,插入和删除操作也基本一样,但是每个节点多了一个高度的信息,在每次插入之后都要更新树的每个节点的高度,发现不平衡之后就要进行旋转. 单旋转 单旋转是碰到左左或者右右的情况下所使用的方法. 例如: 3 2 1 这种情况就需要旋转,因为3是根节点,它的左子树高度为0,右子树高度为2,相差超过1了,所以要进行旋转,而这是右右的情况,所以是单旋转. 2 / 1 3 这

13、自平衡二叉查找树AVL

1 package ren.laughing.datastructure.baseImpl; 2 3 /** 4 * 自平衡二叉查找树AVL 继承二叉查找树 5 * 6 * @author Laughing_Lz 7 * @time 2016年4月20日 8 */ 9 public class AVLTree extends BSTree { 10 /** 11 * 统一平衡方法 旋转操作 12 * 13 * @param z 14 * z是失衡的结点 15 * @return 返回平衡后子树的

数据结构-自平衡二叉查找树(AVL)详解

介绍: 在计算机科学中,AVL树是最先发明的自平衡二叉查找树. 在AVL树中任何节点的两个子树的高度最大差别为一,所以它也被称为高度平衡树. 查找.插入和删除在平均和最坏情况下都是O(log n).增加和删除可能需要通过一次或多次树旋转来重新平衡这个树.AVL树得名于它的发明者 G.M. Adelson-Velsky 和 E.M. Landis,他们在 1962 年的论文 "An algorithm for the organization of information" 中发表了它.

二叉查找树(BST),平衡二叉查找树(AVL),红黑树(RBT),B~/B+树(B-tree)的比较

http://www.iteye.com/topic/614070 此少侠总结的特棒,直接收藏了. 我们这个专题介绍的动态查找树主要有: 二叉查找树(BST),平衡二叉查找树(AVL),红黑树(RBT),B~/B+树(B-tree).这四种树都具备下面几个优势: (1) 都是动态结构.在删除,插入操作的时候,都不需要彻底重建原始的索引树.最多就是执行一定量的旋转,变色操作来有限的改变树的形态.而这些操作所付出的代价都远远小于重建一棵树.这一优势在<查找结构专题(1):静态查找结构概论 >中讲到