数据结构:浅谈平衡二叉树

前言碎语

记得第一次读到关于二叉树的插入与平衡的操作,是在《大话数据结构》里,当然觉得好像有那么一回事,但毕竟纸上得来终觉浅,绝知此事要躬行。看懂了,不代表自己就真的会了。当时算是有一个感性认识吧,因为没有自己动手实践过,所以理解的并不深刻。

今天是重新学习,并且是自己动手实现了一遍,才算有了一点浅显的认识。

一点浅薄的认识

对于那些术语:左单旋、右单旋、左右双旋、右左双旋什么的,刚接触,确实有一种“哇,好厉害的样子~”的感觉,然而没有自己动手之前,一切都显得很虚无。

在自己动手理清楚了一遍后,我是这么来理解这四种操作的:

首先,这个左、右,说的都是结点的位置。
左单旋,即表示:左边的结点要发生旋转,那要旋到哪呢?旋到上一层的父结点那
左右单旋,即表示:左结点的结点要发生旋转,旋到哪呢?先从右孩子的位置旋到它的父结点那,然后在作为左孩子再往上旋到上一层父结点。

所以,结点的实际旋转方向和这四个名词的左右是相反的。并且,每一次发生旋转,都是相对与最上层(也就是最终要旋转到的那一次父结点)为“相对点”,其实也就是根结点,最终返回的也是这个结点的位置。

具体的思路

具体的实现,结合代码来理解会好很多,所以,全文贴在这里:

/* AVL */
#include <cstdio>
#include <cstdlib>

typedef int ElementType;
typedef struct AVLNode *Position;
typedef Position AVLTree;
struct AVLNode{
    ElementType Data;
    AVLTree Left;
    AVLTree Right;
    int Height;
};

AVLTree SingleLeftRotation ( AVLTree A );
AVLTree DoubleLeftRightRotation ( AVLTree A);
AVLTree SingleRightRotation ( AVLTree A);
AVLTree DoubleRightLeftRotation ( AVLTree A);
AVLTree Insert( AVLTree T, ElementType X );

int Max( int a, int b )
{
    return a > b ? a : b;
}

//获取树的高度
//只有一个结点,高度为0
int GetHeight( AVLTree A )
{
    if ( A )
        return Max(GetHeight(A->Left), GetHeight(A->Right)) + 1;
    else
        return 0;
}

//左单旋
//麻烦结点在发现者的左子树的左边
//根结点A,左子树结点B,BL插了两个
//解决:把B作为根结点,BR接到A左边,A接到B右边

AVLTree SingleLeftRotation( AVLTree A)
{
    AVLTree B = A->Left;
    A->Left = B->Right;
    B->Right = A;
    //还要记得更新各自结点的高度
    A->Height = Max(GetHeight(A->Left), GetHeight(A->Right)) + 1;
    B->Height = Max(GetHeight(B->Left), A->Height) + 1;

    //此时B为根结点,返回B
    return B;
}

//右单旋
AVLTree SingleRightRotation( AVLTree A)
{
    AVLTree B = A->Right;
    A->Right = B->Left;
    B->Left = A;
    A->Height = Max(GetHeight(A->Left), GetHeight(A->Right)) + 1;
    B->Height = Max(A->Height, GetHeight(B->Right)) + 1;

    return B;
}

//左单旋:把左边的子结点旋上来,左是指左边的结点(方向是相反的)
//右单旋:把右边的子结点旋上来
//且左单旋、右单旋都是“相对于”根结点而言的

//左右双旋(左结点的右结点要旋上来)
//麻烦结点在发现者左子树的右边(的左孩子或右孩子)
//即A现在是根,B是左子,C是B的右子
//先把C右旋上一层,再左旋上一层
AVLTree DoubleLeftRightRotation( AVLTree A )
{
    A->Left = SingleRightRotation(A->Left);
    return SingleLeftRotation(A);
    //左单旋和右单旋返回的都是“根结点”的位置
}

//右左双旋(右结点的左结点要旋上来)
AVLTree DoubleRightLeftRotation( AVLTree A )
{
    A->Right = SingleLeftRotation(A->Right);
    return SingleRightRotation(A);
}

//建立树的过程(如何插入)
AVLTree Insert( AVLTree T, ElementType X)
{
    //先插入再调整,空树的情况下要申请一个空间
    if ( !T ) {
        T = (AVLTree)malloc(sizeof(struct AVLNode));
        T->Data = X;
        T->Height = 0;
        T->Left = T->Right = NULL;
    }
    else if ( X < T->Data ) {
        T->Left = Insert(T->Left, X);
        //判断是否需要旋转的情况
        //如果只是通过T的高度,无法判断要怎么旋转
        //也不需要大于等于2
        if ( GetHeight(T->Left) - GetHeight(T->Right) == 2 ) {
            if ( X < T->Left->Data )
                //注意一点,不管单旋,还是双旋,都是以相对于发现者而言的的
                T = SingleLeftRotation(T);
            else
                T = DoubleLeftRightRotation(T);
        }
    }
    else if ( X > T->Data ) {
        //先把结点插进去,然后再进行判断
        T->Right = Insert(T->Right, X);
        if ( GetHeight(T->Left) - GetHeight(T->Right) == -2 ) {
            if ( X > T->Right->Data )
                T = SingleRightRotation(T);
            else
                T = DoubleRightLeftRotation(T);
        }
    }
    //X == T->Data时不需要插入,说明重复了,二叉树里不考虑重复的结点
    //最后,更新结点的高度
    T->Height = Max(GetHeight(T->Left), GetHeight(T->Right)) + 1;

    return T;
}

这里有对应的一道实战题,也贴上:

Root of AVL Tree (25 point(s))
An AVL tree is a self-balancing binary search tree. In an AVL tree, the heights of the two child subtrees of any node differ by at most one; if at any time they differ by more than one, rebalancing is done to restore this property. Figures 1-4 illustrate the rotation rules.
Now given a sequence of insertions, you are supposed to tell the root of the resulting AVL tree.
Input Specification:
Each input file contains one test case. For each case, the first line contains a positive integer N (≤20) which is the total number of keys to be inserted. Then N distinct integer keys are given in the next line. All the numbers in a line are separated by a space.

Output Specification:
For each test case, print the root of the resulting AVL tree in one line.

Sample Input 1:
5
88 70 61 96 120
Sample Output 1:
70
Sample Input 2:
7
88 70 61 96 120 90 65
Sample Output 2:
88

最后,作为小白的嵌套循环,唯一能做的,就是耐心、细致,一点点进步。

原文地址:https://www.cnblogs.com/ZealYoung/p/10849950.html

时间: 2024-10-09 12:42:12

数据结构:浅谈平衡二叉树的相关文章

浅谈java类集框架和数据结构(2)

继续上一篇浅谈java类集框架和数据结构(1)的内容 上一篇博文简介了java类集框架几大常见集合框架,这一篇博文主要分析一些接口特性以及性能优化. 一:List接口 List是最常见的数据结构了,主要有最重要的三种实现:ArrayList,Vector,LinkedList,三种List均来自AbstracList的实现,而AbstracList直接实现了List接口,并拓展自AbstractCollection. 在三种实现中,ArrayList和Vector使用了数组实现,可以认为这两个是

浅谈算法和数据结构: 七 二叉查找树 八 平衡查找树之2-3树 九 平衡查找树之红黑树 十 平衡查找树之B树

http://www.cnblogs.com/yangecnu/p/Introduce-Binary-Search-Tree.html 前文介绍了符号表的两种实现,无序链表和有序数组,无序链表在插入的时候具有较高的灵活性,而有序数组在查找时具有较高的效率,本文介绍的二叉查找树(Binary Search Tree,BST)这一数据结构综合了以上两种数据结构的优点. 二叉查找树具有很高的灵活性,对其优化可以生成平衡二叉树,红黑树等高效的查找和插入数据结构,后文会一一介绍. 一 定义 二叉查找树(B

浅谈数据结构-树

树是一种数据结构,其中一个元素可以有两个或者多个数据元素,具有一对多的特点,用树结构来存储文件. 树的概念 结点的度:子结点的个数.例如结点1中有3个子结点,结点1的度是3. 树的度:树的度等于所有结点度中度最高的值.结点最高的度为3,树的度为3. 叶子结点:度为0的结点,即没有子结点的结点.例如:上图中3,5,6,7,9,10. 分支结点:除了叶子结点以外的结点,即度不为0的结点.例如:上面树的分支结点为1,2,4,8. 内部结点:除了根结点以及叶子结点或在分支结点的基础之上在去掉根结点.例如

浅谈算法和数据结构

: 一 栈和队列 http://www.cnblogs.com/yangecnu/p/Introduction-Stack-and-Queue.html 最近晚上在家里看Algorithems,4th Edition,我买的英文版,觉得这本书写的比较浅显易懂,而且“图码并茂”,趁着这次机会打算好好学习做做笔记,这样也会印象深刻,这也是写这一系列文章的原因.另外普林斯顿大学在Coursera 上也有这本书同步的公开课,还有另外一门算法分析课,这门课程的作者也是这本书的作者,两门课都挺不错的. 计算

浅谈MySQL索引背后的数据结构及算法

摘要 本文以MySQL数据库为研究对象,讨论与数据库索引相关的一些话题.特别需要说明的是,MySQL支持诸多存储引擎,而各种存储引擎对索引的支持 也各不相同,因此MySQL数据库支持多种索引类型,如BTree索引,哈希索引,全文索引等等.为了避免混乱,本文将只关注于BTree索引,因为这是 平常使用MySQL时主要打交道的索引,至于哈希索引和全文索引本文暂不讨论. 文章主要内容分为四个部分. 第一部分主要从数据结构及算法理论层面讨论MySQL数据库索引的数理基础. 第二部分结合MySQL数据库中

浅谈算法和数据结构(1):栈和队列

浅谈算法和数据结构(1):栈和队列 2014/11/03 ·  IT技术                                         · 2 评论                                      ·  数据结构, 栈, 算法, 队列 分享到: 60 SegmentFault D-Day 2015 北京:iOS 站 JDBC之“对岸的女孩走过来” CSS深入理解之relative HTML5+CSS3实现春节贺卡 原文出处: 寒江独钓   欢迎分享原创

浅谈算法和数据结构: 四 快速排序

原文:浅谈算法和数据结构: 四 快速排序 上篇文章介绍了时间复杂度为O(nlgn)的合并排序,本篇文章介绍时间复杂度同样为O(nlgn)但是排序速度比合并排序更快的快速排序(Quick Sort). 快速排序是20世纪科技领域的十大算法之一 ,他由C. A. R. Hoare于1960年提出的一种划分交换排序. 快速排序也是一种采用分治法解决问题的一个典型应用.在很多编程语言中,对数组,列表进行的非稳定排序在内部实现中都使用的是快速排序.而且快速排序在面试中经常会遇到. 本文首先介绍快速排序的思

浅谈算法和数据结构: 九 平衡查找树之红黑树

原文:浅谈算法和数据结构: 九 平衡查找树之红黑树 前面一篇文章介绍了2-3查找树,可以看到,2-3查找树能保证在插入元素之后能保持树的平衡状态,最坏情况下即所有的子节点都是2-node,树的高度为lgN,从而保证了最坏情况下的时间复杂度.但是2-3树实现起来比较复杂,本文介绍一种简单实现2-3树的数据结构,即红黑树(Red-Black Tree) 定义 红黑树的主要是像是对2-3查找树进行编码,尤其是对2-3查找树中的3-nodes节点添加额外的信息.红黑树中将节点之间的链接分为两种不同类型,

浅谈PHP数据结构之栈

今天開始进阶自己的PHP,首先一切的编程语言都须要修炼自己的"内功",何为程序猿的"内功",我想大概就是数据结构和算法了吧 .毕竟是灵魂,是普通程序猿到高级程序猿的进阶. 不多说.直接说主题--"栈". 什么是栈,所谓栈就是遵循"后进先出"的原则. 先进栈的最后出栈. 用PHP实现栈无需考虑栈溢出的情况,相对来说比較easy实现,例如以下是经过学习和參考后的代码. <?php class Stack{ private $