“树(Tree)”的版本间差异
(→排序二叉树) |
(→红黑树) |
||
第93行: | 第93行: | ||
=== 红黑树 === | === 红黑树 === | ||
---- | ---- | ||
红黑树(Red Black Tree) 是一种含有红黑结点并能'''自平衡二叉查找树'''。 | |||
* 它可以在“O(log n)”时间内做查找,插入和删除(n 是树中元素的数目)。 | |||
Question: | |||
# 红黑树是平衡二叉树吗? | |||
#: 红黑树是一种特化的 AVL树,但其并非严格的 AVL树,其平衡因子的绝对值可能大于 1。但对其进行平衡的代价较低,其平均统计性能要强于 AVL 。 | |||
# 红黑树的应用? | |||
#: 红黑树的应用十分广泛,如下: | |||
## JDK 的集合类 TreeMap 和 TreeSet 底层实现,Java8 中 HashMap 的实现。 | |||
## Linux 的进程管理、内存管理,设备驱动及虚拟内存跟踪等一系列场景中。 | |||
## 一些数据库的索引实现等。 | |||
==== 定义和性质 ==== | |||
# 每个节点要么是黑色,要么是红色。 | |||
# 根节点是黑色。 | |||
# 每个叶子节点(NIL)是黑色。 | |||
# '''每个红色结点的两个子结点一定都是黑色'''。【?】 | |||
#* 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。 | |||
# '''任意一结点到每个叶子结点的路径都包含数量相同的黑结点'''。【???】 | |||
#* 如果一个结点存在黑子结点,那么该结点肯定有两个子结点。【所以,不存在只有一个叶子节点的节点???(因为叶子节点为黑色)】 | |||
这些规则限制保证了红黑树的自平衡。保证了红黑树的关键性质: '''从根到叶子的最长的可能路径不多于最短的可能路径的两倍长'''。【???】 | |||
典型的红黑树,如图: | |||
: [[File:典型的红黑树.jpg|700px]] | |||
==== 自平衡 ==== | |||
红黑树总是通过'''旋转'''和'''变色'''达到自平衡。 | |||
* 旋转,包括“左旋”、“右旋”,与平衡二叉树同理。 | |||
==== 操作 ==== | |||
在进行“插入”和“删除”等可能会破坏树的平衡的操作时,需要进行自平衡以到平衡状态。 | |||
* “读取”操作与排序二叉树同理,不会对树结构造成破坏,所以不需要进行自平衡。 | |||
【红黑树的插入、删除包含很多种情况,每种情况有不同的处理方式,较为复杂(4种插入case和5种删除case)】 | |||
===== 插入 ===== | |||
'''插入的节点都是红色'''。原因如下: | |||
# 如果插入结点是红色:在父结点(如果存在)为黑色结点时,红黑树的黑色平衡没被破坏,不需要做自平衡操作。而在父结点(如果存在)为红色结点时,才需要自平衡。 | |||
# 如果插入结点是黑色:那么插入位置所在的子树黑色结点总是多 1,必须做自平衡。 | |||
所有插入情景: | |||
:[[File:红黑树插入操作结点的叫法约定.png|400px]] | |||
:[[File:红黑树插入情景.png|1000px]] | |||
如上,情景1、2和3的处理很简单,而情景4.2和情景4.3只是方向反转而已。所以难点并不多。 | |||
===== 删除 ===== | |||
== 多叉树 == | == 多叉树 == |
2021年4月21日 (三) 21:30的版本
关于“树”
在计算机科学中,树(tree)是一种抽象数据类型(ADT)。它是由 n(n>0)个有限节点组成一个具有层次关系的集合。
树具有以下的特点:
- 每个节点都只有有限个子节点或无子节点;
- 没有父节点的节点称为根节点;
- 每一个非根节点有且只有一个父节点;
- 除了根节点外,每个子节点可以分为多个不相交的子树;
- 树里面没有环路(cycle)
术语:
- 节点的度:一个节点含有的子树的个数称为该节点的度;
- 树的度:一棵树中,最大的节点度称为树的度;
- 叶节点(终端节点):度为零的节点;
- 分支节点(非终端节点):度不为零的节点;
- 父节点:若一个节点含有子节点,则这个节点称为其子节点的父节点;
- 子节点:一个节点含有的子树的根节点称为该节点的子节点;
- 兄弟节点:具有相同父节点的节点互称为兄弟节点;
- 其堂兄弟节点:父节点在同一层的节点互为堂兄弟;
- 节点的祖先:从根到该节点所经分支上的所有节点;
- 子孙:以某节点为根的子树中任一节点都称为该节点的子孙。
- 节点的层次:从根开始定义起,根为第 1 层,根的子节点为第 2 层,以此类推;
- 深度:从根到节点的唯一路径长。(根的深度为 0)
- 高度:从节点到其树叶的最长路径长。(所有树叶的高度为 0)
- 森林:由 m(m>=0)棵互不相交的树的集合称为森林;
树的种类:
- 无序树:树中任意节点的子节点之间没有顺序关系,也称为自由树;
- 有序树:树中任意节点的子节点之间有顺序关系;
- 二叉树:每个节点最多含有两个子树的树称为二叉树;
- 完全二叉树:对于一棵二叉树,假设其深度为 d(d > 1)。除了第 d 层外,其它各层的节点数目均已达最大值,且第 d 层所有节点从左向右连续地紧密排列;
- 满二叉树:所有叶节点都在最底层的完全二叉树;(最后一层子节点全满的特殊的完全二叉树)
- 平衡二叉树(AVL 树):当且仅当任何节点的两棵子树的高度差不大于 1 的二叉树;
- 排序二叉树(二叉查找树,Binary Search Tree):也称“二叉搜索树”、“有序二叉树”;
- 完全二叉树:对于一棵二叉树,假设其深度为 d(d > 1)。除了第 d 层外,其它各层的节点数目均已达最大值,且第 d 层所有节点从左向右连续地紧密排列;
- 霍夫曼树:带权路径最短的二叉树称为“哈夫曼树”或“最优二叉树”;
- B 树:一种对读写操作进行优化的自平衡的二叉查找树,能够保持数据有序,拥有多于两个子树。【???B 树不是二叉树吧???】
- 二叉树:每个节点最多含有两个子树的树称为二叉树;
二叉树
在计算机科学中,二叉树(Binary tree)是每个节点最多只有两个分支(即不存在分支度大于 2 的节点)的树结构。通常分支被称作“左子树”或“右子树”。二叉树的分支具有左右次序,不能随意颠倒。
- 二叉树的第“i”层至多拥有“2^(i-1)”个节点;
- 深度为“k”的二叉树至多总共有“2^(k+1)-1”个节点;
二叉树的遍历:
- 深度优先(DFS)
- 先序(根)遍历(DLR)
- 中序(根)遍历(LDR)
- 后序(根)遍历(LRD)
- 广度优先(BFS,即:层次遍历)
排序二叉树
排序二叉树, 又称为二叉查找树。其的特点:
- 一个节点左孩子的值, 一定小于它本身节点的值。
- 一个节点右孩子的值, 一定大于它本身节点的值。
- 左、右孩子(子树)也分别是排序二叉树。
- (没有键值相等的结点)
遍历方式的特点:【不同的遍历方式,有着不同的应用场景】
- 先序:复制一个排序二叉树最快。【复制节点或树】
- 中序:得到二叉树从小到大排序的数据。【获取序列】
- 后序:执行操作时,肯定已经遍历过该节点的左右子节点,故适用于要进行破坏性操作的情况,比如删除所有节点。【文件系统常用】
排序二叉树体现了二分查找的思想,查找所需的最大次数等于二叉查找树的高度。
平衡二叉树
平衡二叉树(Balanced BinaryTree)又被称为AVL树。它具有以下性质:它是一棵空树或它的左右两个子树的高度差的绝对值不超过 1,并且左右两个子树都是一棵平衡二叉树。
- 平衡因子:节点的两个子树的高度差。(其绝对值必须小于等于 1,否则需要进行调整)
平衡的调整
平衡的调整通过对节点的旋转实现,共有四种情况:【L、R 代表“导致失衡的子节点”相对于“失衡节点”的位置,而非左旋或右旋的操作】
- (橘黄色的结点为旋转中心,黑色结点的为离插入结点最近的失衡结点)
红黑树
红黑树(Red Black Tree) 是一种含有红黑结点并能自平衡二叉查找树。
- 它可以在“O(log n)”时间内做查找,插入和删除(n 是树中元素的数目)。
Question:
- 红黑树是平衡二叉树吗?
- 红黑树是一种特化的 AVL树,但其并非严格的 AVL树,其平衡因子的绝对值可能大于 1。但对其进行平衡的代价较低,其平均统计性能要强于 AVL 。
- 红黑树的应用?
- 红黑树的应用十分广泛,如下:
- JDK 的集合类 TreeMap 和 TreeSet 底层实现,Java8 中 HashMap 的实现。
- Linux 的进程管理、内存管理,设备驱动及虚拟内存跟踪等一系列场景中。
- 一些数据库的索引实现等。
定义和性质
- 每个节点要么是黑色,要么是红色。
- 根节点是黑色。
- 每个叶子节点(NIL)是黑色。
- 每个红色结点的两个子结点一定都是黑色。【?】
- 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。
- 任意一结点到每个叶子结点的路径都包含数量相同的黑结点。【???】
- 如果一个结点存在黑子结点,那么该结点肯定有两个子结点。【所以,不存在只有一个叶子节点的节点???(因为叶子节点为黑色)】
这些规则限制保证了红黑树的自平衡。保证了红黑树的关键性质: 从根到叶子的最长的可能路径不多于最短的可能路径的两倍长。【???】
典型的红黑树,如图:
自平衡
红黑树总是通过旋转和变色达到自平衡。
- 旋转,包括“左旋”、“右旋”,与平衡二叉树同理。
操作
在进行“插入”和“删除”等可能会破坏树的平衡的操作时,需要进行自平衡以到平衡状态。
- “读取”操作与排序二叉树同理,不会对树结构造成破坏,所以不需要进行自平衡。
【红黑树的插入、删除包含很多种情况,每种情况有不同的处理方式,较为复杂(4种插入case和5种删除case)】
插入
插入的节点都是红色。原因如下:
- 如果插入结点是红色:在父结点(如果存在)为黑色结点时,红黑树的黑色平衡没被破坏,不需要做自平衡操作。而在父结点(如果存在)为红色结点时,才需要自平衡。
- 如果插入结点是黑色:那么插入位置所在的子树黑色结点总是多 1,必须做自平衡。
所有插入情景:
如上,情景1、2和3的处理很简单,而情景4.2和情景4.3只是方向反转而已。所以难点并不多。