C++数据结构AVL树

简介: C++数据结构AVL树

AVL树

📟作者主页:慢热的陕西人

🌴专栏链接:C++

📣欢迎各位大佬👍点赞🔥关注🚓收藏,🍉留言

本博客主要内容介绍数据结构中的avl树



AVL树

Ⅰ.avl树

底层结构

前面对map/multimap/set/multiset进行了简单的介绍,在其文档介绍中发现,这几个容器有个 共同点是:其底层都是按照二叉搜索树来实现的,但是二叉搜索树有其自身的缺陷,假如往树中 插入的元素有序或者接近有序,二叉搜索树就会退化成单支树,时间复杂度会退化成O(N),因此 map、set等关联式容器的底层结构是对二叉树进行了平衡处理,即采用平衡树来实现。

Ⅱ. avl树的概念

二叉搜索树虽可以缩短查找的效率,但如果数据有序或接近有序二叉搜索树将退化为单支树,查 找元素相当于在顺序表中搜索元素,效率低下。因此,两位俄罗斯的数学家G.M.Adelson-Velskii 和E.M.Landis在1962年 发明了一种解决上述问题的方法:当向二叉搜索树中插入新结点后,如果能保证每个结点的左右 子树高度之差的绝对值不超过1(需要对树中的结点进行调整),即可降低树的高度,从而减少平均 搜索长度。 一棵AVL树或者是空树,或者是具有以下性质的二叉搜索树:

  • 它的左右子树都是AVL树
  • 左右子树高度之差(简称平衡因子)的绝对值不超过1(-1/0/1)

  • 如果一棵二叉搜索树是高度平衡的,它就是AVL树。如果它有n个结点,其高度可保持在 O ( l o g 2 n ) O(log_2 n)O(log2n),搜索时间复杂度O(l o g 2 n log_2 nlog2n)。

Ⅱ. Ⅰ AVL树节点的定义

二叉树节点的定义:

template<class T>
struct AVLTreeNode
{
 AVLTreeNode(const T& data)
     : _pLeft(nullptr), _pRight(nullptr), _pParent(nullptr)
 , _data(data), _bf(0)
 {}
 AVLTreeNode<T>* _pLeft;   // 该节点的左孩子
 AVLTreeNode<T>* _pRight;  // 该节点的右孩子
 AVLTreeNode<T>* _pParent; // 该节点的双亲
 T _data;
 int _bf;                  // 该节点的平衡因子
};

Ⅱ. Ⅱ AVL树的插入

AVL树就是在二叉搜索树的基础上引入了平衡因子,因此AVL树也可以看成是二叉搜索树。那么 AVL树的插入过程可以分为两步:

bool Insert(const T& data)
{
    // 1. 先按照二叉搜索树的规则将节点插入到AVL树中
    // ...
    // 2. 新节点插入后,AVL树的平衡性可能会遭到破坏,此时就需要更新平衡因子,并检测是否
破坏了AVL树
    //   的平衡性
 /*
 pCur插入后,pParent的平衡因子一定需要调整,在插入之前,pParent
 的平衡因子分为三种情况:-1,0, 1, 分以下两种情况:
  1. 如果pCur插入到pParent的左侧,只需给pParent的平衡因子-1即可
  2. 如果pCur插入到pParent的右侧,只需给pParent的平衡因子+1即可
 此时:pParent的平衡因子可能有三种情况:0,正负1, 正负2
  1. 如果pParent的平衡因子为0,说明插入之前pParent的平衡因子为正负1,插入后被调整
成0,此时满足
     AVL树的性质,插入成功
  2. 如果pParent的平衡因子为正负1,说明插入前pParent的平衡因子一定为0,插入后被更
新成正负1,此
     时以pParent为根的树的高度增加,需要继续向上更新
  3. 如果pParent的平衡因子为正负2,则pParent的平衡因子违反平衡树的性质,需要对其进
行旋转处理
 */
 while (pParent)
 {
        // 更新双亲的平衡因子
 if (pCur == pParent->_pLeft)
 pParent->_bf--;
 else
 pParent->_bf++;
 // 更新后检测双亲的平衡因子
 if (0 == pParent->_bf)
       {    
            break;
       }
 else if (1 == pParent->_bf || -1 == pParent->_bf)
 {
              // 插入前双亲的平衡因子是0,插入后双亲的平衡因为为1 或者 -1 ,说明以双亲
为根的二叉树
              // 的高度增加了一层,因此需要继续向上调整
 pCur = pParent;
 pParent = pCur->_pParent;
 }
 else
 {
 // 双亲的平衡因子为正负2,违反了AVL树的平衡性,需要对以pParent
 // 为根的树进行旋转处理
              if(2 == pParent->_bf)
             {
                  // ...
             }
              else
             {
                  // ...
             }
 }
 }
 return true;
}

Ⅱ. Ⅲ AVL树的旋转

如果在一棵原本是平衡的AVL树中插入一个新节点,可能造成不平衡,此时必须调整树的结构, 使之平衡化。根据节点插入位置的不同,AVL树的旋转分为四种:

①新节点插入较高左子树的左侧—左左:右单旋

/*
上图在插入前,AVL树是平衡的,新节点插入到8的左子树(注意:此处不是左孩子)中,8左
子树增加
了一层,导致以34为根的二叉树不平衡,要让34平衡,只能将34左子树的高度减少一层,右子
树增加一层,
即将左子树往上提,这样34转下来,因为34比8大,只能将其放在8的右子树,而如果8有
右子树,右子树根的值一定大于8,小于34,只能将其放在34的左子树,旋转完成后,更新节点
的平衡因子即可。在旋转过程中,有以下几种情况需要考虑:
  1. 8节点的右孩子可能存在,也可能不存在
  2. 34可能是根节点,也可能是子树
     如果是根节点,旋转完成后,要更新根节点
     如果是子树,可能是某个节点的左子树,也可能是右子树
同学们再此处可举一些详细的例子进行画图,考虑各种情况,加深旋转的理解
*/
void _RotateR(PNode pParent)
{
    // pSubL: pParent的左孩子
    // pSubLR: pParent左孩子的右孩子,注意:该
 PNode pSubL = pParent->_pLeft;
 PNode pSubLR = pSubL->_pRight;
    // 旋转完成之后,8的右孩子作为双亲的左孩子
 pParent->_pLeft = pSubLR;
    // 如果8的左孩子的右孩子存在,更新亲双亲
 if(pSubLR)
 pSubLR->_pParent = pParent;
    // 34 作为 8的右孩子
  pSubL->_pRight = pParent;
    // 因为34可能是棵子树,因此在更新其双亲前必须先保存34的双亲
 PNode pPParent = pParent->_pParent;
    // 更新34的双亲
 pParent->_pParent = pSubL;
    // 更新8的双亲
 pSubL->_pParent = pPParent;
    // 如果34是根节点,根新指向根节点的指针
 if(NULL == pPParent)
 {
 _pRoot = pSubL;
 pSubL->_pParent = NULL;
 }
 else
 {
         // 如果34是子树,可能是其双亲的左子树,也可能是右子树
 if(pPParent->_pLeft == pParent)
 pPParent->_pLeft = pSubL;
 else
 pPParent->_pRight = pSubL;
 }
    // 根据调整后的结构更新部分节点的平衡因子
 pParent->_bf = pSubL->_bf = 0;
}

②新节点插入较高右子树的右侧—右右:左单旋

实现方法和右单旋极其类似

void RotateL(node* parent)
    {
      node* subR = parent->_right;
      node* subRL = subR->_left;
      parent->_right = subRL;
      if (subRL)
        subRL->_parent = parent;
      node* ppnode = parent->_parent;
      subR->_left = parent;
      parent->_parent = subR;
      if (ppnode == nullptr)
      {
        _root = subR;
        _root->_parent = nullptr;
      }
      else
      {
        if (ppnode->_left == parent)
        {
          ppnode->_left = subR;
        }
        else
        {
          ppnode->_right = subR;
        }
        subR->_parent = ppnode;
      }
      parent->_bf = subR->_bf = 0;
    }

③新节点插入较高左子树的右侧—左右:先左单旋再右单旋

将双旋变成单旋后再旋转,即:先对30进行左单旋,然后再对90进行右单旋,旋转完成后再 考虑平衡因子的更新。

void RotateLR(node* parent)
    {
      node* subL = parent->_left;
      node* subLR = subL->_right;
      int bf = subLR->_bf;
      RotateL(parent->_left);
      RotateR(parent);
      //以下更新节点的平衡因子的情况需要通过一个一个画图去分析
      if (bf == 1)
      {
        parent->_bf = 0;
        subLR->_bf = 0;
        subL->_bf = -1;
      }
      else if (bf == -1)
      {
        parent->_bf = 1;
        subLR->_bf = 0;
        subL->_bf = 0;
      }
      else if (bf == 0)
      {
        parent->_bf = 0;
        subLR->_bf = 0;
        subL->_bf = 0;
      }
      else
      {
        assert(false);
      }
    }

④新节点插入较高右子树的左侧—右左:先右单旋再左单旋

void RotateRL(node* parent)
  {
      node* subR = parent->_right;
      node* subRL = subR->_left;
      int bf = subRL->_bf;
      RotateR(parent->_right);
      RotateL(parent);
      //以下更新节点的平衡因子的情况需要通过一个一个画图去分析
      if (bf == 1)
      {
        parent->_bf = -1;
        subRL->_bf = 0;
        subR->_bf = 0;
      }
      else if (bf == -1)
      {
        parent->_bf = 0;
        subRL->_bf = 0;
        subR->_bf = 1;
      }
      else if (bf == 0)
      {
        parent->_bf = 0;
        subRL->_bf = 0;
        subR->_bf = 0;
      }
      else
      {
        assert(false);
      }
    }

Ⅲ. AVL树的验证

AVL树是在二叉搜索树的基础上加入了平衡性的限制,因此要验证AVL树,可以分两步:

①验证其为二叉搜索树

如果中序遍历可得到一个有序的序列,就说明为二叉搜索树

②验证其为平衡树

  • 每个节点子树高度差的绝对值不超过1(注意节点中如果没有平衡因子)
  • 节点的平衡因子是否计算正确
int _Height(PNode pRoot);
bool _IsBalanceTree(PNode pRoot)
{
 // 空树也是AVL树
 if (nullptr == pRoot) return true;
 // 计算pRoot节点的平衡因子:即pRoot左右子树的高度差
 int leftHeight = _Height(pRoot->_pLeft);
 int rightHeight = _Height(pRoot->_pRight);
 int diff = rightHeight - leftHeight;
 // 如果计算出的平衡因子与pRoot的平衡因子不相等,或者
 // pRoot平衡因子的绝对值超过1,则一定不是AVL树
 if (diff != pRoot->_bf || (diff > 1 || diff < -1))
 return false;
 // pRoot的左和右如果都是AVL树,则该树一定是AVL树
 return _IsBalanceTree(pRoot->_pLeft) && _IsBalanceTree(pRoot-
>_pRight);
 }

③验证用例

请同学们结合上述代码按照以下的数据次序,自己动手画AVL树的创建过程,验证代码 是否有漏洞。

  • 常规场景1
    {16, 3, 7, 11, 9, 26, 18, 14, 15}
  • 特殊场景2
    {4, 2, 6, 1, 3, 5, 15, 7, 16, 14}

Ⅳ.AVL树的性能

AVL树是一棵绝对平衡的二叉搜索树,其要求每个节点的左右子树高度差的绝对值都不超过1,这 样可以保证查询时高效的时间复杂度,即l o g 2 ( N ) log_2 (N)log2(N)。但是如果要对AVL树做一些结构修改的操 作,性能非常低下,比如:插入时要维护其绝对平衡,旋转的次数比较多,更差的是在删除时, 有可能一直要让旋转持续到根的位置。因此:如果需要一种查询高效且有序的数据结构,而且数 据的个数为静态的(即不会改变),可以考虑AVL树,但一个结构经常修改,就不太适合。

[什么是AVL树][https://zhuanlan.zhihu.com/p/56066942]

到这本篇博客的内容就到此结束了。
如果觉得本篇博客内容对你有所帮助的话,可以点赞,收藏,顺便关注一下!
如果文章内容有错误,欢迎在评论区指正

相关文章
|
1月前
|
算法
数据结构之博弈树搜索(深度优先搜索)
本文介绍了使用深度优先搜索(DFS)算法在二叉树中执行遍历及构建链表的过程。首先定义了二叉树节点`TreeNode`和链表节点`ListNode`的结构体。通过递归函数`dfs`实现了二叉树的深度优先遍历,按预序(根、左、右)输出节点值。接着,通过`buildLinkedList`函数根据DFS遍历的顺序构建了一个单链表,展示了如何将树结构转换为线性结构。最后,讨论了此算法的优点,如实现简单和内存效率高,同时也指出了潜在的内存管理问题,并分析了算法的时间复杂度。
54 0
|
28天前
|
存储 缓存 算法
在C语言中,数据结构是构建高效程序的基石。本文探讨了数组、链表、栈、队列、树和图等常见数据结构的特点、应用及实现方式
在C语言中,数据结构是构建高效程序的基石。本文探讨了数组、链表、栈、队列、树和图等常见数据结构的特点、应用及实现方式,强调了合理选择数据结构的重要性,并通过案例分析展示了其在实际项目中的应用,旨在帮助读者提升编程能力。
54 5
|
1月前
|
存储 C++
【C++】AVL树
AVL树是一种自平衡二叉搜索树,由Georgy Adelson-Velsky和Evgenii Landis提出。它通过确保任意节点的两子树高度差不超过1来维持平衡,支持高效插入、删除和查找操作,时间复杂度为O(log n)。AVL树通过四种旋转操作(左旋、右旋、左-右旋、右-左旋)来恢复树的平衡状态,适用于需要频繁进行数据操作的场景。
45 2
|
1月前
|
存储 搜索推荐 算法
【数据结构】树型结构详解 + 堆的实现(c语言)(附源码)
本文介绍了树和二叉树的基本概念及结构,重点讲解了堆这一重要的数据结构。堆是一种特殊的完全二叉树,常用于实现优先队列和高效的排序算法(如堆排序)。文章详细描述了堆的性质、存储方式及其实现方法,包括插入、删除和取堆顶数据等操作的具体实现。通过这些内容,读者可以全面了解堆的原理和应用。
92 16
|
1月前
|
算法
数据结构之文件系统模拟(树数据结构)
本文介绍了文件系统模拟及其核心概念,包括树状数据结构、节点结构、文件系统类和相关操作。通过构建虚拟环境,模拟文件的创建、删除、移动、搜索等操作,展示了文件系统的基本功能和性能。代码示例演示了这些操作的具体实现,包括文件和目录的创建、移动和删除。文章还讨论了该算法的优势和局限性,如灵活性高但节点移除效率低等问题。
55 0
|
2月前
|
存储 算法 关系型数据库
数据结构与算法学习二一:多路查找树、二叉树与B树、2-3树、B+树、B*树。(本章为了解基本知识即可,不做代码学习)
这篇文章主要介绍了多路查找树的基本概念,包括二叉树的局限性、多叉树的优化、B树及其变体(如2-3树、B+树、B*树)的特点和应用,旨在帮助读者理解这些数据结构在文件系统和数据库系统中的重要性和效率。
32 0
数据结构与算法学习二一:多路查找树、二叉树与B树、2-3树、B+树、B*树。(本章为了解基本知识即可,不做代码学习)
|
2月前
|
存储 算法 数据管理
数据结构与算法学习二零:二叉排序树(BST)、平衡二叉树(AVL)
这篇文章通过需求分析、代码实现和测试验证,详细介绍了二叉排序树的创建、遍历和删除操作,以及二叉平衡树(AVL)的自平衡特性和单旋转操作,旨在提高树结构在数据管理中的效率和性能。
54 0
数据结构与算法学习二零:二叉排序树(BST)、平衡二叉树(AVL)
|
2月前
|
Java C++
【数据结构】探索红黑树的奥秘:自平衡原理图解及与二叉查找树的比较
本文深入解析红黑树的自平衡原理,介绍其五大原则,并通过图解和代码示例展示其内部机制。同时,对比红黑树与二叉查找树的性能差异,帮助读者更好地理解这两种数据结构的特点和应用场景。
42 0
|
2月前
|
存储 算法
数据结构与算法学习十六:树的知识、二叉树、二叉树的遍历(前序、中序、后序、层次)、二叉树的查找(前序、中序、后序、层次)、二叉树的删除
这篇文章主要介绍了树和二叉树的基础知识,包括树的存储方式、二叉树的定义、遍历方法(前序、中序、后序、层次遍历),以及二叉树的查找和删除操作。
34 0