【C++航海王:追寻罗杰的编程之路】一篇文章带你了解二叉搜索树

简介: 【C++航海王:追寻罗杰的编程之路】一篇文章带你了解二叉搜索树

1 -> 二叉搜索树概念

二叉搜索树(BST, Binary Search Tree)又称二叉排序树或二叉查找树,它或者是一棵空树,或者具有以下性质的二叉树:

  • 若它的左子树不为空,则左子树上所有节点的值都小于根节点的值
  • 若它的右子树不为空,则右子树上所有节点的值都大于根节点的值
  • 它的左右子树也分别为二叉搜索树

2 -> 二叉搜索树操作


int a [] = { 8 , 3 , 1 , 10 , 6 , 4 , 7 , 14 , 13 };

1. 二叉搜索树的查找

  1. 从根开始比较,查找,比根大则往右边走查找,比根小则往左边走查找。
  2. 最多查找高度次,走到空,还没找到,这个值不存在。

2. 二叉搜索树的插入

插入具体过程:

  1. 树为空,则直接新增节点,赋值给root指针。
  2. 树不空,按二叉搜索树性质查找插入位置,插入新节点。

3. 二叉搜索树的删除

首先查找元素是否在二叉搜索树中,如果不存在,则返回,否则要删除的节点可能分以下四种情况:

  1. 要删除的节点无孩子节点
  2. 要删除的节点只有左孩子节点
  3. 要删除的节点只有右孩子节点
  4. 要删除的节点有左、右孩子节点

看起来有4种情况,实际情况1可以与情况2或者3合并起来,因此真正的删除过程如下:

  • 删除该节点且使删除节点的双亲节点指向被删除节点的左孩子节点——直接删除
  • 删除该节点且使删除节点的双亲节点指向被删除节点的右孩子节点——直接删除


  • 在它的右子树中寻找中序下的第一个节点(关键码最小),用它的值填补到被删除节点中,再来处理该节点的删除问题——替换法删除

3 -> 二叉搜索树的应用

1. K模型:K模型即只有Key作为关键码,结构中只需要存储Key即可,关键码即为需要搜索到的值。

比如:给一个单词word,判断该单词是否拼写正确,具体方式如下:

  • 以词库中所有单词集合中的每个单词作为Key,构建一棵二叉搜索树
  • 在二叉搜索树中检索该单词是否存在,存在则拼写正确,不存在则拼写错误。
#pragma once
#include <iostream>
using namespace std;
 
template<class K>
struct BSTreeNode
{
  BSTreeNode<K>* _left;
  BSTreeNode<K>* _right;
  K _key;
 
  BSTreeNode(const K& key)
    :_left(nullptr)
    , _right(nullptr)
    , _key(key)
  {}
};
 
template<class K>
class BSTree
{
  typedef BSTreeNode<K> Node;
public:
  bool Insert(const K& key)
  {
    if (_root == nullptr)
    {
      _root = new Node(key);
      return true;
    }
 
    Node* parent = nullptr;
    Node* cur = _root;
    while (cur)
    {
      parent = cur;
      if (cur->_key < key)
      {
        cur = cur->_right;
      }
      else if (cur->_key > key)
      {
        cur = cur->_left;
      }
      else
      {
        return false;
      }
    }
 
    cur = new Node(key);
    if (parent->_key < key)
    {
      parent->_right = cur;
    }
    else
    {
      parent->_left = cur;
    }
 
    return true;
  }
 
  bool Find(const K& key)
  {
    Node* cur = _root;
    while (cur)
    {
      if (cur->_key < key)
      {
        cur = cur->_right;
      }
      else if (cur->_key > key)
      {
        cur = cur->_left;
      }
      else
      {
        return true;
      }
    }
 
    return false;
  }
 
  bool Erase(const K& key)
  {
    Node* parent = nullptr;
    Node* cur = _root;
    while (cur)
    {
      if (cur->_key < key)
      {
        parent = cur;
        cur = cur->_right;
      }
      else if (cur->_key > key)
      {
        parent = cur;
        cur = cur->_left;
      }
      else
      {
        // 准备删除
        if (cur->_left == nullptr)
        {//左为空
          if (cur == _root)
          {
            _root = cur->_right;
          }
          else
          {
            if (cur == parent->_left)
            {
              parent->_left = cur->_right;
            }
            else
            {
              parent->_right = cur->_right;
            }
          }
 
          delete cur;
        }
        else if (cur->_right == nullptr)
        {//右为空
          if (cur == _root)
          {
            _root = cur->_left;
          }
          else
          {
            if (cur == parent->_left)
            {
              parent->_left = cur->_left;
            }
            else
            {
              parent->_right = cur->_left;
            }
          }
 
          delete cur;
        }
        else
        {//左右都不为空
 
          // 右树的最小节点(最左节点)
          Node* parent = cur;
          Node* subLeft = cur->_right;
          while (subLeft->_left)
          {
            parent = subLeft;
            subLeft = subLeft->_left;
          }
 
          swap(cur->_key, subLeft->_key);
 
          if (subLeft == parent->_left)
            parent->_left = subLeft->_right;
          else
            parent->_right = subLeft->_right;
 
          delete subLeft;
        }
 
        return true;
      }
    }
 
    return false;
  }
 
  void InOrder()
  {
    _InOrder(_root);
    cout << endl;
  }
 
  bool FindR(const K& key)
  {
    return _FindR(_root, key);
  }
 
  bool InsertR(const K& key)
  {
    return _InsertR(_root, key);
  }
 
  bool EraseR(const K& key)
  {
    return _EraseR(_root, key);
  }
 
private:
  bool _EraseR(Node*& root, const K& key)
  {
    if (root == nullptr)
      return false;
 
    if (root->_key < key)
    {
      return _EraseR(root->_right, key);
    }
    else if (root->_key > key)
    {
      return _EraseR(root->_left, key);
    }
    else
    {
      // 删除
      if (root->_left == nullptr)
      {
        Node* del = root;
        root = root->_right;
        delete del;
 
        return true;
 
      }
      else if (root->_right == nullptr)
      {
        Node* del = root;
        root = root->_left;
        delete del;
 
        return true;
      }
      else
      {
        Node* subLeft = root->_right;
        while (subLeft->_left)
        {
          subLeft = subLeft->_left;
        }
 
        swap(root->_key, subLeft->_key);
 
        // 转换成在子树去递归删除
        return _EraseR(root->_right, key);
      }
    }
  }
 
  bool _InsertR(Node*& root, const K& key)
  {
    if (root == nullptr)
    {
      root = new Node(key);
      return true;
    }
 
    if (root->_key < key)
      return _InsertR(root->_right, key);
    else if (root->_key > key)
      return _InsertR(root->_left, key);
    else
      return false;
  }
 
  bool _FindR(Node* root, const K& key)
  {
    if (root == nullptr)
    {
      return false;
    }
 
    if (root->_key < key)
    {
      return _FindR(root->_right, key);
    }
    else if (root->_key > key)
    {
      return _FindR(root->_left, key);
    }
    else
    {
      return true;
    }
  }
 
  void _InOrder(Node* root)
  {
    if (root == nullptr)
      return;
 
    _InOrder(root->_left);
    cout << root->_key << " ";
    _InOrder(root->_right);
  }
private:
  Node* _root = nullptr;
};

2. KV模型:每一个关键码Key,都有与之对应的值Value,即<Key,Value>的键值对。该种方式在现实生活中非常常见:

  • 比如英汉词典就是英文与中文的对应关系,通过英文可以快速找到与其对应的中文,英文单词与其对应的中文<word,chinese>就构成一种键值对。
  • 再比如统计单词出现的次数,统计成功后,给定单词就可以快速找到其出现的次数,单词与其出现的次数就是<word,count>就构成一种键值对。
// 改造二叉搜索树为KV结构
template<class K, class V>
struct BSTNode
{
  BSTNode(const K& key = K(), const V& value = V())
    : _pLeft(nullptr), _pRight(nullptr), _key(key), _Value(value)
  {}
  BSTNode<T>* _pLeft;
  BSTNode<T>* _pRight;
  K _key;
  V _value
};
 
template<class K, class V>
class BSTree
{
  typedef BSTNode<K, V> Node;
  typedef Node* PNode;
public:
  BSTree() : _pRoot(nullptr) {}
  PNode Find(const K& key);
 
  bool Insert(const K& key, const V& value)
    bool Erase(const K& key)
 
private:
  PNode _pRoot;
};
 
void TestBSTree3()
{
  // 输入单词,查找单词对应的中文翻译
  BSTree<string, string> dict;
  dict.Insert("string", "字符串");
  dict.Insert("tree", "树");
  dict.Insert("left", "左边、剩余");
  dict.Insert("right", "右边");
  dict.Insert("sort", "排序");
 
  // 插入词库中所有单词
  string str;
  while (cin >> str)
  {
    BSTreeNode<string, string>* ret = dict.Find(str);
    if (ret == nullptr)
    {
      cout << "单词拼写错误,词库中没有这个单词:" << str << endl;
    }
    else
    {
      cout << str << "中文翻译:" << ret->_value << endl;
    }
  }
}
 
void TestBSTree4()
{
  // 统计水果出现的次数
  string arr[] = { "苹果", "西瓜", "苹果", "西瓜", "苹果", "苹果", "西瓜",
   "苹果", "香蕉", "苹果", "香蕉" };
  BSTree<string, int> countTree;
 
  for (const auto& str : arr)
  {
    // 先查找水果在不在搜索树中
    // 1、不在,说明水果第一次出现,则插入<水果, 1>
    // 2、在,则查找到的节点中水果对应的次数++
    //BSTreeNode<string, int>* ret = countTree.Find(str);
    auto ret = countTree.Find(str);
    if (ret == NULL)
    {
      countTree.Insert(str, 1);
    }
    else
    {
      ret->_value++;
    }
  }
 
  countTree.InOrder();
}

4 -> 二叉搜索树的性能分析

插入和删除操作都必须先查找,查找效率代表了二叉搜索树中各个操作的性能。

对有n个节点的二叉搜索树,若每个元素查找的概率相等,则二叉搜索树平均查找长度是节点在二叉搜索树的深度的函数,即节点越深,比较次数越多。

但对于同一个关键码集合,如果各关键码插入的次序不同,可能得到不同结构的二叉搜索树:

最优情况下,二叉搜索树为完全二叉树(或者接近完全二叉树)。

最差情况下,二叉搜索树退化为单支树(或者类似单支树)。


感谢各位大佬支持!!!

互三啦!!!

目录
相关文章
|
18天前
|
编译器 C++ 开发者
C++一分钟之-C++20新特性:模块化编程
【6月更文挑战第27天】C++20引入模块化编程,缓解`#include`带来的编译时间长和头文件管理难题。模块由接口(`.cppm`)和实现(`.cpp`)组成,使用`import`导入。常见问题包括兼容性、设计不当、暴露私有细节和编译器支持。避免这些问题需分阶段迁移、合理设计、明确接口和关注编译器更新。示例展示了模块定义和使用,提升代码组织和维护性。随着编译器支持加强,模块化将成为C++标准的关键特性。
48 3
|
4天前
|
存储 C++
【C++】二叉树进阶之二叉搜索树(下)
【C++】二叉树进阶之二叉搜索树(下)
10 4
|
4天前
|
Java 编译器 C++
【C++】二叉树进阶之二叉搜索树(上)
【C++】二叉树进阶之二叉搜索树(上)
13 3
|
10天前
|
算法 测试技术 C++
【C++高阶】掌握AVL树:构建与维护平衡二叉搜索树的艺术
【C++高阶】掌握AVL树:构建与维护平衡二叉搜索树的艺术
13 2
|
19天前
|
存储 自然语言处理 C++
【C++航海王:追寻罗杰的编程之路】set|map|multiset|multimap简单介绍
【C++航海王:追寻罗杰的编程之路】set|map|multiset|multimap简单介绍
16 0
【C++航海王:追寻罗杰的编程之路】set|map|multiset|multimap简单介绍
|
19天前
|
C++
【c++】二叉搜索树
【c++】二叉搜索树
11 0
|
19天前
|
设计模式 编译器 C++
【C++航海王:追寻罗杰的编程之路】特殊类的设计方式你知道哪些?
【C++航海王:追寻罗杰的编程之路】特殊类的设计方式你知道哪些?
13 0
|
3天前
|
设计模式 安全 编译器
【C++11】特殊类设计
【C++11】特殊类设计
22 10
|
8天前
|
C++
C++友元函数和友元类的使用
C++中的友元(friend)是一种机制,允许类或函数访问其他类的私有成员,以实现数据共享或特殊功能。友元分为两类:类友元和函数友元。类友元允许一个类访问另一个类的私有数据,而函数友元是非成员函数,可以直接访问类的私有成员。虽然提供了便利,但友元破坏了封装性,应谨慎使用。
40 9
|
4天前
|
存储 编译器 C语言
【C++基础 】类和对象(上)
【C++基础 】类和对象(上)