Java数据结构与算法(八)-二叉树

简介: 一、为什么要使用树有序数组插入、删除数据慢。链表查找数据慢树可以解决这两个问题二、相关术语树的结点:包含一个数据元素及若干指向子树的分支;孩子结点:结点的子树的根称为该结点的孩子;双亲结点:B 结点是A 结点的孩子,则A结点是B 结...

一、为什么要使用树

  • 有序数组插入、删除数据慢。
  • 链表查找数据慢
  • 树可以解决这两个问题

二、相关术语

  • 树的结点:包含一个数据元素及若干指向子树的分支;
  • 孩子结点:结点的子树的根称为该结点的孩子;
  • 双亲结点:B 结点是A 结点的孩子,则A结点是B 结点的双亲;
  • 兄弟结点:同一双亲的孩子结点; 堂兄结点:同一层上结点;
  • 祖先结点: 从根到该结点的所经分支上的所有结点子孙结点:以某结点为根的子树中* 任一结点都称为该结点的子孙
  • 结点层:根结点的层定义为1;根的孩子为第二层结点,依此类推;
  • 树的深度:树中最大的结点层
  • 结点的度:结点子树的个数
  • 树的度: 树中最大的结点度。
  • 叶子结点:也叫终端结点,是度为 0 的结点;
  • 分枝结点:度不为0的结点;
  • 有序树:子树有序的树,如:家族树;
  • 无序树:不考虑子树的顺序;

三、基本操作

  1. 插入结点
    • 从根结点开始查找一个相应的结点,这个结点成为新插入结点的父节点,当父节点找到后,通过判断新结点的值比父节点的值的大小来决定是连接到左子结点还是右子结点
  2. 查找结点
    • 从根结点开始查找,如果查找的结点值比当前的结点的值小,则继续查找其左子树,否则查找其右子树。
  3. 遍历二叉树
    • 遍历树是根据一个特定的顺序访问树的没一个节点,根据顺序的不通氛围前序、中序、后序三中遍历。
    1. 前序
      1. 访问跟节点
      2. 前序遍历左子树
        3.遍历右子树
    2. 中序
      1. 遍历左子树
      2. 访问跟节点
        3.遍历右子树
    3. 后序
      1. 遍历左子树
      2. 遍历右子树
        3.访问跟节点
  4. 删除二叉树节点
  • 删除是最复杂的,在删除之前首先要查找要删的节点。找到节点后,这个要删除的节点可能会有三中情况需要考虑。
  1. 该节点是叶子节点,没有子节点
    • 要删除叶子节点,只需要改变该节点的父节点的引用值,将指向该节点的引用设置为null就可以了。
  2. 该节点有一个子节点
    • 改变父节点的引用,将其直接指向要删除节点的子节点。
  3. 该节点右两个子节点
    • 要删除右两个子节点的节点,就需要使用他的中序后继来替代该节点。

代码实现

package com.fantj.dataStruct.tree;

/**
 * 二叉树结点
 * Created by Fant.J.
 * 2017/12/22 16:09
 */
public class Node {
    //数据项
    public long data;
    //左子结点
    public Node leftChild;
    //右子结点
    public Node rightChild;
    //构造方法
    public Node(long data){
        this.data = data;
    }
}
package com.fantj.dataStruct.tree;

/**
 * 二叉树
 * Created by Fant.J.
 * 2017/12/22 16:11
 */
public class Tree {
    //根结点
    public Node root;
    /** 插入结点 */
    public void insert(long value){
        //封装结点
        Node newNode = new Node(value);
        //引用当前结点
        Node current = root;
        //引用父节点
        Node parent;
        //如果root为null,也就是第一次插入的时候
        if (root == null){
            root = newNode;
            return;
        }else {
            while (true){
                //父节点指向当前结点
                parent = current;
                //如果当前指向的结点数据比插入的要大,则向左走
                if (current.data > value){
                    current = current.leftChild;
                    if (current == null){
                        parent.leftChild = newNode;
                        return;
                    }
                }else {
                    //生成一个右子节点,并且赋值为 newNode
                    current = current.rightChild;
                    if (current == null){
                        parent.rightChild = newNode;
                        return;
                    }
                }
            }
        }

    }
    /* 查找节点 **/
    public Node find(long value){
        //引用当前节点,从根节点开始
        Node current = root;
        //循环,只要查找值不等于当前节点值
        while (current.data != value){
            //进行比较,比较查找值和当前节点的大小
            if (current.data > value){
                current = current.leftChild;
            }else {
                current = current.rightChild;
            }
            //如果是空,则退出
            if (current == null){
                return null;
            }
        }
        return current;
    }
    /* 前序遍历 **/
    public void frontOrder(Node localNode){
        if (localNode != null){
            //访问根节点
            System.out.print(localNode.data+",");
            //前序遍历左子树
            frontOrder(localNode.leftChild);
            //前序遍历右子树
            frontOrder(localNode.rightChild);
        }
    }
    /* 中序遍历 **/
    public void inOrder(Node localNode){
        if (localNode != null){
            //中序遍历左子树
            inOrder(localNode.leftChild);
            //访问根节点
            System.out.print(localNode.data+",");
            //中序遍历右子树
            inOrder(localNode.rightChild);
        }
    }
    /* 后序遍历 **/
    public void afterOrder(Node localNode){
        if (localNode != null){
            //后序遍历左子树
            afterOrder(localNode.leftChild);
            //后序遍历右子树
            afterOrder(localNode.rightChild);
            //访问根节点
            System.out.print(localNode.data+",");
        }
    }

    /* 删除结点 **/
}

这里我把删除节点的操作单独拿出来*(因为比较复杂)

    /* 删除结点 **/
    public boolean delete(long value){
        //引用当前节点,从根节点开始
        Node current = root;
        //引用当前节点的父节点
        Node parent = root;
        //是否右左子节点
        boolean isLeftChild = true;
        while (current.data != value){
            parent = current;
            //进行比较,比较value和当前节点
            if (current.data > value){
                current = current.leftChild;
                isLeftChild = true;
            }else {
                current = current.rightChild;
                isLeftChild = false;
            }
            //如果查找不到
            if (current ==null){
                return false;
            }
        }
        //删除叶子节点,也就是该节点没有子节点
        if (current.leftChild == null && current.rightChild == null){
            if (current == root){
                root = null;
            }
            //如果是左子节点
            if (isLeftChild){
                parent.leftChild = null;
            }else {
                parent.rightChild = null;
            }
        }else if (current.rightChild == null){
            if (current == root){
                root = current.leftChild;
            }else if (isLeftChild){
                parent.leftChild = current.leftChild;
            }else {
                parent.rightChild = current.leftChild;
            }
        }else if(current.leftChild == null){
            if (root == current){
                root = current.rightChild;
            }
            if (isLeftChild){
                parent.leftChild = current.rightChild;
            }else {
                parent.rightChild = current.rightChild;
            }
        }else {
            //获取中序后继节点
            Node succeed = getSucceed(current);
            if (current == root){
                root = succeed;
            }else if (isLeftChild){
                parent.leftChild = succeed;
            }
            succeed.leftChild = current.leftChild;
        }
        return true;
    }
    /* 找到后继(succeed)节点 , 后继是按照中序先找右子树,然后找左节点**/
    public Node getSucceed(Node delNode){
        Node succeed = delNode;
        Node succeedParent = delNode;
        Node current = delNode.rightChild;
        while (current != null){
            succeedParent = succeed;
            succeed = current;
            current = current.leftChild;
        }
        if (succeed != delNode.rightChild){
            succeedParent.leftChild = succeed.rightChild;
            succeed.rightChild = delNode.rightChild;
        }
        return succeed;
    }
相关文章
|
4月前
|
设计模式 算法 搜索推荐
Java 设计模式之策略模式:灵活切换算法的艺术
策略模式通过封装不同算法并实现灵活切换,将算法与使用解耦。以支付为例,微信、支付宝等支付方式作为独立策略,购物车根据选择调用对应支付逻辑,提升代码可维护性与扩展性,避免冗长条件判断,符合开闭原则。
736 35
|
4月前
|
存储 算法 搜索推荐
《数据之美》:Java数据结构与算法精要
本系列深入探讨数据结构与算法的核心原理及Java实现,涵盖线性与非线性结构、常用算法分类、复杂度分析及集合框架应用,助你提升程序效率,掌握编程底层逻辑。
|
9月前
|
人工智能 算法 NoSQL
LRU算法的Java实现
LRU(Least Recently Used)算法用于淘汰最近最少使用的数据,常应用于内存管理策略中。在Redis中,通过`maxmemory-policy`配置实现不同淘汰策略,如`allkeys-lru`和`volatile-lru`等,采用采样方式近似LRU以优化性能。Java中可通过`LinkedHashMap`轻松实现LRUCache,利用其`accessOrder`特性和`removeEldestEntry`方法完成缓存淘汰逻辑,代码简洁高效。
373 0
|
4月前
|
存储 人工智能 算法
从零掌握贪心算法Java版:LeetCode 10题实战解析(上)
在算法世界里,有一种思想如同生活中的"见好就收"——每次做出当前看来最优的选择,寄希望于通过局部最优达成全局最优。这种思想就是贪心算法,它以其简洁高效的特点,成为解决最优问题的利器。今天我们就来系统学习贪心算法的核心思想,并通过10道LeetCode经典题目实战演练,带你掌握这种"步步为营"的解题思维。
|
8月前
|
存储 算法 安全
Java中的对称加密算法的原理与实现
本文详细解析了Java中三种常用对称加密算法(AES、DES、3DES)的实现原理及应用。对称加密使用相同密钥进行加解密,适合数据安全传输与存储。AES作为现代标准,支持128/192/256位密钥,安全性高;DES采用56位密钥,现已不够安全;3DES通过三重加密增强安全性,但性能较低。文章提供了各算法的具体Java代码示例,便于快速上手实现加密解密操作,帮助用户根据需求选择合适的加密方案保护数据安全。
550 58
|
7月前
|
机器学习/深度学习 算法 Java
Java实现林火蔓延路径算法
记录正在进行的森林防火项目中林火蔓延功能,本篇文章可以较好的实现森林防火蔓延,但还存在很多不足,如:很多参数只能使用默认值,所以蔓延范围仅供参考。(如果底层设备获取的数据充足,那当我没说)。注:因林火蔓延涉及因素太多,如静可燃物载量、矿质阻尼系数等存在估值,所以得出的结果仅供参考。
179 5
|
7月前
|
存储 负载均衡 算法
我们来说一说 Java 的一致性 Hash 算法
我是小假 期待与你的下一次相遇 ~
294 1
|
6月前
|
运维 监控 算法
基于 Java 滑动窗口算法的局域网内部监控软件流量异常检测技术研究
本文探讨了滑动窗口算法在局域网流量监控中的应用,分析其在实时性、资源控制和多维分析等方面的优势,并提出优化策略,结合Java编程实现高效流量异常检测。
283 0
|
7月前
|
存储 监控 算法
企业上网监控场景下布隆过滤器的 Java 算法构建及其性能优化研究
布隆过滤器是一种高效的数据结构,广泛应用于企业上网监控系统中,用于快速判断员工访问的网址是否为违规站点。相比传统哈希表,它具有更低的内存占用和更快的查询速度,支持实时拦截、动态更新和资源压缩,有效提升系统性能并降低成本。
292 0
|
8月前
|
存储 安全 Java
Java 集合面试题从数据结构到 HashMap 源码剖析详解及长尾考点梳理
本文深入解析Java集合框架,涵盖基础概念、常见集合类型及HashMap的底层数据结构与源码实现。从Collection、Map到Iterator接口,逐一剖析其特性与应用场景。重点解读HashMap在JDK1.7与1.8中的数据结构演变,包括数组+链表+红黑树优化,以及put方法和扩容机制的实现细节。结合订单管理与用户权限管理等实际案例,展示集合框架的应用价值,助你全面掌握相关知识,轻松应对面试与开发需求。
411 3

热门文章

最新文章