【数据结构和算法】树的特点&树的存储结构&二叉树的遍历与创建&二叉树的高度节点计算

简介: 【数据结构和算法】树的特点&树的存储结构&二叉树的遍历与创建&二叉树的高度节点计算

树的一些基本特点


树的结点:

 包括一个数据元素,和从这个元素,指向其各个子树的分支(但不包括指向其父树的分支)。结点拥有的子树数,称为结点的度(Degree),度为 0 的结点,称为叶结点(Leaf)或终端节点;度不为 0 的结点,称为非终端结点或分支结点。除根结点外,分支结点也称为内部结点。树的度为树内各节点的度的最大值。


度:节点的子树个数;

树的度:树中任意节点的度的最大值;

兄弟:两节点的 parent 相同;

层:根在第一层,以此类推;

高度:叶子节点的高度为 1,根节点高度最高;

有序树:树中各个节点是有次序的;

森林:多个树组成


树的存储结构

image.png

  1. 双亲表示法:(自下往上)

image.png

  1. 孩子表示法:(自下往下)

image.png

  1. 双亲表示法:以双亲作为索引的关键词的一种存储方式(可以双向)

image.png

结构设计的代码可以如下所示:

#define MAX_REE_SIZE
//孩子结点的数据
typedef struct CTNode
{
  int ChildPos; //孩子结点的下标
  struct CTNode *next;  //指向下一个孩子的指针
}*ChildPtr;
//表头
typedef struct 
{
  int data; //存放在树中结点的数据
  int Parent  Pos;  //存放双亲的下标
  ChildPtr Child; //指向第一个孩子的指针
}Parent;
//数结构
typedef struct
{
  Parent Node[MAX_TREE_SZIE]; //结点数组
  int NodeNum;  //结点数 
  int RootPos;  //根的位置
}Tree;


二叉树(Binary Tree)


定义:

 二叉树的每个结点至多只有二棵子树(不存在度大于 2 的结点),二叉树的子树有左右之分,次序不能颠倒。二叉树的第 i 层至多有 2i-1 个结点;深度为 k 的二叉树至多有 2k 个结点。

image.png

以下是二叉树的特点:

  1. 在非空二叉树中,第 i 层的结点总数不超过 2i-1, i>=1;
  2. 深度为 h 的二叉树最多有 2h-1 个结点(h>=1),最少有 h 个结点;
  3. 对于任意一棵二叉树,如果其叶结点数为N0,而度数为2的结点总数为N2,则N0=N2+1;
  4. 具有 n 个结点的完全二叉树的深度为 log2(n+1);
  5. 有 N 个结点的完全二叉树各结点如果用顺序方式存储,则结点之间有如下关系:若 I 为结点编号则 如果 I>1,则其父结点的编号为 I/2;

如果 2I<=N,则其左儿子(即左子树的根结点)的编号为 2I;若 2I>N,则无左儿子;

如果 2I+1<=N,则其右儿子的结点编号为 2I+1;若 2I+1>N,则无右儿子。

  1. 给定N个节点,能构成h(N)种不同的二叉树,其中h(N)为卡特兰数的第N项,h(n)=C(2*n,n)/(n+1)。
  2. 设有 i 个枝点,I 为所有枝点的道路长度总和,J 为叶的道路长度总和 J=I+2i。


满二叉树与完全二叉树


  • 完全二叉树:若设二叉树的深度为 h,除第 h 层外,其它各层 (1~(h-1)层) 的结点数都达到最大个数,第 h 层所有的结点都连续集中在最左边,这就是完全二叉树。
  • 满二叉树:除最后一层无任何子节点外,每一层上的所有结点都有两个子结点。也可以这样理解,除叶子结点外的所有结点均有两个子结点。节点数达到最大值,所有叶子结点必须在同一层上。

image.png


二叉树的结构设计

typedef struct BiTNode
{
  char data;  //存储的数据
  struct  BiTNode *lchild,*rchild;  //左右孩子指针
}BiTNode, *BiTress;


树的遍历


所谓树的遍历,是指对树中所有结点的信息的访问。

其重点有 2 个:

①对所有结点进行访问(假如有结点没有被访问,肯定算不上遍历了)

②对每个结点只访问一次;


二叉树的遍历方法主要有三种:

①前序遍历(访问根结点——》访问左子树——》访问右子树)

②后序遍历(访问左子树——》访问右子树——》访问根结点)

③中序遍历(先访问左子树——》再访问根——》再访问右子树)


例子:

image.png

其前序遍历为:ABDHIECFJKG

其中序遍历为:HDIBEAJFKCG

其后序遍历为:HJDEBJKFGCA


如何根据前序中序遍历写出后序遍历,或者根据后中序遍历写出前序遍历?


可以点击这里:链接


以下的二叉树创建遍历节点高度复制计算的分析代码,也可以忽略直接看总代码:


总代码链接,点这里


前序创建和遍历树例子:

其中前中后创建一棵树只是顺序有所不同,树的遍历显示也是同样如此,稍加修改便可。

typedef struct Tree
{
  char data;
  struct Tree *lchild, *rchild;
}Tree;
Tree* FrontCreateTree() //前序创建一棵树
{
  char c;
  Tree *T;
  scanf("%c",&c);
  if(' ' == c)
  T = NULL;
  else
  {
  T = (Tree *)malloc(sizeof(Tree));
  T->data = c;
  T->lchild = FrontCreateTree();
  T->rchild = FrontCreateTree();
  }
  return T;
}
Tree* FrontCreateTree() //后序创建一棵树
{
  char c;
  Tree *T;
  scanf("%c",&c);
  if(' ' == c)
  T = NULL;
  else
  {
  T = (Tree *)malloc(sizeof(Tree));
  T->lchild = FrontCreateTree();
  T->data = c;
  T->rchild = FrontCreateTree();
  }
  return T;
}
Tree* FrontCreateTree() //前序创建一棵树
{
  char c;
  Tree *T;
  scanf("%c",&c);
  if(' ' == c)
  T = NULL;
  else
  {
  T = (Tree *)malloc(sizeof(Tree));
  T->lchild = FrontCreateTree();
  T->rchild = FrontCreateTree();
  T->data = c;
  }
  return T;
}


前序遍历:

void FrontShowTree(Tree *T)
{
  if( T )
  {
  printf("%c",T->data);
  FrontShowTree(T->lchild);
  FrontShowTree(T->rchild);
  }
}


中序遍历:

void MiddleShowTree(Tree *T)
{
  if( T )
  {
  FrontShowTree(T->lchild);
  printf("%c",T->data);
  FrontShowTree(T->rchild);
  }
}


后续遍历:

void LastShowTree(Tree *T)
{
  if( T )
  {
  FrontShowTree(T->lchild);
  FrontShowTree(T->rchild);
  printf("%c",T->data);
  }
}


测试代码如下:

int main()
{
  Tree* T = FrontCreateTree();
  FrontShowTree(T);
  return 0;
}


测试结果如下:

image.png


计算树节点个数:

//计算结点个数,与遍历类似
int count = 0;  //全局变量 
void CountTreeNode(Tree *T) //通过中序遍历计算 
{
  if (tree)
  {
  count += 1;   //计数 
  CountTree(tree->lchild);
  CountTree(tree->rchild); 
  }
}


复制一棵二叉树

思路:

 这个就和创建二叉树的思路差不多,只不过将需要你输入权值那个步骤,变成了直接从另外一颗树上获取权值。


//复制二叉树
Tree *CopyBinaryTree(Tree *T)
{
  if(T)
  {
  Tree *NewTree = (Tree* )malloc(sizeof(Tree));
  NewTree->data = T->data;
  NewTree->lchild = CopyBinaryTree(T->lchild);  //复制左子树
  NewTree->rchild = CopyBinaryTree(T->rchild);  //复制右子树
  return NewTree;
  }
  else
  return NULL;
}


计算树的高度

代码如下:


int DepTreeHeight(Tree *T)
{
  int LeftTreeHight = 0, RightTreeHight = 0;
  if(T == NULL)
  return 0;
  else
  {
  LeftTreeHight = DepTreeHeight(T->lchild);
  RightTreeHight = DepTreeHeight(T->rchild);
  if( LeftTreeHight > RightTreeHight )
    return LeftTreeHight + 1;
  else
    return RightTreeHight + 1;
  }
}


例子:

image.png

分析如下:


  1. 首先,程序一直的递归,执行到D处,对D进行分析,由于D左子树为空,dl=0;D右子树也为空,dr=0;所以直接进行比较,返回dr+1,也就是返回1给b的左子树。
  2. 此时B的左子树为1,接下来进行B的有子树遍历。同样的,到了E处,E的左子树为空,El=0;E的右子树不为空,继续执行;
  3. 但是E的右子树左右均为空,所以Gl=0,Gr=0,返回Gr+1,也就是返回了1。
  4. 此时回到了E处,由于E的左子树为空直接返回0,而右子树返回了1,接下来进行比较,由于Er>El,所以返回Er+1,也就是返回了2到B处。
  5. 此时回到了B处,由于B的左子树为1,而右子树为2,由于Br>Bl,所以返回Br+1,也就是返回了3回到了A处。
  6. 此时回到了A,届时A的左子树全部遍历完成,Al = 3,接下来遍历A的右子树。此时来分析C,由于C的左子树为空,所以直接返回0,而C的有子树非空,继续判断。
  7. 此时来到F出,由于F左右子树均为空,所以Fl = Fr = 0,所以返回Fr+1,也就是返回1回到C处,所以Cr = 1.
  8. 此时回到C,对C的左右子树进行比较,Cl = 0,Cr =1,所以返回Cr+1,也就是返回了2到A的右子树。
  9. 此时回到A,届时A的左子树Al = 3,而Ar = 2,所以返回Al + 1,也就是返回了4.
  10. 最终的结果是4.


统计每层结点个数

思路:

 定义一个数组,LevNum[1]保存第一层所以结点个数,LevNum[2]保存第二层所有结点个数。


代码如下:


//每层结点个数
void CountStateNode(Tree *T, int level, int *levelbuf)
{
  if( T )
  {
  levelbuf[level]++;
  CountStateNode(T->lchild,level + 1,levelbuf);
  CountStateNode(T->rchild,level + 1,levelbuf);
  }
}


避免篇幅过长,总代码链接如下:点这里


参考链接:http://blog.csdn.net/jopus/article/details/19109495


目录
相关文章
|
9天前
|
存储 算法
【数据结构和算法】--- 二叉树(4)--二叉树链式结构的实现(2)
【数据结构和算法】--- 二叉树(4)--二叉树链式结构的实现(2)
12 0
|
7天前
|
机器学习/深度学习 算法
**反向传播算法**在多层神经网络训练中至关重要,它包括**前向传播**、**计算损失**、**反向传播误差**和**权重更新**。
【6月更文挑战第28天】**反向传播算法**在多层神经网络训练中至关重要,它包括**前向传播**、**计算损失**、**反向传播误差**和**权重更新**。数据从输入层流经隐藏层到输出层,计算预测值。接着,比较预测与真实值计算损失。然后,从输出层开始,利用链式法则反向计算误差和梯度,更新权重以减小损失。此过程迭代进行,直到损失收敛或达到训练次数,优化模型性能。反向传播实现了自动微分,使模型能适应训练数据并泛化到新数据。
18 2
|
9天前
|
算法 分布式数据库
【数据结构和算法】--- 二叉树(5)--二叉树OJ题
【数据结构和算法】--- 二叉树(5)--二叉树OJ题
9 1
|
9天前
|
机器学习/深度学习 数据采集 存储
算法金 | 决策树、随机森林、bagging、boosting、Adaboost、GBDT、XGBoost 算法大全
**摘要:** 这篇文章介绍了决策树作为一种机器学习算法,用于分类和回归问题,通过一系列特征测试将复杂决策过程简化。文章详细阐述了决策树的定义、构建方法、剪枝优化技术,以及优缺点。接着,文章讨论了集成学习,包括Bagging、Boosting和随机森林等方法,解释了它们的工作原理、优缺点以及如何通过结合多个模型提高性能和泛化能力。文中特别提到了随机森林和GBDT(XGBoost)作为集成方法的实例,强调了它们在处理复杂数据和防止过拟合方面的优势。最后,文章提供了选择集成学习算法的指南,考虑了数据特性、模型性能、计算资源和过拟合风险等因素。
12 0
算法金 | 决策树、随机森林、bagging、boosting、Adaboost、GBDT、XGBoost 算法大全
|
7天前
|
算法
技术好文共享:算法之树表的查找
技术好文共享:算法之树表的查找
|
7天前
|
机器学习/深度学习 自然语言处理 算法
心得经验总结:机器翻译评测——BLEU算法详解(新增在线计算BLEU分值)
心得经验总结:机器翻译评测——BLEU算法详解(新增在线计算BLEU分值)
11 0
|
9天前
|
存储 算法 Java
Java数据结构与算法:用于高效地存储和检索字符串数据集
Java数据结构与算法:用于高效地存储和检索字符串数据集
|
9天前
|
算法
【数据结构与算法 刷题系列】求带环链表的入环节点(图文详解)
【数据结构与算法 刷题系列】求带环链表的入环节点(图文详解)
|
9天前
|
算法 C语言
【数据结构与算法 经典例题】链表的回文结构(图文详解)
【数据结构与算法 经典例题】链表的回文结构(图文详解)
|
9天前
|
算法 C语言
【数据结构与算法 经典例题】返回单链表的倒数第 k 个节点
【数据结构与算法 经典例题】返回单链表的倒数第 k 个节点