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，时间复杂度为O（N）；
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。AVL树，即是高度平衡的二叉搜索树。
一棵AVL树是一棵平衡二叉搜索树，也能是一棵空树。
AVL树的性质：
①它的左右子树都是AVL树
②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)
③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log_2N,搜索的时间复杂度是log_2N。
![S{P`W9T_]1[R333562N$7)B.png](https://ucc.alicdn.com/pic/developer-ecology/ipajprmaanvwy_dc3ff9ed2bf34030a45505b9827a82b9.png "S{P`W9T_]1[R333562N$7)B.png")
AVL树的定义：
AVL树的定义中：①拥有键值对。②多加一个双亲节点，用于调整平衡二叉树。③增加平衡因子，用于判断插入或删除后，是否还是一棵AVL树。
template<class K,class V> struct AVLTreeNode { pair<K, V> _kv;//键值对 AVLTreeNode<K, V>* _left; AVLTreeNode<K, V>* _right; AVLTreeNode<K, V>* _parent; int _bf;//balance factor AVLTreeNode(const pair<K, V>& kv) :_kv(kv) , _left(nullptr) , _right(nullptr) , _parent(nullptr) {} };
AVL树的插入
AVL树的插入分成两步：第一步是按照二叉搜索树的方式来新增节点。第二步是是调整节点，使其成为一棵平衡的二叉搜索树。
先展示代码，我们分析以下思路：
1.首先按照二叉搜索树的方式来新增节点，但这需要新增一个双亲指针，方便后续在调节节点。因此，在新增节点的最后部分的代码中，我们需要让cur->_parent指向双亲节点parent。
2.完成二叉搜索树的创建后，开始去判断各个节点的平衡因子。
①当平衡因子_bf等于0的时候，说明parent节点一边高一边矮，新增的这个节点填上了矮的地方，这种情况就不需要更新了，直接beak掉。
②当平衡因子_bf等于1或者-1的时候，说明parent原本的平衡因子是0，parent两边一样高，新增了节点之后，有一边变高了。这种情况需要继续往上走。
③当平衡因子_bf等于2或-2的时候，说明之前parent->_bf == 1 或者 -1，现在插入严重不平衡，违反规则，此时需要原地旋转，即以当前节点为轴旋转。
随后将重点分析：当平衡因子是2或-2的时候，说明需要通过旋转调节节点。那该如何去旋转呢？
bool Insert(const pair<K, V>& kv) { //一开始是一棵空树 if (_root == nullptr) { _root = new Node(kv); return true; } //一开始不是空树 Node* parent = nullptr; Node* cur = _root; //寻找插入的地方，是左子树还是右子树 while (cur) { if (cur->_kv.first < kv.first) { parent = cur; cur = cur->_right; } else if (cur->_kv.first > kv.first) { parent = cur; cur = cur->_left; } else { return false; } } //找到插入的位置后，即确认了是在左子树还是右子树 cur = new Node(kv); //确定是在父节点的左还是右 if (parent->_kv.first < kv.first) { parent->_right = cur; cur->_parent = parent; } else { parent->_left = cur; cur->_parent = parent; } //更新平衡因子，判断插入后的树，是否是一棵AVL树 while (parent) { //插入的是在父节点的左边，即是左孩子 if (cur == parent->_left) { parent->_bf--;//一般是右-左，因此，如果是插入在左边，那就是减一 } else //是右孩子 { parent->_bf++; } //更新完平衡因子后，判断是否是一棵AVL树 //如果平衡因子是0，任何节点的平衡因子都没被改变 if (parent->_bf == 0) { break; } else if (parent->_bf == 1 || parent->_bf == -1) { //如果平衡因子是1或-1，那么就说明，父节点往上的节点的平衡因子有可能被改变了 cur = parent; parent = parent->_parent; } else if (parent->_bf == 2 || parent->_bf == -2) { //旋转 //右单旋----高出来的那一部分按下去！ if (parent->_bf == -2 && cur->_bf == -1) { RotateR(parent); } else if(parent->_bf==2 && cur->_bf== 1)//左单旋 { RotateL(parent); } else if (parent->_bf == -2 && cur->_bf == 1) //先左旋后右旋 { RotateLR(parent); } else if (parent->_bf == 2 && cur->_bf == -1) //先右旋再左旋 { RotateRL(parent); } } else //不排除在创建一棵AVL树的时候，代码写错了 { assert(false); } } return true; }
旋转节点
旋转的要求：
⭐让这颗子树左右高度之差不超过1
⭐旋转过程中继续保持他是搜索树
⭐更新调整孩子节点的平衡因子
⭐让这颗子树的高度跟插入前保持一致。因为这样就不会对上层的平衡因子造成影响，此时就可以结束对这棵树的更新旋转。
旋转的情况有四种：
①新节点插入较高左子树的左侧---左左：右单旋
这种情况是新增的节点位于比较高的左子树的左侧的某个位置上，此时在往上检查平衡因子发现值为60的节点是平衡因子为-2，说明左子树的高度是比右子树高的（这里选择右减左），所以当我们的判断条件if(parent->_bf==-2 && cur->_bf == -1)成立时，就表示着符合当前情况。所以，我们需要将60的节点的平衡因子减小，那就是将它按下去！以60的节点为轴旋转：
⭐旋转的动作：因为b是30节点的右孩子，根据二叉搜索树的性质，b子树所有的值肯定是大于30，小于60的，而且60节点需要下来，说明60节点是要成为30节点的右孩子的，因此b子树就需要成为60节点的左孩子了。
⭐当然，我们需先判断一下，30节点的右孩子是否为空，即30节点没有右孩子。如果没有右孩子，那么就不能让它指向60节点的左孩子。
⭐然而，我们旋转的这颗树，可能是一颗子树，因此需要判断一下60节点的双亲节点是否为空，如果为空，说明它不是子树，此时就可以让_root指向subL，成为新的根，然后subL的双亲节点置为nullptr，因为subL->parent原本是指向60节点的。
⭐如果不为空，那就说明它是一棵子树，那么就让60节点的双亲节点的左或右孩子点指向30节点，30节点的双亲指向60原先的双亲节点。
右单旋的代码如下：
void RotateR(Node* parent) { //一开始，例子中的60节点便是parent //先创建指向30节点的指针和指向b节点的指针 Node* subL = parent->_left; Node* subLR = subL->_right; //这一步是让60节点的左孩子指向b节点 parent->_left = subLR; //这一步判断b节点是否为空,如果不为空，那么就让它的双亲节点指向60节点（本来是指向subL的） if (subLR) { subLR->_parent = parent; } //上面两步成功将b节点改链接到60节点上去 //先保存60节点的双亲节点 Node* ppNode = parent->_parent; //让30节点subL的右孩子指向60节点，即60节点链接到了30节点subL的右孩子上 subL->_right = parent; //60节点的双亲节点指向30节点subL parent->_parent = subL; //判断60节点原本的双亲节点是否为空 //为空 if (ppNode == nullptr) { _root = subL; _root->_parent = nullptr; } else //不为空，说明是一棵子树 { if (ppNode->_left == parent) //如果parent是原先的双亲节点的左孩子 { ppNode->_left = subL; } else //如果parent是原先的双亲节点的右孩子 { ppNode->_right = subL; } //链接后，再让成为新根后的30节点subL的双亲节点指向ppNode subL->_parent = ppNode; } //最后将30节点subL和60节点parent的平衡因子修改 // subL->_bf = parent->_bf = 0; //此时，右单旋完成 //因为旋转的要求是让这颗子树的高度跟插入前保持一致 //那就说明，此时完成旋转的这树，不会对上层的平衡因子造成影响，此时就可以结束对这棵树的更新旋转 }
②新节点插入较高右子树的右侧---右右：左单旋
这种情况是新增的节点位于比较高的右子树的右侧的某个位置上，此时在往上检查平衡因子发现值为30的节点是平衡因子为2，说明右子树的高度是比左子树高的（这里选择右减左），所以当我们的判断条件if(parent->_bf==2 && cur->_bf == 1)成立时，就表示着符合当前情况。所以，我们需要将30的节点的平衡因子减小，那就是将它按下去！以30的节点为轴旋转：
⭐旋转的动作：因为b是60节点的左孩子，根据二叉搜索树的性质，b子树所有的值肯定是大于30，小于60的，而且30节点需要下来，说明30节点是要成为60节点的左孩子孩子的，因此b子树就需要成为30节点的右孩子了。
⭐同样的，我们需先判断一下，60节点的左孩子是否为空，即60节点没有左孩子。如果没有左孩子，那么就不能让它指向30节点的右孩子。
⭐同样的，需要盘点一下是否是一棵子树。因此需要判断一下30节点的双亲节点是否为空，如果为空，说明它不是子树，此时就可以让_root指向subR，成为新的根，然后subR的双亲节点置为nullptr，因为subR->parent原本是指向30节点的。
⭐如果不为空，那就说明它是一棵子树，那么就让30节点的双亲节点的左或右孩子点指向60节点，60节点的双亲指向30原先的双亲节点。
左单旋代码如下：
void RotateL(Node* parent) { //创建60节点subR，右右是左旋嘛 Node* subR = parent->_right; //创建指向b节点的指针subRL Node* subRL = subR->_left; //先让parent的右孩子节点指向subRL。 parent->_right = subRL; //判断subRL是否为空，不为空，那就让subRL的父节点指向parent if (subRL) { subRL->_parent = parent; } //上面步骤成功将b节点链接到了parent上 //先把parent的父节点保存起来，不管存在不存在 Node* ppNode = parent->_parent; //接下来就是把parent按下了，成为subR的左孩子，让subR成为新根 subR->_left = parent; parent->_parent = subR; //让subR成为新根 if (ppNode == nullptr) { _root = subR; _root->_parent = nullptr; } else { if (ppNode->_left == parent) { ppNode->_left = subR; } else { ppNode->_right = subR; } subR->_parent = ppNode; } //修改平衡因子 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
![2M)`{F(77QSWA5`}]S@`S{Q.png](https://ucc.alicdn.com/pic/developer-ecology/ipajprmaanvwy_0506b905efb145d089823a1808ae8c4d.png "2M)`{F(77QSWA5`}]S@`S{Q.png")
![7Y}XNM7E(0LD}E)1Z13]FCX.png](https://ucc.alicdn.com/pic/developer-ecology/ipajprmaanvwy_cadcd62903a24170a88daa2e0ef39e88.png "7Y}XNM7E(0LD}E)1Z13]FCX.png")
这种情况是新增的节点位于比较高的左子树的右侧的某个位置上，此时在往上检查平衡因子发现值为parent节点的平衡因子为-2，说明左子树的高度是比右子树高的（这里选择右减左），所以当我们的判断条件if(parent->_bf==-2 && cur->_bf == 1)成立时，就表示着符合当前情况。这种情况采取的旋转方式是先左旋后右旋。左旋的轴是subL节点，右旋的轴就是parent节点。
此时，我们复用左单旋和右单旋的情况即可。但是需要注意的是，尽管在右单旋和左单旋中，已经对平衡因子进行了修改，但我们通过画图可以看出来，修改过的平衡因子并不符合实际上的值，因此我们需要重新修改一遍。
代码如下：
void RotateLR(Node* parent) { Node* subL = parent->_left; Node* subLR = subL->_right; int bf = subLR->_bf;//记录调整节点之前，subLR的平衡因子，因为subLR最后是新根 //开始调整 RotateL(parent->_left); RotateR(parent); //修改平衡因子 if (bf == -1)//说明是在左子树上新增节点，即图中的b子树 { parent->_bf = 1; subL->_bf = 0; subLR->_bf = 0; } else if (bf == 1)//说明是在右子树c上新增节点 { parent->_bf = 0; subL->_bf = -1; subLR->_bf = 0; } else if(bf==0)//说明subLR自己就是新增的节点 { parent->_bf = 0; subL->_bf = 0; subLR->_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
![Y_$NFV]P}8$$2_0O40Y(0FF.png](https://ucc.alicdn.com/pic/developer-ecology/ipajprmaanvwy_bcefa8bc6d6a42f7bbcb0554bcf05bec.png "Y_$NFV]P}8$$2_0O40Y(0FF.png")
这种情况是新增的节点位于比较高的右子树的左侧的某个位置上，此时在往上检查平衡因子发现值为parent节点的平衡因子为2，说明右子树的高度是比左子树高的（这里选择右减左），所以当我们的判断条件if(parent->_bf==2 && cur->_bf == -1)成立时，就表示着符合当前情况。这种情况采取的旋转方式是先右旋后左旋。右旋的轴是subR节点，左旋的轴就是parent节点。
此时，我们复用左单旋和右单旋的情况即可。但是需要注意的是，尽管在右单旋和左单旋中，已经对平衡因子进行了修改，但我们通过画图可以看出来，修改过的平衡因子并不符合实际上的值，因此我们需要重新修改一遍。
代码如下：
void RotateRL(Node* parent) { Node* subR = parent->_right; Node* subRL = subR->_left; int bf = subRL->_bf;//记录调整节点之前，subRL的平衡因子，因为subRL最后是新根 RotateR(parent->_right); RotateL(parent); if (bf == 1) //在右子树上新增节点 { parent->_bf = -1; subR->_bf = 0; subRL->_bf = 0; } else if (bf == -1) //在左子树上新增节点 { parent->_bf = 0; subR->_bf = -1; subRL->_bf = 0; } else if (bf == 0) //说明subRL本身就是那个新增的节点 { parent->_bf = 0; subR->_bf = 0; subRL->_bf = 0; } else { assert(false); } }
总结：
假如以pParent为根的子树不平衡，即pParent的平衡因子为2或者-2，分以下情况考虑：
①pParent的平衡因子为2，说明pParent的右子树高，设pParent的右子树的根为pSubR。
当pSubR的平衡因子为1时，执行左单旋
当pSubR的平衡因子为-1时，执行右左双旋
②pParent的平衡因子为-2，说明pParent的左子树高，设pParent的左子树的根为pSubL
当pSubL的平衡因子为-1是，执行右单旋
当pSubL的平衡因子为1时，执行左右双旋
旋转完成后，原pParent为根的子树个高度降低，已经平衡，不需要再向上更新。
验证AVL树
由于AVL树是在二叉搜索树的基础上加了平衡性后得到的树，因此需要确认一棵树是AVL树，那么就需要以下两步：
1.先确定是否是一棵二叉搜索树：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.验证其是否平衡：①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)。②节点的平衡因子是否计算正确。
代码如下：
①中序遍历：
void Inorder() { _Inorder(_root); } void _Inorder(Node* root) { if (root == nullptr) return; _Inorder(root->_left); cout << root->_kv.first << ": " << root->_kv.second << endl; _Inorder(root->_right); }
②计算高度：
int Height(Node* root) { if (root == nullptr) { return 0; } //先计算左子树的高度 int ln = Height(root->_left); //然后计算右子树的高度 int rn = Height(root->_right); return ln > rn ? ln + 1 : rn + 1; }
③验证平衡：
bool IsBalance() { return _IsBalance(_root); } bool _IsBalance(Node* root) { if (root == nullptr) return true; //计算当前节点root的平衡因子 int leftHeight = Height(root->_left); int rightHeight = Height(root->_right); //如果不同，那就将当前节点的值打印出来，并提升异常 if (rightHeight - leftHeight != root->_bf) { cout << root->_kv.first << "平衡因子异常" << endl; return false; } //通过递归，验证每一个节点的平衡因子是否符合 return abs(rightHeight - leftHeight) < 2 && _IsBalance(root->_left) && _IsBalance(root->_right); }
AVL树性能
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log_2 (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，因为做修改就很大可能需要进行旋转，每一次旋转都是比较消耗性能的！
