第六章 树【数据结构和算法】1

简介: 第六章 树【数据结构和算法】1

配套资源下载

数据结构资源下载导航【数据结构】

第6章树

6.1 应用实例

  1. 数据压缩问题
  2. 表达式的树形表示
  3. 等价类划分问题

6.2 树的概念

6.2.1树的定义与表示

1.树的定义

树(tree)是n(n≥0)个结点的有限集合。当n=0时,称为“空树”;当n>0时,该集合满足如下条件。

①有且仅有一个称为“根"(root)的特定结点,该结点没有前驱结点,但有零个或多个直接后继结点。

②除根结点之外的n-1个结点可划分成m(m≥0)个互不相交的有限集T1,T2,T3,…,Tn,

每个Ti又是一棵树,称为“根的子树”(subtree)。每棵子树的根结点有且仅有一个直接前驱就是树的根结点,同时可以有零个或多个直接后继结点。


树的定义采用了递归定义的方法,即树的定义中又用到了树的概念,这正好反映了树的特性。

2.树的表示方法

①树形图表示

②嵌套集合表示法(文氏图表示法)

③广义表表示法(嵌套括号表示法)

④凹入表示法

6.2.2 树的基本术语


以下列出一些有关树的基本术语。


结点(node):包含一个数据元素及若干指向其子树的分支。如图6-5©中的树有A、B、C、 D、E等13个结点。

结点的度(degree):结点拥有子树的个数称为该结点的“度”。如图6-5©中结点A的度为3,结点B的度为2.

树的度:树中所有结点的度的最大值。如图6-5( c )树的度为3。

叶子结点(leaf):度为0的结点称为“叶子结点”,也称“终端结点”。如图6-5©中结点E、 K、L.G等均为叶子结点。

内部结点(internal node):度不为0的结点称为“内部结点”,也称为“分支结点”或“非终端结点”。如图6-5( c )中结点B、C、D等均为内部结点


下面借助人类族谱的一些术语描述树中结点之间的关系,以便直观理解


孩子结点(child):结点的子树的根(即直接后继)称为该结点的“孩子结点”。如图6-5© 中结点B、C、D是A结点的孩子结点,结点E、F是B结点的孩子结点。

双亲结点(parent):结点是其子树的根的双亲,即结点是其孩子的双亲。如图6-5©中结 点A是B、C、D的双亲结点,结点D是H、I、J的双亲结点。

兄弟结点(sibling):同一双亲的孩子结点之间互称兄弟结点。如图6-5©中结点H、I、J互 为兄弟结点。

堂兄弟:双亲是兄弟或堂兄弟的结点间互称堂兄弟结点。如图6-5©中结点E、G、H互为 堂兄弟,结点L、M也互为堂兄弟。

祖先结点(ancestor):结点的祖先结点是指从根结点到该结点的路径上的所有结点。如图 6-5©中结点K的祖先是A、B、F结点。

子孙结点(descendant):结点的子孙结点是指该结点的子树中的所有结点。 结点D的子孙有H、1、J、M结点

结点的层次(level):结点的层次从树根开始定义,根为第一层,根的孩子为第二层。若某 点在第系层,则其孩子就在第k+1层,以此米推。如图6-5©中结点C在第二层,结点M在 四层

树的深度(deph):树中所有结点层次的最大值称为树的“深度”,也称树的“高度”。如果 6-5©中的树的深度为4。

前辈:层号比某结点层号小的结点,都可称为该结点的“前辈”。如图6-5©中结点A、B C、D都可称为结点E的前辈。

后辈:层号比某结点层号大的结点,都可称为该结点的“后辈”。如图6-5©中结点K、L 都可称为结点E的后辈

森林(forest):m(m=0)棵互不相交的树的集合称为“森林”。在数据结构中,树和森林不像自然界中有明显的量的差别,可以称0棵树、1棵树为森林。任意一棵非空的树,删去根结点变成了森林;反之,给森林中各棵树增加一个统一的根结点,就变成了一棵树

有序树(ordered tree)和无序树(unordered tree):树中结点的各棵子树从左到右是有特定次序的树称为“有序树”,否则称为“无序树”。

6.2.3树的抽象数据类型定义

6.3 二叉树

6.3.1二叉树的定义

二叉树(binary tree)是n(n20)个结点的有限集合。当n时,称为“空二叉树”;当n>( 时,该集合由一个根结点及两棵互不相交的,被分别称为“左子树”和“右子树”的二叉树 组成。

以前面定义的树为基础,二叉树可 以理解为是满足以下两个条件的树形结构

① 每个结点的度不大于2。

② 结点每棵子树的位置是明确区分左右的,不能随意改变。

由上述定义可以看出:二叉树中的每个结点只能有0、1或2个孩子,而且孩子有左右之分, 即使仅有一个孩子,也必须区分左右。位于左边的孩子(或子树)叫左孩子(左子树),位于右边 的孩子(或子树)叫右孩子(右子树)。

二叉树也是树形结构,故6.2.2小节所介绍的有关树的术语都适用于二叉树。

二叉树不是结点度不大于2的有序树,
反例:只有右子树的二叉树和只有左子树的二叉树不同

6.3.2 二叉树的性质

  1. 在二叉树的第i层上至多有2i-1个结点(i>=1)
  2. 深度为k的二叉树至多有2k-1个结点(k>=1)
  3. 对于任意一颗二叉树T,若终端结点数为n0,度为2的结点数为n2,则n0=n2+1.

下面给出两种特殊的二叉树,然后讨论其相关性质。
满二叉树 深度为k且含有2k-1个结占的一叉树称为“满二叉树”

满二叉树的连续编号:对含有n个结点的的满二叉树,约定从根开始,按层从上到下,每

层内从左到右,逐个对每一结点进行编号1,2,…,n。
完全二叉树 深度为k、结点数为n(n<=2k-1)的二叉树,当且仅当其n个结点与满二叉树

中连续编号为1至n的结点位置一一对应时,称为“完全二叉树”。


完全二叉树有两个重要特征:其一,所有叶子结点只可能出现在层号最大的两层上;其二,对

任意结点,若其右子树的层高为k,则其左子树的层高只可为k或k+1。

由定义可知,满二叉树必为完全二叉树,而完全二叉树不一定是满二叉树。

4.具有n个结点的完全二叉树的深度为[log2n」+1。向下取整


5.对于具有n个结点的完全二叉树,如果按照对满二义树结点进行连续编号的方式,

对所有结点从1开始顺序编号,则对于任意序号为的结点有以下结论。

① 如果i=1,则结点i为根,其无双亲结点;如果i>1,则结点i,则结点i的双亲结点为[i/2] 向下取整

② 如果2i<=n,则结点i的左孩子结点序号为2i,否则,结点i无左孩子。

③ 如果2i+1<=n,则结点i的右孩子结点序号为2i+1,否则,结点i无右孩子。

6.3.3 二叉树的存储

1.顺序存储结构

对于满二叉树和完全二叉树来说,可以按照对满二叉树结点连续编号的次序,将各结点数据

存放到一组连续的存储单元中,即用一维数组作存储结构,将二又树中编号为i的结点存放在数

组的第i号分量中、根据二叉树的性质5,可知数组中下标为i的结点的左孩子下标为2i,右孩

子下标为2i+1,双亲结点的下标为[ i/2」。


二叉树的顺序存储结构可描述如下。

#define MAX 100
typedef struct{
  datatype SqBiTree[ MAX+1];  //0号单元不用
  int nodemax;        //数组中最后一个结点的下标
}Bitree;

2.链式存储结构

二叉树的二叉链表结点结构:

LChild域指向该结点的左孩子

Data域指向该结点的数据

RChild域指向该结点的右孩子

typedef char DataType; 
typedef struct Node{
  DataType data;
  struct Node * LChild;
  struct Node * RChild;
}BiTNode,*BiTree;

一个二叉树含有n个结点,则它的二叉链表中必含有2n个指针域,而仅有n-1个指针域指向其孩子,其余的n+1的指针域为空的链域。

可以用空链域存储其他有用的信息,便得到“线索二叉树”


二叉树的三叉链表结点结构:

Parent域指向该结点的双亲

LChild域指向该结点的左孩子

Data域指向该结点的数据

RChild域指向该结点的右孩子

6.4 二叉树的遍历

6.4.1 二叉树的遍历及递归实现

依据对根结点访问的先后次序不同来命名二叉树的访问方式,分别称DLR为先序遍历(或
先根遍历)、LDR为中序遍历(或中根遍历),LRD为后序遍历(或后根遍历)

下面给出二叉树三种遍历方式的递归定义。

(1)先序遍历

其二叉树为空,则空操作;否则依次执行如下二个操作,

①访问根结点。

②按先序遍历左子树。

③按先序遍历右子树。

(2)中序遍历

若二叉树为空,则空操作;否则依次执行如下三个操作。

①按中序遍历左子树。

②访问根结点。

③按中序遍历右子树。

(3)后序遍历

若二叉树为空,则空操作;否则依次执行如下三个操作。

①按后序遍历左子树。

②遍历右子树。

③访问根结点。

二叉树遍历的递归实现



6.4.2 二叉树遍历的非递归实现

1.先序遍历二叉树的非递归实现

2.中序遍历二叉树的非递归实现

3.后序遍历二叉树的非递归实现


4.二叉树的层次遍历



6.4.3 遍历算法的应用

1.统计二叉树的结点数


2.输出二叉树的叶子结点


3.统计二叉树的叶子结点数目


4.求二叉树的高度


5.求结点的双亲


6.二叉树相似性判定


7.按树状打印二叉树


8.创建二叉链表存储的二叉树


数据结构 二叉树.c 所有代码最全建议下载

二叉树最完整代码资源

int main(){
  BiTree root; 
  BiTree *_root=&root;
  printf("输入扩展先序序列\n"); 
  //ABD^G^^^CE^H^^F^^ 
  CreateBiTree(_root);
  printf("先序序列(递归)\n"); 
  PreOrder(root);
  printf("\n");
  printf("中序序列(递归)\n"); 
  InOrder(root);
  printf("\n");
  printf("后序序列(递归)\n"); 
  PostOrder(root);
  printf("\n");
  printf("先序序列(非递归)\n"); 
  PreOrderN(root);
  printf("\n");
  printf("中序序列-1(非递归)\n"); 
  InOrderN1(root);
  printf("\n");
  printf("中序序列-2(非递归)\n"); 
  InOrderN2(root);
  printf("\n");
  printf("后序序列(非递归)\n"); 
  PostOrderN(root);
  printf("\n");
  printf("层次遍历\n");
  LevelOrder(root);
  printf("\n");
  if(Count!=0){
    Count=0;
  }
  printf("统计结点数\n");
  CountWithPreOrder(root);
  printf("%d",Count); 
  printf("\n");
  printf("输出叶子结点\n"); 
  PrintTNWithInOrder(root); 
  printf("\n");
  printf("统计叶子结点数\n");  
  int leafCount=leaf(root); 
  printf("%d",leafCount);
  printf("\n");
  if(depth!=0){
    depth=0;
  }
  printf("二叉树的高度\n"); 
  TreeDepth(root,1); 
  printf("%d",depth);
  printf("\n");
  printf("二叉树的高度\n"); 
  int dpth=PostTreeDepth(root); 
  printf("%d",dpth);
  printf("\n");
  printf("求双亲\n"); 
  BiTree current=(root->LChild)->LChild;
  BiTree pt=parent(root,current);
  Visit(pt->data);
  printf("\n");
  BiTree rt; 
  BiTree *_rt=&rt;
  printf("输入rt扩展先序序列\n"); 
  //ABD^G^^^CE^H^^F^^ 
  fflush(stdin); //清一下输入的\n 
  CreateBiTree(_rt);
  printf("先序序列(递归)\n"); 
  PreOrder(rt);
  printf("\n");
  printf("root和rt是否相似\n"); 
  int lk=like(root,rt);
  printf("%d",lk);
  printf("\n");
  printf("树状打印\n"); 
  int depth=PostTreeDepth(root);
  PrintTree(root,depth);
}

展示类结构




运行展示






6.4.4由遍历序列确定二叉树

1.由先序和中序确定二叉树

思想:

先序确定根结点

中序确定左右结点
2.由中序和后序确定二叉树

思想:

后序确定根结点

中序确定左右结点

相关文章
|
2月前
|
算法 数据处理 C语言
C语言中的位运算技巧,涵盖基本概念、应用场景、实用技巧及示例代码,并讨论了位运算的性能优势及其与其他数据结构和算法的结合
本文深入解析了C语言中的位运算技巧,涵盖基本概念、应用场景、实用技巧及示例代码,并讨论了位运算的性能优势及其与其他数据结构和算法的结合,旨在帮助读者掌握这一高效的数据处理方法。
58 1
|
2月前
|
机器学习/深度学习 算法 数据挖掘
K-means聚类算法是机器学习中常用的一种聚类方法,通过将数据集划分为K个簇来简化数据结构
K-means聚类算法是机器学习中常用的一种聚类方法,通过将数据集划分为K个簇来简化数据结构。本文介绍了K-means算法的基本原理,包括初始化、数据点分配与簇中心更新等步骤,以及如何在Python中实现该算法,最后讨论了其优缺点及应用场景。
146 4
|
2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。
60 0
|
16天前
|
存储 运维 监控
探索局域网电脑监控软件:Python算法与数据结构的巧妙结合
在数字化时代,局域网电脑监控软件成为企业管理和IT运维的重要工具,确保数据安全和网络稳定。本文探讨其背后的关键技术——Python中的算法与数据结构,如字典用于高效存储设备信息,以及数据收集、异常检测和聚合算法提升监控效率。通过Python代码示例,展示了如何实现基本监控功能,帮助读者理解其工作原理并激发技术兴趣。
50 20
|
2月前
|
存储 算法 搜索推荐
Python 中数据结构和算法的关系
数据结构是算法的载体,算法是对数据结构的操作和运用。它们共同构成了计算机程序的核心,对于提高程序的质量和性能具有至关重要的作用
|
2月前
|
数据采集 存储 算法
Python 中的数据结构和算法优化策略
Python中的数据结构和算法如何进行优化?
|
2月前
|
算法
数据结构之路由表查找算法(深度优先搜索和宽度优先搜索)
在网络通信中,路由表用于指导数据包的传输路径。本文介绍了两种常用的路由表查找算法——深度优先算法(DFS)和宽度优先算法(BFS)。DFS使用栈实现,适合路径问题;BFS使用队列,保证找到最短路径。两者均能有效查找路由信息,但适用场景不同,需根据具体需求选择。文中还提供了这两种算法的核心代码及测试结果,验证了算法的有效性。
117 23
|
2月前
|
算法
数据结构之蜜蜂算法
蜜蜂算法是一种受蜜蜂觅食行为启发的优化算法,通过模拟蜜蜂的群体智能来解决优化问题。本文介绍了蜜蜂算法的基本原理、数据结构设计、核心代码实现及算法优缺点。算法通过迭代更新蜜蜂位置,逐步优化适应度,最终找到问题的最优解。代码实现了单链表结构,用于管理蜜蜂节点,并通过适应度计算、节点移动等操作实现算法的核心功能。蜜蜂算法具有全局寻优能力强、参数设置简单等优点,但也存在对初始化参数敏感、计算复杂度高等缺点。
64 20
|
2月前
|
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。
75 5
|
2月前
|
并行计算 算法 测试技术
C语言因高效灵活被广泛应用于软件开发。本文探讨了优化C语言程序性能的策略,涵盖算法优化、代码结构优化、内存管理优化、编译器优化、数据结构优化、并行计算优化及性能测试与分析七个方面
C语言因高效灵活被广泛应用于软件开发。本文探讨了优化C语言程序性能的策略,涵盖算法优化、代码结构优化、内存管理优化、编译器优化、数据结构优化、并行计算优化及性能测试与分析七个方面,旨在通过综合策略提升程序性能,满足实际需求。
68 1