AVL树底层实现

简介: AVL树底层实现



AVL树简介

AVL树是对二叉搜索树的改进,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。

AVL树是由两位俄罗斯的数学家G.M.Adelson-Velskii和E.M.Landis在1962年发明,A、V、L是他们名的首字母。

AVL树节点定义

相对于普通搜索二叉树,多了 parent 和 _bf 这两个成员变量,_bf 为平衡因子,_parent为指向父节点的指针,利用_parent 这个指针可以更方便的修改平衡因子、旋转AVL树

AVL树特性

一棵AVL树或者是空树,或者是具有以下性质的二叉搜索树:

  • 它的左右子树都是AVL树
  • 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)

如图,每个节点都多存一个整形的平衡因子,需要保持任一节点的平衡因子(右子树高度 - 左子树高度)绝对值不超过1,每次插入节点后都要更新节点的平衡因子(循环更新),如果平衡因子的绝对值大于1的话,就要进行“旋转”。

AVL树的建立

AVL树的插入

AVL树就是在二叉搜索树的基础上引入了平衡因子,因此AVL树也可以看成是二叉搜索树。那么

AVL树的插入过程可以分为两步:

  • 1. 按照二叉搜索树的方式插入新节点
  • 2. 调整节点的平衡因子

调正平衡因子:右子树插入新节点,父节点平衡因子加1;左子树插入新节点,父节点平衡因子加1。并且要向上更新,直到出现父节点平衡因子等于0(调正结束)或者父节点平衡因子等于2/-2(平衡因子出错,需要调正)

更新后父节点 bf(平衡因子)

== 0  不用向上更新,插入结束

== 1/-1 子树变高了,必须向上更新

== 2/-2 子树违反规则,需调正(旋转)处理

AVL树的旋转

AVL树的旋转一共有四种,分别是 左单旋、右单旋、右左双旋、左右双旋

  • 左单旋:新节点插入较高右子树的右侧 ————右右:左单旋
  • 右单旋:新节点插入较高左子树的左侧 ————左左:右单旋
  • 右左双旋:新节点插入较高右子树的左侧 ————右左:右左双旋
  • 左右双旋:新节点插入较高左子树的右侧 ————左右:左右双旋

右左双旋

规律如下:“左子树和左边的结合,右子树和右边的结合,自己变成父节点放上去”

左右双旋

规律依然是:“左子树和左边的结合,右子树和右边的结合,自己变成父节点放上去”。

验证AVL树

当你写了一个AVL树,如何验证他对不对呢?需要把握两个点

1. 验证其为二叉搜索树

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. 验证其为平衡树(AVL树)

  • 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)
  • 节点的平衡因子是否计算正确

每个节点的左右子树都是AVL树,要使用递归 + && 来确保这些节点左右子树的高度差和平衡因子都符合要求!(具体实现在代码部分)

AVL树的实现(代码部分)

#pragma once
#include<iostream>
#include<assert.h>
using namespace std;
template<class K, class V>
struct AVLTreeNode
{
  AVLTreeNode(const pair<K, V>& kv)
    : _right(nullptr)
    , _left(nullptr)
    , _parent(nullptr)
    , _bf(0)
    , _kv(kv)
  {}
  AVLTreeNode<K, V>* _right;
  AVLTreeNode<K, V>* _left;
  AVLTreeNode<K, V>* _parent;
  pair<K, V> _kv;
  int _bf;
};
template<class K, class V>
class AVLTree
{
  typedef AVLTreeNode<K, V> AVLNode;
public:
  int Height(AVLNode* root)
  {
    if (root == nullptr)
      return 0;
    int leftHeight = Height(root->_left);
    int rightHeight = Height(root->_right);
    return leftHeight > rightHeight ? leftHeight + 1 : rightHeight + 1;
  }
  bool _IsAVLTree(AVLNode* root)
  {
    if (root == nullptr) return true;
    int Height1 = Height(root->_left);
    int Height2 = Height(root->_right);
    int diff = Height2 - Height1;
    if (diff != root->_bf)
    {
      cout << root->_kv.first << " 平衡因子异常" << endl;
      return false;
    }
    return _IsAVLTree(root->_left)
      && _IsAVLTree(root->_right)
      && abs(diff) < 2;
  }
  bool IsAVLTree()
  {
    return _IsAVLTree(_root);
  }
  void Order()
  {
    _Order(_root);
    cout << endl;
  }
  void _Order(AVLNode* root)
  {
    if (root == nullptr)
      return;
    _Order(root->_left);
    cout << root->_kv.first << " ";
    _Order(root->_right);
  }
  bool Insert(const pair<K, V>& kv)
  {
    // 首次插入,树为空的情况
    if (_root == nullptr)
    {
      _root = new AVLNode(kv);
      return true;
    }
    AVLNode* parent = nullptr; //记录父节点
    AVLNode* cur = _root;// 开始遍历
    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;// 不能找到!找到说明已经有 key 了,插入失败
      }
    }
    // 运行到此处,即将要插入的位置
    cur = new AVLNode(kv);
    // 调整 cur 和 parent 的一些指针
    if (parent->_kv.first > kv.first) // 使用 parent->_kv.first 与 kv.first的比较
    {
      parent->_left = cur;
    }
    else if (parent->_kv.first < kv.first)
    {
      parent->_right = cur;
    }
    cur->_parent = parent;
    // 判断更新后父亲结点的大小
    // cur原本为新增节点  但是根据逐步更新父节点 parent,它会一直是成为 parent 的子节点
    while (parent)
    {
      if (cur == parent->_right)// 插入节点在右边
      {
        parent->_bf++;
      }
      else if (cur == parent->_left)
      {
        parent->_bf--;
      }
      if (parent->_bf == 0)
      {
        // 等于0,说明不用往上更新了,恰好父亲的两边一样高了
        break;
      }
      else if (parent->_bf == 1 || parent->_bf == -1)
      {
        //说明高度增加了(是从0变为了1或者-1)
        cur = parent;
        parent = parent->_parent;
        // 向上更新一步
      }
      else if (parent->_bf == 2 || parent->_bf == -2) // 原来平衡因子等于 1 的节点的右子树插入了一个 或者原来平衡因子等于 -1 的节点左子树插入了一个
      {
        // 违反规则了,需要旋转
        if (parent->_bf == 2 && cur->_bf == 1)
        {
          // 1、新节点插入较高右子树的右侧———— 右右 左单旋
          RotateL(parent);
        }
        else if (parent->_bf == -2 && cur->_bf == -1)
        {
          // 2、新节点插入较高左子树的左侧———— 左左 右单旋
          RotateR(parent);
        }
        else if (parent->_bf == 2 && cur->_bf == -1)
        {
          // 3、新节点插入较高右子树的左侧———— 右左 右左双旋  先右旋再左旋
          RotateRL(parent);
        }
        else if (parent->_bf == -2 && cur->_bf == 1)
        {
          // 4、新节点插入较高左子树的右侧———— 左右 左右双旋  先左旋再右旋
          RotateLR(parent);
        }
        break;
      }
      else
      {
        assert(false);
      }
    }
    return true;
  }
  void RotateLR(AVLNode* parent)
  {
    AVLNode* subL = parent->_left;
    AVLNode* subLR = subL->_right;
    int bf = subLR->_bf;
    RotateL(subL);
    RotateR(parent);
    if (bf == 0)// 自己是新增节点
    {
      subL->_bf = 0;
      subLR->_bf = 0;
      parent->_bf = 0;
    }
    else if (bf == -1) // subL 左子树有新增节点
    {
      subLR->_bf = 0;
      subL->_bf = 0;
      parent->_bf = 1;
    }
    else if (bf == 1) // subL 右子树有新增节点
    {
      subLR->_bf = 0;
      subL->_bf = -1;
      parent->_bf = 0;
    }
  }
  void RotateRL(AVLNode* parent)
  {
    AVLNode* subR = parent->_right;
    AVLNode* subRL = subR->_left;
    int bf = subRL->_bf;
    RotateR(subR);
    RotateL(parent);
    if (bf == 0)  //subRL 自己就是新增节点
    {
      subRL->_bf = 0;
      subR->_bf = 0;
      parent->_bf = 0;
    }
    else if (bf == 1) // subRL 右子树有新增节点
    {
      subRL->_bf = 0;
      subR->_bf = 0;
      parent->_bf = -1;
    }
    else if (bf == -1)// subRL 左子树有新增节点
    {
      subRL->_bf = 0;
      subR->_bf = 1;
      parent->_bf = 0;
    }
  }
  void RotateR(AVLNode* parent)
  {
    AVLNode* subL = parent->_left;
    AVLNode* subLR = subL->_right;
    AVLNode* parentParent = parent->_parent;
    subL->_right = parent;
    parent->_parent = subL;
    parent->_left = subLR;
    if (subLR)
      subLR->_parent = parent;
    if (parent == _root)
    {
      _root = subL;
      subL-> _parent = nullptr;
    }
    else
    {
      if (parentParent->_left == parent)
      {
        parentParent->_left = subL;
      }
      else if (parentParent->_right == parent)
      {
        parentParent->_right = subL;
      }
      subL->_parent = parentParent;
    }
    subL->_bf = parent->_bf = 0;
  }
  void RotateL(AVLNode* parent)
  {
    AVLNode* subR = parent->_right;
    AVLNode* subRL = subR->_left;
    AVLNode* parentParent = parent->_parent;
    subR->_left = parent;
    parent->_parent = subR;
    if (subRL)
      subRL->_parent = parent;
    parent->_right = subRL;
    if (parent == _root)
    {
      _root = subR;
      subR->_parent = nullptr;
    }
    else
    {
      // 先找到 parent 是父亲的左子树还是右子树
      if (parentParent->_left == parent) // 左子树
      {
        parentParent->_left = subR;
      }
      else if (parentParent->_right == parent) // 右子树
      {
        parentParent->_right = subR;
      }
      subR->_parent = parentParent;
    }
    parent->_bf = subR->_bf = 0;
  }
private:
  AVLNode* _root = nullptr;
};

相关文章
|
10月前
|
存储 人工智能 自然语言处理
构建AI智能体:二十三、RAG超越语义搜索:如何用Rerank模型实现检索精度的大幅提升
本文介绍了重排序(Rerank)技术在检索增强生成(RAG)系统中的应用。Rerank作为初始检索和最终生成之间的关键环节,通过交叉编码器对初步检索结果进行精细化排序,筛选出最相关的少量文档提供给大语言模型。相比Embedding模型,Rerank能更精准理解查询-文档的语义关系,显著提高答案质量,降低Token消耗。文章详细比较了BGE-Rerank和CohereRerank等主流模型,并通过代码示例展示了Rerank在解决歧义查询(如区分苹果公司和水果)上的优势。
2384 5
|
9月前
|
存储 人工智能 安全
无影GPU云电脑,焕新升级!
在AI与3D技术爆发时代,阿里云「无影云AI工作站」以RTX 5880 Ada GPU打造云端超级终端,提供192GB显存、4K低延迟体验,支持实时渲染、AIGC、数字人直播。全球11地部署、按需付费、数据加密安全可控,免本地硬件投入,让创意与科研高效前行。
|
9月前
|
人工智能 自然语言处理 语音技术
AI数字人企业全域技术新排行
数字人企业生态圈全景解析:从像衍科技全栈自研突破,到BAT等巨头布局,涵盖技术、应用与商业变革。揭秘虚拟偶像、数字员工如何重构产业逻辑,推动AI与实体经济深度融合。
|
JavaScript 前端开发 API
鸿蒙5开发宝藏案例分享---Web加载时延优化解析
本文深入解析了鸿蒙开发中Web加载完成时延的优化技巧,结合官方案例与实际代码,助你提升性能。核心内容包括:使用DevEco Profiler和DevTools定位瓶颈、四大优化方向(资源合并、接口预取、图片懒加载、任务拆解)及高频手段总结。同时提供性能优化黄金准则,如首屏资源控制在300KB内、关键接口响应≤200ms等,帮助开发者实现丝般流畅体验。
|
9月前
|
人工智能 自然语言处理 安全
中小微企业 AI 客服系统建设费用:高性价比选择指南
瓴羊Quick Service是阿里云旗下智能客服产品,专为中小微企业设计,支持全渠道接入、7×24小时AI应答,准确率达93%,年费仅1万元起,助力企业低成本实现高效服务升级。
|
9月前
|
运维 Docker 容器
14-Docker-compose容器编排
Docker-Compose 是 Docker 官方开源工具,用于快速编排和管理多容器应用。通过编写 `docker-compose.yml` 文件定义服务关系,实现一键启停、构建、部署多个容器,简化了复杂应用的管理流程,提升开发运维效率。
194 0
|
存储 程序员
C 标准库 - <time.h>详解
`&lt;time.h&gt;` 是 C 标准库中用于处理时间和日期的头文件,提供了多种函数、宏和类型来获取和操作时间信息。重要数据类型包括 `time_t` 和 `struct tm`,前者表示从 1970 年 1 月 1 日以来的秒数,后者包含详细的日期和时间字段。
|
JavaScript UED
【vue】iview组件 DatePicker 日期选择器如何显示默认当前日期
【vue】iview组件 DatePicker 日期选择器如何显示默认当前日期
938 1
|
存储 人工智能 缓存
OSS与NAS混合云存储架构:非结构化数据统一管理实战
AI训练集管理面临数据规模爆炸与访问模式多样的挑战。传统单一存储方案存在成本高、访问慢等问题。创新混合架构融合OSS与NAS,实现热冷数据自动分层,降低存储成本62%,提升训练速度3.8倍。通过统一接口、智能调度与自动迁移,兼顾高性能与低成本,助力AI训练高效稳定运行。
749 0
|
数据采集 人工智能 API
生物医药蛋白分子数据采集:支撑大模型训练的技术实践分享
作为生物信息学领域的数据工程师,近期在为蛋白质相互作用预测AI大模型构建训练集时,我面临着从PDB、UniProt等学术数据库获取高质量三维结构、序列及功能注释数据的核心挑战。通过综合运用反爬对抗技术,成功突破了数据库的速率限制、验证码验证等反爬机制,将数据采集效率提升4倍,为蛋白质-配体结合预测模型训练提供了包含10万+条有效数据的基础数据集,提高了该模型预测的准确性。
797 1