算法系列15天速成——第十二天 树操作【中】

简介: 原文:算法系列15天速成——第十二天 树操作【中】      先前说了树的基本操作,我们采用的是二叉链表来保存树形结构,当然二叉有二叉的困扰之处,比如我想找到当前结点 的“前驱”和“后继”,那么我们就必须要遍历一下树,然后才能定位到该“节点”的“前驱”和“后继”,每次定位都是O(n),这 不是我们想看到的,那么有什么办法来解决呢?    (1) 在节点域中增加二个指针域,分别保存“前驱”和“后继”,那么就是四叉链表了,哈哈,还是有点浪费空间啊。
原文: 算法系列15天速成——第十二天 树操作【中】

 

    先前说了树的基本操作,我们采用的是二叉链表来保存树形结构,当然二叉有二叉的困扰之处,比如我想找到当前结点

的“前驱”和“后继”,那么我们就必须要遍历一下树,然后才能定位到该“节点”的“前驱”和“后继”,每次定位都是O(n),这

不是我们想看到的,那么有什么办法来解决呢?

   (1) 在节点域中增加二个指针域,分别保存“前驱”和“后继”,那么就是四叉链表了,哈哈,还是有点浪费空间啊。

   (2) 看下面的这个二叉树,我们知道每个结点有2个指针域,4个节点就有8个指针域,其实真正保存节点的指针

            仅有3个,还有5个是空闲的,那么为什么我们不用那些空闲的指针域呢,达到资源的合理充分的利用。

一: 线索二叉树

 

1  概念

      刚才所说的在空闲的指针域里面存放“前驱”和“后继”就是所谓的线索。

        <1>  左线索:   在空闲的左指针域中存放该“结点”的“前驱”被认为是左线索。

        <2>  右线索:   在空闲的右指针域中存放该“结点“的”后继“被认为是右线索。

      当“二叉链表”被套上这种线索,就被认为是线索链表,当“二叉树”被套上这种线索就被认为是线索二叉树,当然线索根据

二叉树的遍历形式不同被分为“先序线索”,“中序线索”,“后序线索”。

 

2  结构图

      说了这么多,我们还是上图说话,就拿下面的二叉树,我们构建一个中序线索二叉树,需要多动动脑子哟。

     <1> 首先要找到“中序遍历”中的首结点D,因为“D结点”是首节点,所以不存在“前驱”,左指针自然是空,

            ”D节点”的右指针存放的是“后继”,那么根据“中序遍历”的规则应该是B,所以D的右指针存放着B节点。

     <2>  接着就是“B节点”,他的左指针不为空,所以就不管了,但是他的“右指针”空闲,根据规则“B结点“的右

             指针存放的是"A结点“。

     <3>  然后就是“A节点”,他已经被塞的满满的,所以就没有“线索”可言了。

     <4>  最后就是“C节点”,根据规则,他的“左指针”存放着就是“A节点“,”C节点“是最后一个节点,右指针自然就是空的,你懂的。

3 基本操作

   

   常用的操作一般有“创建线索二叉树”,”查找后继节点“,”查找前驱节点“,”遍历线索二叉树“,下面的操作我们就以”中序遍历“

来创建中序线索二叉树。

 

<1>  线索二叉树结构

          从“结构图”中可以看到,现在结点的指针域中要么是”子节点(SubTree)“或者是”线索(Thread)“,此时就要设立标志位来表示指针域

      存放的是哪一种。

 1     #region 节点标识(用于判断孩子是节点还是线索)
2 /// <summary>
3 /// 节点标识(用于判断孩子是节点还是线索)
4 /// </summary>
5 public enum NodeFlag
6 {
7 SubTree = 1,
8 Thread = 2
9 }
10 #endregion
11
12 #region 线索二叉树的结构
13 /// <summary>
14 /// 线索二叉树的结构
15 /// </summary>
16 /// <typeparam name="T"></typeparam>
17 public class ThreadTree<T>
18 {
19 public T data;
20 public ThreadTree<T> left;
21 public ThreadTree<T> right;
22 public NodeFlag leftFlag;
23 public NodeFlag rightFlag;
24 }
25 #endregion


<2>  创建线索二叉树

        刚才也说了如何构建中序线索二叉树,在代码实现中,我们需要定义一个节点来保存当前节点的前驱,我练习的时候迫不得已,只能使用两个

    ref来实现地址操作,达到一个Tree能够让两个变量来操作。

 1 #region 中序遍历构建线索二叉树
2 /// <summary>
3 /// 中序遍历构建线索二叉树
4 /// </summary>
5 /// <typeparam name="T"></typeparam>
6 /// <param name="tree"></param>
7 public void BinTreeThreadingCreate_LDR<T>(ref ThreadTree<T> tree, ref ThreadTree<T> prevNode)
8 {
9 if (tree == null)
10 return;
11
12 //先左子树遍历,寻找起始点
13 BinTreeThreadingCreate_LDR(ref tree.left, ref prevNode);
14
15 //如果left为空,则说明该节点可以放“线索”
16 tree.leftFlag = (tree.left == null) ? NodeFlag.Thread : NodeFlag.SubTree;
17
18 //如果right为空,则说明该节点可以放“线索”
19 tree.rightFlag = (tree.right == null) ? NodeFlag.Thread : NodeFlag.SubTree;
20
21 if (prevNode != null)
22 {
23 if (tree.leftFlag == NodeFlag.Thread)
24 tree.left = prevNode;
25 if (prevNode.rightFlag == NodeFlag.Thread)
26 prevNode.right = tree;
27 }
28
29 //保存前驱节点
30 prevNode = tree;
31
32 BinTreeThreadingCreate_LDR(ref tree.right, ref prevNode);
33 }
34 #endregion

 

<3> 查找后继结点

         现在大家都知道,后继结点都是保存在“结点“的右指针域中,那么就存在”两种情况“。

            《1》 拿“B节点“来说,他没有右孩子,则肯定存放着线索(Thread),所以我们直接O(1)的返回他的线索即可。

            《2》 拿“A节点”来说,他有右孩子,即右指针域存放的是SubTree,悲哀啊,如何才能得到“A节点“的后继呢?其实也很简单,

                    根据”中序“的定义,”A节点“的后继必定是”A节点“的右子树往左链找的第一个没有左孩子的节点(只可意会,不可言传,嘻嘻)。

 1 #region 查找指定节点的后继
2 /// <summary>
3 /// 查找指定节点的后继
4 /// </summary>
5 /// <typeparam name="T"></typeparam>
6 /// <param name="tree"></param>
7 public ThreadTree<T> BinTreeThreadNext_LDR<T>(ThreadTree<T> tree)
8 {
9 if (tree == null)
10 return null;
11
12 //如果查找节点的标志域中是Thread,则直接获取
13 if (tree.rightFlag == NodeFlag.Thread)
14 return tree.right;
15 else
16 {
17 //根据中序遍历的规则是寻找右子树中中序遍历的第一个节点
18 var rightNode = tree.right;
19
20 //如果该节点是subTree就需要循环遍历
21 while (rightNode.leftFlag == NodeFlag.SubTree)
22 {
23 rightNode = rightNode.left;
24 }
25 return rightNode;
26 }
27 }
28 #endregion

 

<4> 查找前驱节点
        

        这个跟(3)的操作很类似,同样也具有两个情况。

          《1》  拿“C结点”来说,他没有“左子树”,则说明“C节点”的左指针为Thread,此时,我们只要返回左指针域即可得到前驱结点。

          《2》  拿"A节点“来说,他有”左子树“,则说明”A节点“的左指针为SubTree,那么怎么找的到”A节点“的前驱呢?同样啊,根据

                   ”中序遍历“的性质,我们可以得知在”A节点“的左子树中往”右链“中找到第一个没有”右孩子“的节点。

 1 #region 查找指定节点的前驱
2 /// <summary>
3 /// 查找指定节点的前驱
4 /// </summary>
5 /// <typeparam name="T"></typeparam>
6 /// <param name="tree"></param>
7 /// <returns></returns>
8 public ThreadTree<T> BinTreeThreadPrev_LDR<T>(ThreadTree<T> tree)
9 {
10 if (tree == null)
11 return null;
12
13 //如果标志域中存放的是线索,那么可以直接找出来
14 if (tree.leftFlag == NodeFlag.Thread)
15 return tree.left;
16 else
17 {
18 //根据”中序“的规则可知,如果不为Thread,则要找出左子树的最后节点
19 //也就是左子树中最后输出的元素
20 var leftNode = tree.left;
21
22 while (leftNode.rightFlag == NodeFlag.SubTree)
23 leftNode = leftNode.right;
24
25 return leftNode;
26 }
27 }
28 #endregion


<5> 遍历线索二叉树

          因为我们构建线索的时候采用的是“中序”,那么我们遍历同样采用“中序”,大家是否看到了“线索”的好处,此时我们找某个节点的时间复杂度变为了

        O(1) ~0(n)的时间段,比不是线索的时候查找“前驱"和“后继”效率要高很多。

 1 #region 遍历线索二叉树
2 /// <summary>
3 /// 遍历线索二叉树
4 /// </summary>
5 /// <typeparam name="T"></typeparam>
6 /// <param name="tree"></param>
7 public void BinTreeThread_LDR<T>(ThreadTree<T> tree)
8 {
9 if (tree == null)
10 return;
11
12 while (tree.leftFlag == NodeFlag.SubTree)
13 tree = tree.left;
14
15 do
16 {
17 Console.Write(tree.data + "\t");
18
19 tree = BinTreeThreadNext_LDR(tree);
20
21 } while (tree != null);
22
23 }
24 #endregion

 

最后上一下总的运行代码

View Code
  1 using System;
2 using System.Collections.Generic;
3 using System.Linq;
4 using System.Text;
5
6 namespace ThreadChainTree
7 {
8 class Program
9 {
10 static void Main(string[] args)
11 {
12 ThreadTreeManager manager = new ThreadTreeManager();
13
14 //生成根节点
15 ThreadTree<string> tree = CreateRoot();
16
17 //生成节点
18 AddNode(tree);
19
20 ThreadTree<string> prevNode = null;
21
22 //构建线索二叉树
23 manager.BinTreeThreadingCreate_LDR(ref tree, ref prevNode);
24
25 Console.WriteLine("\n线索二叉树的遍历结果为:\n");
26 //中序遍历线索二叉树
27 manager.BinTreeThread_LDR(tree);
28 }
29
30 #region 生成根节点
31 /// <summary>
32 /// 生成根节点
33 /// </summary>
34 /// <returns></returns>
35 static ThreadTree<string> CreateRoot()
36 {
37 ThreadTree<string> tree = new ThreadTree<string>();
38
39 Console.WriteLine("请输入根节点,方便我们生成树\n");
40
41 tree.data = Console.ReadLine();
42
43 Console.WriteLine("根节点生成已经生成\n");
44
45 return tree;
46 }
47 #endregion
48
49 #region 插入节点操作
50 /// <summary>
51 /// 插入节点操作
52 /// </summary>
53 /// <param name="tree"></param>
54 static ThreadTree<string> AddNode(ThreadTree<string> tree)
55 {
56 ThreadTreeManager mananger = new ThreadTreeManager();
57
58 while (true)
59 {
60 ThreadTree<string> node = new ThreadTree<string>();
61
62 Console.WriteLine("请输入要插入节点的数据:\n");
63
64 node.data = Console.ReadLine();
65
66 Console.WriteLine("请输入要查找的父节点数据:\n");
67
68 var parentData = Console.ReadLine();
69
70 if (tree == null)
71 {
72 Console.WriteLine("未找到您输入的父节点,请重新输入。");
73 continue;
74 }
75
76 Console.WriteLine("请确定要插入到父节点的:1 左侧,2 右侧");
77
78 Direction direction = (Direction)Enum.Parse(typeof(Direction), Console.ReadLine());
79
80 tree = mananger.BinTreeThreadAddNode(tree, node, parentData, direction);
81
82 Console.WriteLine("插入成功,是否继续? 1 继续, 2 退出");
83
84 if (int.Parse(Console.ReadLine()) == 1)
85 continue;
86 else
87 break;
88 }
89
90 return tree;
91 }
92 #endregion
93 }
94
95 #region 节点标识(用于判断孩子是节点还是线索)
96 /// <summary>
97 /// 节点标识(用于判断孩子是节点还是线索)
98 /// </summary>
99 public enum NodeFlag
100 {
101 SubTree = 1,
102 Thread = 2
103 }
104 #endregion
105
106 #region 线索二叉树的结构
107 /// <summary>
108 /// 线索二叉树的结构
109 /// </summary>
110 /// <typeparam name="T"></typeparam>
111 public class ThreadTree<T>
112 {
113 public T data;
114 public ThreadTree<T> left;
115 public ThreadTree<T> right;
116 public NodeFlag leftFlag;
117 public NodeFlag rightFlag;
118 }
119 #endregion
120
121 #region 插入左节点或者右节点
122 /// <summary>
123 /// 插入左节点或者右节点
124 /// </summary>
125 public enum Direction { Left = 1, Right = 2 }
126 #endregion
127
128 #region 线索二叉树的基本操作
129 /// <summary>
130 /// 线索二叉树的基本操作
131 /// </summary>
132 public class ThreadTreeManager
133 {
134 #region 将指定节点插入到二叉树中
135 /// <summary>
136 /// 将指定节点插入到二叉树中
137 /// </summary>
138 /// <typeparam name="T"></typeparam>
139 /// <param name="tree"></param>
140 /// <param name="node"></param>
141 /// <param name="direction">插入做左是右</param>
142 /// <returns></returns>
143 public ThreadTree<T> BinTreeThreadAddNode<T>(ThreadTree<T> tree, ThreadTree<T> node, T data, Direction direction)
144 {
145 if (tree == null)
146 return null;
147
148 if (tree.data.Equals(data))
149 {
150 switch (direction)
151 {
152 case Direction.Left:
153 if (tree.left != null)
154 throw new Exception("树的左节点不为空,不能插入");
155 else
156 tree.left = node;
157
158 break;
159 case Direction.Right:
160 if (tree.right != null)
161 throw new Exception("树的右节点不为空,不能插入");
162 else
163 tree.right = node;
164
165 break;
166 }
167 }
168
169 BinTreeThreadAddNode(tree.left, node, data, direction);
170 BinTreeThreadAddNode(tree.right, node, data, direction);
171
172 return tree;
173 }
174 #endregion
175
176 #region 中序遍历构建线索二叉树
177 /// <summary>
178 /// 中序遍历构建线索二叉树
179 /// </summary>
180 /// <typeparam name="T"></typeparam>
181 /// <param name="tree"></param>
182 public void BinTreeThreadingCreate_LDR<T>(ref ThreadTree<T> tree, ref ThreadTree<T> prevNode)
183 {
184 if (tree == null)
185 return;
186
187 //先左子树遍历,寻找起始点
188 BinTreeThreadingCreate_LDR(ref tree.left, ref prevNode);
189
190 //如果left为空,则说明该节点可以放“线索”
191 tree.leftFlag = (tree.left == null) ? NodeFlag.Thread : NodeFlag.SubTree;
192
193 //如果right为空,则说明该节点可以放“线索”
194 tree.rightFlag = (tree.right == null) ? NodeFlag.Thread : NodeFlag.SubTree;
195
196 if (prevNode != null)
197 {
198 if (tree.leftFlag == NodeFlag.Thread)
199 tree.left = prevNode;
200 if (prevNode.rightFlag == NodeFlag.Thread)
201 prevNode.right = tree;
202 }
203
204 //保存前驱节点
205 prevNode = tree;
206
207 BinTreeThreadingCreate_LDR(ref tree.right, ref prevNode);
208 }
209 #endregion
210
211 #region 查找指定节点的后继
212 /// <summary>
213 /// 查找指定节点的后继
214 /// </summary>
215 /// <typeparam name="T"></typeparam>
216 /// <param name="tree"></param>
217 public ThreadTree<T> BinTreeThreadNext_LDR<T>(ThreadTree<T> tree)
218 {
219 if (tree == null)
220 return null;
221
222 //如果查找节点的标志域中是Thread,则直接获取
223 if (tree.rightFlag == NodeFlag.Thread)
224 return tree.right;
225 else
226 {
227 //根据中序遍历的规则是寻找右子树中中序遍历的第一个节点
228 var rightNode = tree.right;
229
230 //如果该节点是subTree就需要循环遍历
231 while (rightNode.leftFlag == NodeFlag.SubTree)
232 {
233 rightNode = rightNode.left;
234 }
235 return rightNode;
236 }
237 }
238 #endregion
239
240 #region 查找指定节点的前驱
241 /// <summary>
242 /// 查找指定节点的前驱
243 /// </summary>
244 /// <typeparam name="T"></typeparam>
245 /// <param name="tree"></param>
246 /// <returns></returns>
247 public ThreadTree<T> BinTreeThreadPrev_LDR<T>(ThreadTree<T> tree)
248 {
249 if (tree == null)
250 return null;
251
252 //如果标志域中存放的是线索,那么可以直接找出来
253 if (tree.leftFlag == NodeFlag.Thread)
254 return tree.left;
255 else
256 {
257 //根据”中序“的规则可知,如果不为Thread,则要找出左子树的最后节点
258 //也就是左子树中最后输出的元素
259 var leftNode = tree.left;
260
261 while (leftNode.rightFlag == NodeFlag.SubTree)
262 leftNode = leftNode.right;
263
264 return leftNode;
265 }
266 }
267 #endregion
268
269 #region 遍历线索二叉树
270 /// <summary>
271 /// 遍历线索二叉树
272 /// </summary>
273 /// <typeparam name="T"></typeparam>
274 /// <param name="tree"></param>
275 public void BinTreeThread_LDR<T>(ThreadTree<T> tree)
276 {
277 if (tree == null)
278 return;
279
280 while (tree.leftFlag == NodeFlag.SubTree)
281 tree = tree.left;
282
283 do
284 {
285 Console.Write(tree.data + "\t");
286
287 tree = BinTreeThreadNext_LDR(tree);
288
289 } while (tree != null);
290
291 }
292 #endregion
293 }
294 #endregion
295 }

 

将文章开头处的数据输入到存储结构中

 

 

 

目录
相关文章
|
2月前
|
存储 机器学习/深度学习 监控
网络管理监控软件的 C# 区间树性能阈值查询算法
针对网络管理监控软件的高效区间查询需求,本文提出基于区间树的优化方案。传统线性遍历效率低,10万条数据查询超800ms,难以满足实时性要求。区间树以平衡二叉搜索树结构,结合节点最大值剪枝策略,将查询复杂度从O(N)降至O(logN+K),显著提升性能。通过C#实现,支持按指标类型分组建树、增量插入与多维度联合查询,在10万记录下查询耗时仅约2.8ms,内存占用降低35%。测试表明,该方案有效解决高负载场景下的响应延迟问题,助力管理员快速定位异常设备,提升运维效率与系统稳定性。
232 4
|
5月前
|
监控 算法 安全
基于 C# 基数树算法的网络屏幕监控敏感词检测技术研究
随着数字化办公和网络交互迅猛发展,网络屏幕监控成为信息安全的关键。基数树(Trie Tree)凭借高效的字符串处理能力,在敏感词检测中表现出色。结合C#语言,可构建高时效、高准确率的敏感词识别模块,提升网络安全防护能力。
146 2
|
7月前
|
存储 机器学习/深度学习 算法
KMP、Trie树 、AC自动机‌ ,三大算法实现 优雅 过滤 netty 敏感词
KMP、Trie树 、AC自动机‌ ,三大算法实现 优雅 过滤 netty 敏感词
KMP、Trie树 、AC自动机‌ ,三大算法实现 优雅 过滤 netty  敏感词
|
7月前
|
监控 算法 数据处理
基于 C++ 的 KD 树算法在监控局域网屏幕中的理论剖析与工程实践研究
本文探讨了KD树在局域网屏幕监控中的应用,通过C++实现其构建与查询功能,显著提升多维数据处理效率。KD树作为一种二叉空间划分结构,适用于屏幕图像特征匹配、异常画面检测及数据压缩传输优化等场景。相比传统方法,基于KD树的方案检索效率提升2-3个数量级,但高维数据退化和动态更新等问题仍需进一步研究。未来可通过融合其他数据结构、引入深度学习及开发增量式更新算法等方式优化性能。
206 17
|
7月前
|
存储 监控 算法
局域网上网记录监控的 C# 基数树算法高效检索方案研究
在企业网络管理与信息安全领域,局域网上网记录监控是维护网络安全、规范网络行为的关键举措。随着企业网络数据量呈指数级增长,如何高效存储和检索上网记录数据成为亟待解决的核心问题。基数树(Trie 树)作为一种独特的数据结构,凭借其在字符串处理方面的卓越性能,为局域网上网记录监控提供了创新的解决方案。本文将深入剖析基数树算法的原理,并通过 C# 语言实现的代码示例,阐述其在局域网上网记录监控场景中的具体应用。
185 7
|
9月前
|
人工智能 算法 语音技术
Video-T1:视频生成实时手术刀!清华腾讯「帧树算法」终结闪烁抖动
清华大学与腾讯联合推出的Video-T1技术,通过测试时扩展(TTS)和Tree-of-Frames方法,显著提升视频生成的连贯性与文本匹配度,为影视制作、游戏开发等领域带来突破性解决方案。
336 4
Video-T1:视频生成实时手术刀!清华腾讯「帧树算法」终结闪烁抖动
|
6月前
|
机器学习/深度学习 算法 搜索推荐
决策树算法如何读懂你的购物心理?一文看懂背后的科学
"你为什么总能收到刚好符合需求的商品推荐?你有没有好奇过,为什么刚浏览过的商品就出现了折扣通知?
|
9月前
|
算法 Java
算法系列之数据结构-Huffman树
Huffman树(哈夫曼树)又称最优二叉树,是一种带权路径长度最短的二叉树,常用于信息传输、数据压缩等方面。它的构造基于字符出现的频率,通过将频率较低的字符组合在一起,最终形成一棵树。在Huffman树中,每个叶节点代表一个字符,而每个字符的编码则是从根节点到叶节点的路径所对应的二进制序列。
285 3
 算法系列之数据结构-Huffman树
|
11月前
|
存储 算法 测试技术
【C++数据结构——树】二叉树的遍历算法(头歌教学实验平台习题) 【合集】
本任务旨在实现二叉树的遍历,包括先序、中序、后序和层次遍历。首先介绍了二叉树的基本概念与结构定义,并通过C++代码示例展示了如何定义二叉树节点及构建二叉树。接着详细讲解了四种遍历方法的递归实现逻辑,以及层次遍历中队列的应用。最后提供了测试用例和预期输出,确保代码正确性。通过这些内容,帮助读者理解并掌握二叉树遍历的核心思想与实现技巧。
548 3
|
算法
树的遍历算法有哪些?
不同的遍历算法适用于不同的应用场景。深度优先搜索常用于搜索、路径查找等问题;广度优先搜索则在图的最短路径、层次相关的问题中较为常用;而二叉搜索树的遍历在数据排序、查找等方面有重要应用。
321 2

热门文章

最新文章