数据结构~基础2~树【《二叉树、二叉搜索树、AVL树、B树、红黑树》的设计】~高度平衡二叉树AVL树

简介: 数据结构~基础2~树【《二叉树、二叉搜索树、AVL树、B树、红黑树》的设计】~高度平衡二叉树AVL树

数据结构~基础2~树【《二叉树、二叉搜索树、AVL树、B树、红黑树》的设计】~高度平衡二叉树AVL树


 

一、 高度平衡二叉树【AVL树】:


8.png



AVL树的通用接口:二叉搜索树的通用接口 + 增加之后、删掉之后更新高度

恢复平衡、旋转【左旋、右旋】(更新父结点关系)

 

增加之后:从当前结点的父结点开始,不断地判断父结点是否平衡,平衡则更新高度,否则则找到第一个失衡的父结点恢复平衡即可。

更新高度:AVL树结点的内定义了一个更新高度的接口方法:

AVL 树是从底部向顶部更新高度(底部叶子结点高度是1),每次往上都是取高度更高的子树的高度+1

□ 恢复平衡【不平衡关系(g-p-n)中 p、n处在与 高度最高的那边,与g同边】:接下来就需要判断是哪一种形态的失衡【LL】【RR】【LR-RR】【RL-LL】

//① 已知g【失衡结点】 情况下,往下调整,先判断p,再判断n,从而得知是【LL】【RR】【LR】【RL】

//② 然后依据相应类型进行旋转。

 

● 恢复平衡的代码:


// 恢复平衡【不平衡关系(g-p-n)中 p、n处在与 高度最高的那边,与g同边】
    private void reBalance(Node<E> grand) {
        Node<E> parent = ((AVLNode<E>) grand).tallerChild(); // p
        Node<E> node = ((AVLNode<E>) parent).tallerChild(); // n
        // 接下来就需要判断是哪一种形态的失衡【LL】【RR】【LR-RR】【RL-LL】
        //已知g【失衡结点】 情况下,往下调整,先判断p,再判断n,从而得知是【LL】【RR】【LR】【RL】
        if (parent.isLeftChild()) { // 一开始p是L
            if (node.isLeftChild()) { // LL
                // //封装成一个方法,右旋接口方法 // //
                rotateRight(grand);
            } else { // LR
                rotateLeft(parent);
                rotateRight(grand);
            }
        } else { // 一开始 p是R
            if (node.isLeftChild()) { // RL
                rotateRight(parent);
                rotateLeft(grand);
            } else { // RR
                rotateLeft(grand);
            }
        }
    }


旋转【左旋、右旋】的代码:


// 左旋转(RR,右边过重),
    private void rotateLeft(Node<E> grand) {
        //左旋,则p必然是g的右孩子
        Node<E> parent = grand.right;
        Node<E> child = parent.left;
        //RR,右边过重,左旋
        grand.right = child;
        parent.left = grand;
        // 旋转之后更新
        afterRotate(grand, parent, child);
    }
    // 右旋转(LL,左边过重)
    private void rotateRight(Node<E> grand) {
        //右旋,p必然是g的左孩子
        Node<E> parent = grand.left;
        Node<E> child = parent.right;
        // LL,左边过重,右旋
        grand.left = child;
        parent.right = grand;
        // 旋转之后更新
        afterRotate(grand, parent, child);
    }


旋转之后【结点关系】和【父结点高度】的更新代码:


//旋转之后父节点关系的更新【首先先更新 p、然后是child、 grand】与父结点高度的更新
    private void afterRotate(Node<E> grand, Node<E> parent, Node<E> child) {
        parent.parent = grand.parent;
        if (grand.isLeftChild()) {
            grand.parent.left = parent;
        } else if (grand.isRightChild()) {
            grand.parent.right = parent;
        } else {
            root = parent;
        }
        // 更新child的父结点
        if (child != null) {
            child.parent = grand;
        }
        // 更新grand的父节点
        grand.parent = parent;
        // 更新作为父结点的高度[从低到高,先更新 g、再更新 p]
        updateHeight(grand);
        updateHeight(parent);
    }


■ 删除之后:与增加之后同理【只是增加之后仅需修复第一个失衡的父结点,而删除之后是不断地修改失衡父结点】

 

目录
相关文章
|
5月前
|
存储 监控 安全
企业上网监控系统中红黑树数据结构的 Python 算法实现与应用研究
企业上网监控系统需高效处理海量数据,传统数据结构存在性能瓶颈。红黑树通过自平衡机制,确保查找、插入、删除操作的时间复杂度稳定在 O(log n),适用于网络记录存储、设备信息维护及安全事件排序等场景。本文分析红黑树的理论基础、应用场景及 Python 实现,并探讨其在企业监控系统中的实践价值,提升系统性能与稳定性。
172 1
|
9月前
|
存储 算法 Java
算法系列之数据结构-二叉树
树是一种重要的非线性数据结构,广泛应用于各种算法和应用中。本文介绍了树的基本概念、常见类型(如二叉树、满二叉树、完全二叉树、平衡二叉树、B树等)及其在Java中的实现。通过递归方法实现了二叉树的前序、中序、后序和层次遍历,并展示了具体的代码示例和运行结果。掌握树结构有助于提高编程能力,优化算法设计。
301 10
 算法系列之数据结构-二叉树
|
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。
257 3
 算法系列之数据结构-Huffman树
|
9月前
|
存储 自然语言处理 数据库
【数据结构进阶】AVL树深度剖析 + 实现(附源码)
在深入探讨了AVL树的原理和实现后,我们不难发现,这种数据结构不仅优雅地解决了传统二叉搜索树可能面临的性能退化问题,还通过其独特的平衡机制,确保了在任何情况下都能提供稳定且高效的查找、插入和删除操作。
737 19
|
9月前
|
算法 Java
算法系列之数据结构-二叉搜索树
二叉查找树(Binary Search Tree,简称BST)是一种常用的数据结构,它能够高效地进行查找、插入和删除操作。二叉查找树的特点是,对于树中的每个节点,其左子树中的所有节点都小于该节点,而右子树中的所有节点都大于该节点。
377 22
|
9月前
|
数据库 C++
【数据结构进阶】红黑树超详解 + 实现(附源码)
本文深入探讨了红黑树的实现原理与特性。红黑树是一种自平衡二叉搜索树,通过节点着色(红/黑)和特定规则,确保树的高度接近平衡,从而实现高效的插入、删除和查找操作。相比AVL树,红黑树允许一定程度的不平衡,减少了旋转调整次数,提升了动态操作性能。文章详细解析了红黑树的性质、插入时的平衡调整(变色与旋转)、查找逻辑以及合法性检查,并提供了完整的C++代码实现。红黑树在操作系统和数据库中广泛应用,其设计兼顾效率与复杂性的平衡。
1782 3
|
9月前
|
C语言 C++ 容器
【数据结构】二叉搜索树(二叉排序树)
本文介绍了二叉搜索树(Binary Search Tree, BST)的定义、实现及其性能分析。二叉搜索树是一种特殊的二叉树,其特点是左子树所有节点值小于根节点值,右子树所有节点值大于根节点值,且每个子树也满足此特性。文中详细讲解了BST的节点结构、插入、查找、删除等操作的实现,并通过C++代码展示了这些功能。此外,还讨论了BST的性能:在理想情况下,时间复杂度接近O(logN),但在最坏情况下可能退化为O(N)。为了提高效率,后续将学习自平衡二叉搜索树如AVL树和红黑树。掌握BST有助于理解STL中的set和map容器。感谢阅读,欢迎点赞支持。
797 9
|
11月前
|
C++
【C++数据结构——树】二叉树的性质(头歌实践教学平台习题)【合集】
本文档介绍了如何根据二叉树的括号表示串创建二叉树,并计算其结点个数、叶子结点个数、某结点的层次和二叉树的宽度。主要内容包括: 1. **定义二叉树节点结构体**:定义了包含节点值、左子节点指针和右子节点指针的结构体。 2. **实现构建二叉树的函数**:通过解析括号表示串,递归地构建二叉树的各个节点及其子树。 3. **使用示例**:展示了如何调用 `buildTree` 函数构建二叉树并进行简单验证。 4. **计算二叉树属性**: - 计算二叉树节点个数。 - 计算二叉树叶子节点个数。 - 计算某节点的层次。 - 计算二叉树的宽度。 最后,提供了测试说明及通关代
196 10
|
存储 算法
非递归实现后序遍历时,如何避免栈溢出?
后序遍历的递归实现和非递归实现各有优缺点,在实际应用中需要根据具体的问题需求、二叉树的特点以及性能和空间的限制等因素来选择合适的实现方式。
302 59
|
6月前
|
编译器 C语言 C++
栈区的非法访问导致的死循环(x64)
这段内容主要分析了一段C语言代码在VS2022中形成死循环的原因,涉及栈区内存布局和数组越界问题。代码中`arr[15]`越界访问,修改了变量`i`的值,导致`for`循环条件始终为真,形成死循环。原因是VS2022栈区从低地址到高地址分配内存,`arr`数组与`i`相邻,`arr[15]`恰好覆盖`i`的地址。而在VS2019中,栈区先分配高地址再分配低地址,因此相同代码表现不同。这说明编译器对栈区内存分配顺序的实现差异会导致程序行为不一致,需避免数组越界以确保代码健壮性。
135 0
栈区的非法访问导致的死循环(x64)

热门文章

最新文章