手劈二叉树

二叉树

概念

二叉树是一种常见的树状数据结构,每个节点最多有两个子节点,称为左子节点
和右子节点。它可以为空树(没有任何节点),或者由根节点及其子节点组成。

特点

具有层级结构,其中顶层的节点被称为根节点(root)。根节点没有父节点,而其
他节点都有且只有一个父节点。叶子节点是指没有子节点的节点,它们位于树的
最底层。

定义要点

节点(Node):二叉树的基本单位。每个节点包含三个主要部分:

数据/值域:节点中存储的具体数据,可以是任何类型,例如整数、字符、对
	象等。

左子节点:指向当前节点的左侧子节点的指针。如果没有左子节点,指针的值
	为None或null。

右子节点:指向当前节点的右侧子节点的指针。如果没有右子节点,指针的值
	为None或null。

根节点(Root Node):二叉树的顶层节点,没有父节点。根节点是整个二叉树
	的起点。

子节点(Child Node):每个节点可以有零个、一个或两个子节点。左子节点和
	右子节点是相对于父节点而言的。

叶子节点(Leaf Node):没有子节点的节点被称为叶子节点。叶子节点位于二叉
	树的最底层。

父节点(Parent Node):一个节点的直接上层节点被称为其父节点。

兄弟节点(Sibling Node):具有相同父节点的节点之间称为兄弟节点。

节点之间的连接(Edges):边是连接节点的线条或指针,它表示一个节点与其子
	节点之间的关系。

空树(Empty Tree):没有任何节点的二叉树被称为空树。在空树中,根节点为
	 None 或 null。

二叉树(Binary Tree):是一种有序树结构,其中每个节点最多有两个子节点,
	即左子节点和右子节点。左子节点和右子节点的顺序是固定的。

二叉树的形态:二叉树可以具有不同的形态和结构,它可以是平衡的或非平衡
	的,可以是满二叉树、完全二叉树或非完全二叉树等。

二叉树的高度(Height):二叉树的高度是指从根节点到最深叶子节点的层数。
	空树的高度为0,只有根节点的树的高度为1。

性质

最大节点数量:
	在二叉树的第n层,最多有2^(n-1)个节点。
	在高度为h的二叉树中,最多有2^h - 1个节点。
最小高度:
	对于含有n个节点的二叉树,它的最小高度为 log2(n+1)。
	如果二叉树是平衡树,那么它的最小高度为 floor(log2(n+1))。
树的高度:
	树的高度是指从根节点到最深叶子节点的路径上的边数。
		对于n个节点的二叉树,它的高度最大为n,最小为log2(n+1)。
		子树的高度:
	二叉树的任意子树的高度不会超过整个二叉树的高度。叶子节点数和度为2
		的节点数:

在二叉树中,度为2的节点数等于叶子节点数加1。

完全二叉树的性质:

完全二叉树是一种特殊的二叉树,除了最后一层外,其他层的节点都必须是满的。
在完全二叉树中,叶子节点从左到右依次排列,不会出现在左侧缺少叶子节点的
	情况。
完全二叉树可以使用数组来表示,节点按照层序遍历的顺序依次存放在数组中。

二叉搜索树的性质:

二叉搜索树(Binary Search Tree,BST)是一种特殊的二叉树,满足以下性质:
	左子树上的所有节点的值都小于根节点的值。
	右子树上的所有节点的值都大于根节点的值。
	左右子树也分别是二叉搜索树。
	在二叉搜索树中,通过比较节点的值可以快速地搜索、插入和删除节点。

存储结构

二叉树可以使用不同的存储结构来表示其节点和连接关系。常见的二叉树存储结
构包括链式存储和数组存储。下面对这两种存储结构进行详细讲解:

链式存储(Linked Representation):

链式存储使用节点来表示二叉树的各个部分,每个节点包含数据和指向左右子节
点的指针。链式存储可以通过类、结构体或节点对象实现。其中,每个节点由数
据域、左子节点指针和右子节点指针组成。

数组存储(Array Representation):

数组存储使用数组来表示二叉树的节点和连接关系。数组的索引可以代表节点在
二叉树中的位置,节点的值存储在数组对应位置上。

二者对比

链表存储结构的优点:

灵活性高:链表存储结构可以动态地插入和删除节点,不需要提前确定存储空间
	的大小。
支持任意形态的二叉树:链表存储结构可以直接表示任意形态的二叉树,包括不
	平衡和不完全的二叉树。
内存利用效率高:链表存储结构只需要为每个节点分配内存,不会浪费空间。

链表存储结构的缺点:

额外的指针开销:链表存储结构需要为每个节点维护两个指针(左子节点和右子
	节点),增加了额外的指针开销。
空间开销较大:相比数组存储结构,链表存储结构会占用更多的存储空间来存储
	指针信息。

数组存储结构的优点:

内存连续、访问高效:数组存储结构的节点在内存中是连续存储的,可以通过索
	引快速访问节点,访问效率较高。
空间利用效率高:对于满二叉树或完全二叉树这种特殊形态的二叉树,数组存储
	结构可以节省存储空间。

数组存储结构的缺点:

大小固定:数组存储结构需要提前确定二叉树的大小,当二叉树的节点数超过数
	组大小时,需要重新分配内存,导致性能下降。
插入和删除困难:对于数组存储结构,插入和删除节点的操作相对复杂且耗时,
	需要进行元素的移动和调整。

总结

综上所述,链表存储结构适用于频繁的修改操作和不规则形态的二叉树,它具有
灵活性和动态性的优势。而数组存储结构适用于满二叉树或完全二叉树这种特殊
形态的二叉树,它具有内存连续和访问高效的优势。

实际应用

搜索和排序算法:
二叉搜索树(Binary Search Tree,BST)是一种常用的数据结构,基于二叉树
实现。它具有快速的搜索、插入和删除操作,广泛用于搜索和排序算法,如二叉
搜索、二叉查找、二叉排序等。BST还可以根据中序遍历得到有序的数据序列。

文件系统的组织:
文件系统常常被组织成一棵树,其中每个节点代表一个目录或文件。使用二叉树
的方式可以方便地进行文件的搜索和管理操作,例如快速查找、遍历和删除文
件等。

表达式表示与求值:
二叉树可以用于表示数学表达式,其中每个节点表示操作符或操作数。通过遍历
二叉树,可以对表达式进行求值或转换。例如,通过后序遍历可以实现表达式求
值,通过中序遍历可以进行中缀表达式转换为后缀表达式。

解析和编译器设计:
编译器和解析器常常使用二叉树来解析源代码,并将其转换为语法树或抽象语法
树(Abstract Syntax Tree,AST)。语法树可以方便地对源代码进行分析、优
化和生成中间代码等。

网络和路由算法:
二叉树在网络和路由算法中有应用。例如,用于安全路由的Patricia树或前缀
树(Prefix Tree)是一种特殊的二叉树,可以高效地存储和查询路由信息。

Huffman编码:
Huffman编码是一种无损数据压缩算法,通过构建二叉树并对每个字符进行编码,
实现有效地压缩。二叉树中的叶子节点表示不同的字符,路径和编码表示字符的
编码。

数据库索引结构:
数据库中的索引结构常常使用二叉树的变种来实现,例如平衡二叉树、B	树和
B+树等。这些树结构可以加速数据库的查询和检索操作。

图形学和游戏开发:
在图形学和游戏开发中,二叉树可以用于场景图的构建和管理。场景图是一种用
于表示物体之间层次关系的树结构,便于进行碰撞检测、渲染优化和对象的空间
关系操作。

除此以外	
二叉树还可以在许多其他领域中使用,如人工智能中的决策树和神经网络,
网络协议等方面

代码示例

java 复制代码
class Node {
    int key;
    Node left, right;

    public Node(int item) {
        key = item;
        left = right = null;
    }
}

public class BinaryTree {
    Node root;

    // 创建二叉树
    public BinaryTree(int key) {
        root = new Node(key);
    }

    public BinaryTree() {
        root = null;
    }

    // 插入节点
    public void insert(int key) {
        root = insertNode(root, key);
    }

    private Node insertNode(Node root, int key) {
        if (root == null) {
            root = new Node(key);
            return root;
        }

        if (key < root.key)
            root.left = insertNode(root.left, key);
        else if (key > root.key)
            root.right = insertNode(root.right, key);

        return root;
    }

    // 删除节点
    public void delete(int key) {
        root = deleteNode(root, key);
    }

    private Node deleteNode(Node root, int key) {
        if (root == null)
            return root;

        if (key < root.key)
            root.left = deleteNode(root.left, key);
        else if (key > root.key)
            root.right = deleteNode(root.right, key);
        else {
            if (root.left == null)
                return root.right;
            else if (root.right == null)
                return root.left;

            root.key = getMinValue(root.right);
            root.right = deleteNode(root.right, root.key);
        }

        return root;
    }

    private int getMinValue(Node root) {
        int minVal = root.key;
        while (root.left != null) {
            minVal = root.left.key;
            root = root.left;
        }
        return minVal;
    }

    // 搜索节点
    public Node search(Node root, int key) {
        if (root == null || root.key == key)
            return root;

        if (key < root.key)
            return search(root.left, key);

        return search(root.right, key);
    }

    // 前序遍历
    public void preorderTraversal(Node node) {
        if (node != null) {
            System.out.print(node.key + " ");
            preorderTraversal(node.left);
            preorderTraversal(node.right);
        }
    }

    // 中序遍历
    public void inorderTraversal(Node node) {
        if (node != null) {
            inorderTraversal(node.left);
            System.out.print(node.key + " ");
            inorderTraversal(node.right);
        }
    }

    // 后序遍历
    public void postorderTraversal(Node node) {
        if (node != null) {
            postorderTraversal(node.left);
            postorderTraversal(node.right);
            System.out.print(node.key + " ");
        }
    }

    public static void main(String[] args) {
        BinaryTree tree = new BinaryTree();

        // 插入节点
        tree.insert(50);
        tree.insert(30);
        tree.insert(20);
        tree.insert(40);
        tree.insert(70);
        tree.insert(60);
        tree.insert(80);

        // 删除节点
        tree.delete(20);

        // 搜索节点
        Node searchNode = tree.search(tree.root, 40);
        if (searchNode != null)
            System.out.println("节点 40 找到了");
        else
            System.out.println("节点 40 未找到");

        // 遍历二叉树
        System.out.println("前序遍历:");
        tree.preorderTraversal(tree.root);
        System.out.println("\n中序遍历:");
        tree.inorderTraversal(tree.root);
        System.out.println("\n后序遍历:");
        tree.postorderTraversal(tree.root);
    }
}
相关推荐
小白不太白9501 分钟前
设计模式之 模板方法模式
java·设计模式·模板方法模式
Tech Synapse4 分钟前
Java根据前端返回的字段名进行查询数据的方法
java·开发语言·后端
xoxo-Rachel10 分钟前
(超级详细!!!)解决“com.mysql.jdbc.Driver is deprecated”警告:详解与优化
java·数据库·mysql
乌啼霜满天24912 分钟前
JDBC编程---Java
java·开发语言·sql
肥猪猪爸22 分钟前
使用卡尔曼滤波器估计pybullet中的机器人位置
数据结构·人工智能·python·算法·机器人·卡尔曼滤波·pybullet
linux_carlos22 分钟前
环形缓冲区
数据结构
色空大师25 分钟前
23种设计模式
java·开发语言·设计模式
闲人一枚(学习中)25 分钟前
设计模式-创建型-建造者模式
java·设计模式·建造者模式
readmancynn34 分钟前
二分基本实现
数据结构·算法