【平衡二叉树】AVL树(双旋)


🎉博主首页: 有趣的中国人

🎉专栏首页: C++进阶

🎉其它专栏: C++初阶 | Linux | 初阶数据结构

小伙伴们大家好,本片文章将会讲解AVL树左双选和右双旋的相关内容。
如果看到最后您觉得这篇文章写得不错,有所收获,麻烦点赞👍、收藏🌟、留下评论📝。您的支持是我最大的动力,让我们一起努力,共同成长!

文章目录

  • [`1. 左右双旋`](#1. 左右双旋)
  • [`1. 右左双旋`](#1. 右左双旋)
  • [`3. AVL的验证`](#3. AVL的验证)
  • [`3. AVL的验证`](#3. AVL的验证)
  • [`3. AVL的性能`](#3. AVL的性能)

1. 左右双旋

⚡出现情况

  1. 此处在30的左子树或者右子树新增节点都会引发旋转;
  2. 如果单纯的对根节点进行右单旋,并不能解决左边高的问题,会变成右边高,所以要进行双旋,步骤如下:

1. 先对parent->left节点进行左单旋

2. 再对根节点进行右单旋


完整步骤

我们假设顶端节点叫做parentparent->left 叫做subLsubL->right 叫做subLR

左右双旋后满足二叉搜索树的性质:

左右双旋后,实际上就是让subLR的左子树和右子树,分别作为subLparent的右子树和左子树,再让subLparent分别作为subLR的左右子树,最后让subLR作为整个子树的根。

  1. subLR的左子树当中的结点本身就比subL的值大,因此可以作为subL的右子树。

  2. subLR的右子树当中的结点本身就比parent的值小,因此可以作为parent的左子树。

  3. 经过步骤1、2后,subL及其子树当中结点的值都就比subLR的值小,而parent及其子树当中结点的值都就比subLR的值大,因此它们可以分别作为subLR的左右子树。

左右双旋后,平衡因子的更新随着subLR原始平衡因子的不同分为以下三种情况:

1、当subLR原始平衡因子是-1时,左右双旋后parent、subL、subLR的平衡因子分别更新为1、0、0

2、当subLR原始平衡因子是1时,左右双旋后parent、subL、subLR的平衡因子分别更新为0、-1、0

3、当subLR原始平衡因子是0时,左右双旋后parent、subL、subLR的平衡因子分别更新为0、0、0

代码如下:

cpp 复制代码
void RotateLR(Node* parent)
{
	Node* subL = parent->_left;
	Node* subLR = subL->_right;
	int bf = subLR->_bf;
	//1、以subL为旋转点进行左单旋
	RotateL(subL);
	//2、以parent为旋转点进行右单旋
	RotateR(parent);
	if (bf == -1)
	{
		subL->_bf = 0;
		parent->_bf = 1;
		subLR->_bf = 0;
	}
	else if (bf == 1)
	{
		subL->_bf = -1;
		parent->_bf = 0;
		subLR->_bf = 0;
	}
	else if (bf == 0)
	{
		subL->_bf = subLR->_bf = parent->_bf = 0;
	}
	else 
	{
		assert(false);
	}
}

1. 右左双旋

⚡出现情况

  1. 此处在60的左子树或者右子树新增节点都会引发旋转;
  2. 如果单纯的对根节点进行左单旋,并不能解决右边高的问题,会变成左边高,所以要进行双旋,步骤如下:

1. 先对subR节点进行右单旋

2. 对parent节点进行左单旋


3. 完整步骤

右左双旋后满足二叉搜索树的性质:

右左双旋后,实际上就是让subRL的左子树和右子树,分别作为parent和subR的右子树和左子树,再让parent和subR分别作为subRL的左右子树,最后让subRL作为整个子树的根。

1、subRL的左子树当中的结点本身就比parent的值大,因此可以作为parent的右子树。

2、subRL的右子树当中的结点本身就比subR的值小,因此可以作为subR的左子树。

3、经过步骤1、2后,parent及其子树当中结点的值都就比subRL的值小,而subR及其子树当中结点的值都就比subRL的值大,因此它们可以分别作为subRL的左右子树。

右左双旋后,平衡因子的更新随着subRL原始平衡因子的不同分为以下三种情况:

1、当subRL原始平衡因子是1时,右左双旋后parent、subR、subRL的平衡因子分别更新为-1、0、0

2、 当subRL原始平衡因子是-1时,右左双旋后parent、subR、subRL的平衡因子分别更新为0、1、0

3、当subRL原始平衡因子是0时,左右双旋后parent、subR、subRL的平衡因子分别更新为0、0、0

代码如下:

cpp 复制代码
void RotateRL(Node* parent)
{
	Node* subR = parent->_right;
	Node* subRL = subR->_left;
	int bf = subRL->_bf;
	RotateR(subR);
	RotateL(parent);
	if (bf == 1)
	{
		subR->_bf == 0;
		parent->_bf = -1;
		subRL->_bf = 0;
	}
	else if (bf == -1)
	{
		subR->_bf = 1;
		parent->_bf = 0;
		subRL->_bf = 0;
	}
	else if (bf == 0)
	{
		subR->_bf = parent->_bf = subRL->_bf = 0;
	}
	else 
	{
		assert(false);
	}
}

3. AVL的验证

AVL树是在二叉搜索树的基础上加入了平衡性的限制,因此要验证AVL树,可以分两步:

  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
    • 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

详解代码:

cpp 复制代码
public:

void InOrder()
{
	_InOrder(_root);
}

int Size()
{
	_Size(_root);
}

int Height()
{
	_Height(_root);
}

bool IsBalanceTree()
{
	return _IsBalanceTree(_root);
}

private:

bool _IsBalanceTree(Node* root)
{
	if (root == nullptr)
	{
		return true;
	}
	int leftHeight = _Height(root->_left);
	int rightHeight = _Height(root->_right);
	// 计算左右子树高度差绝对值
	int dec = abs(leftHeight - rightHeight);
	// 如果比1大说明不平衡
	if (dec > 1)
	{
		cout << root->_kv.first << endl;
		return false;
	}
	// 检查平衡因子是否计算正确
	if (rightHeight - leftHeight != root->_bf)
	{
		cout << root->_kv.first << endl;
		return false;
	}

	return _IsBalanceTree(root->_left) && _IsBalanceTree(root->_right);
}
int _Height(Node* root)
{
	if (root == nullptr)
	{
		return 0;
	}
	int leftHeight = _Height(root->_left);
	int rightHeight = _Height(root->_right);
	return max(leftHeight, rightHeight) + 1;
}

int _Size(Node* root)
{
	if (root == nullptr)
	{
		return 0;
	}
	return _Size(root->_left) + _Size(root->_right) + 1;
}

void _InOrder(Node* root)
{
	if (root == nullptr)
	{
		return;
	}
	_InOrder(root->_left);
	cout << root->_kv.first << ":" << root->_kv.second << endl;
	_InOrder(root->_right);
}

3. AVL的验证

⚡验证示例1

cpp 复制代码
int a[] = {16, 3, 7, 11, 9, 26, 18, 14, 15};

验证代码:

cpp 复制代码
void AVLTest1()
{
	AVLTree<int, int> t;
	int a[] = { 16, 3, 7, 11, 9, 26, 18, 14, 15 };
	for (auto& e : a)
	{
		t.Insert({ e,e });
		cout << "Insert:" << e << "->" << t.IsBalanceTree() << endl;
	}
	
	t.InOrder();
}

⚡验证示例2

cpp 复制代码
int a[] = { 4, 2, 6, 1, 3, 5, 15, 7, 16, 14 };

验证代码:

cpp 复制代码
void AVLTest1()
{
	AVLTree<int, int> t;
	int a[] = { 4, 2, 6, 1, 3, 5, 15, 7, 16, 14 };
	for (auto& e : a)
	{
		t.Insert({ e,e });

		cout << "Insert:" << e << "->" << t.IsBalanceTree() << endl;
	}
	
	t.InOrder();
}

3. AVL的性能

AVL树是一棵绝对平衡的二叉搜索树,其要求每个节点的左右子树高度差的绝对值都不超过1,这样可以保证查询时高效的时间复杂度,即 l o g 2 ( N ) log_2 (N) log2(N)。但是如果要对AVL树做一些结构修改的操作,性能非常低下,比如:插入时要维护其绝对平衡,旋转的次数比较多,更差的是在删除时,有可能一直要让旋转持续到根的位置。因此:如果需要一种查询高效且有序的数据结构,而且数据的个数为静态的(即不会改变),可以考虑AVL树,但一个结构经常修改,就不太适合。

相关推荐
未知陨落5 天前
数据结构——AVL树
开发语言·数据结构·c++·avl树
做人不要太理性6 天前
C++:基于红黑树封装map和set
开发语言·数据结构·c++·算法·set·map·红黑树
未知陨落7 天前
数据结构——二叉搜索树
开发语言·数据结构·c++·二叉搜索树
一个数据小开发10 天前
业务开发问题之ConcurrentHashMap
java·开发语言·高并发·map
小柯J桑_15 天前
C++:set详解
c++·set
Trouvaille ~16 天前
【C++篇】跨越有限与无限的边界:STL之set容器中的自我秩序与无限可能
开发语言·数据结构·c++·容器·stl·set·红黑树
Trouvaille ~17 天前
【C++篇】在秩序与混沌的交响乐中: STL之map容器的哲学探寻
开发语言·数据结构·c++·算法·迭代器模式·stl·map
天狼122218 天前
java8 list map 聚合求和
list·map·q求和
小李飞刀李寻欢20 天前
vm.max_map_count 表示啥意思啊?通俗易懂点,有单位么?262144表示啥意思?
jvm·elasticsearch·内存·map·es·服务