STL之map和set

1. 关联式容器

vector、list、deque、 forward_list(C++11)等,这些容器统称为序列式容器,因为其底层为线性序列的数据结构,里面存储的是元素本身。

关联式容器 也是用来存储数据的,与序列式容器不同的是,其里面存储的是结构的键值对在数据检索时比序列式容器效率更高

2. 键值对

用来表示具有一一对应关系的一种结构,该结构中一般只包含两个成员变量key和value,key代表键值,value表示与key对应的信息。

SGI-STL中关于键值对的定义:

cpp 复制代码
template <class T1, class T2>
struct pair
{
	typedef T1 first_type;
	typedef T2 second_type;
	T1 first;
	T2 second;
	pair() : first(T1()), second(T2())
	{}
	pair(const T1& a, const T2& b) : first(a), second(b)
	{}
};

3. 树形结构的关联式容器

根据应用场景的不同,STL总共实现了两种不同结构的管理式容器:树型结构与哈希结构。树型结构的关联式容器主要有四种:map、set、multimap、multiset。这四种容器的共同点是:使用平衡搜索树(即红黑树)作为其底层结果,容器中的元素是一个有序的序列。下面一依次介绍每一 个容器。

3.1 set

3.1.1 set的介绍

set文档介绍

翻译:

  1. set是按照一定次序存储元素的容器
  2. 在set中,元素的value也标识它(value就是key,类型为T),并且每个value必须是唯一的。 set中的元素不能在容器中修改(元素总是const),但是可以从容器中插入或删除它们。
  3. 在内部,set中的元素总是按照其内部比较对象(类型比较)所指示的特定严格弱排序准则进行 排序。
  4. set容器通过key访问单个元素的速度通常比unordered_set容器慢,但它们允许根据顺序对子集进行直接迭代。
  5. set在底层是用二叉搜索树(红黑树)实现的。

注意:

  1. 与map/multimap不同,map/multimap中存储的是真正的键值对,set中只放 value,但在底层实际存放的是由构成的键值对。
  2. set中插入元素时,只需要插入value即可,不需要构造键值对。
  3. set中的元素不可以重复(因此可以使用set进行去重)。
  4. 使用set的迭代器遍历set中的元素,可以得到有序序列
  5. set中的元素默认按照小于来比较
  6. set中查找某个元素,时间复杂度为:log2n
  7. set中的元素不允许修改(为什么?)
  8. set中的底层使用二叉搜索树(红黑树)来实现。

3.1.2 set的使用

  1. set的模板参数列表

    T: set中存放元素的类型,实际在底层存储的键值对。

    Compare:set中元素默认按照小于来比较

    Alloc:set中元素空间的管理方式,使用STL提供的空间配置器管理

  2. set的构造

    函数声明 功能介绍
    set (const Compare& comp = Compare(), const Allocator& = Allocator() ); 构造空的set
    set (InputIterator first, InputIterator last, const Compare& comp = Compare(), const Allocator& = Allocator() ); 用[first, last)区 间中的元素构造 set
    set ( const set& x); set的拷贝构造
  3. set的迭代器

    注意:无论是否是const迭代器,都不支持修改set中存储的数据元素。

  4. set的容量

    函数声明 功能介绍
    bool empty ( ) const 检测set是否为空,空返回true,否则返回true
    size_type size() const 返回set中有效元素的个数
  5. set修改操作

    函数声明 功能介绍
    pair insert ( const value_type& x ) 在set中插入元素x,实际插入的是构成的 键值对,如果插入成功,返回<该元素在set中的 位置,true>,如果插入失败,说明x在set中已经 存在,返回<x在迭代器中的位置,false>
    void erase ( iterator position ) 删除set中position位置上的元素
    size_type erase ( const key_type& x ) 删除set中值为x的元素,返回删除的元素的个数
    void erase ( iterator first, iterator last ) 删除set中==[first, last)==区间中的元素
    void swap ( set<Key,Compare,Allocator>& st ); 交换set中的元素
    void clear ( ) 将set中的元素清空
    iterator find ( const key_type& x ) const 返回set中值为x的元素的位置
    size_type count ( const key_type& x ) const 返回set中值为x的元素的个数

    问:set中的成员函数find和algorithm中的find有什么区别?

    答:set中的成员函数find的时间复杂度是O(log2N)到O(N)之间,但是algorithm中的成员函数的时间复杂度是O(N)。

  6. set的lower_bound和upper_bound

    lower_bound返回一个大于等于val的节点的迭代器。

    upper_bound返回大于val节点的迭代器。

    注意:lower_bound和upper_bound的作用主要体现在可以确定区间。

3.2 map

3.2.1 map的介绍

map的文档简介

翻译:

  1. map是关联容器,它按照特定的次序(按照key来比较)存储由键值key和值value组合而成的元素。
  2. 在map中,键值key通常用于排序和惟一地标识元素,而值value中存储与此键值key关联的 内容。键值key和值value的类型可能不同,并且在map的内部,key与value通过成员类型 value_type绑定在一起,为其取别名称为pair: typedef pair value_type;
  3. 在内部,map中的元素总是按照键值key进行比较排序的。
  4. map中通过键值访问单个元素的速度通常比unordered_map容器慢,但map允许根据顺序对元素进行直接迭代(即对map中的元素进行迭代时,可以得到一个有序的序列)。
  5. map支持下标访问符,即在[]中放入key,就可以找到与key对应的value。
  6. map通常被实现为二叉搜索树(更准确的说:平衡二叉搜索树(红黑树))。

3.2.2 map的使用

  1. map的模板参数说明

    key: 键值对中key的类型

    T: 键值对中value的类型

    Compare: 比较器的类型,map中的元素是按照key来比较的,缺省情况下按照小于来比较,一般情况下(内置类型元素)该参数不需要传递,如果无法比较时(自定义类型),需要用户自己显式传递比较规则(一般情况下按照函数指针或者仿函数来传递)

    Alloc:通过空间配置器来申请底层空间,不需要用户传递,除非用户不想使用标准库提供的空间配置器

    注意:在使用map时,需要包含头文件#include<map>

    了解pair:

  2. map的构造

    函数声明 功能介绍
    map() 构造一个空的map
  3. map的迭代器

    函数声明 功能介绍
    begin()end() begin:首元素的位置,end最后一个元素的下一个位置
    cbegin()cend() 与begin和end意义相同,但cbegin和cend所指向的元素不 能修改
    rbegin()rend() 反向迭代器,rbegin在end位置,rend在begin位置,其 ++和--操作与begin和end操作移动相反
    crbegin()crend() 与rbegin和rend位置相同,操作相同,但crbegin和crend所 指向的元素不能修改

    map的插入、访问和遍历代码举例:

    cpp 复制代码
    void test_map()
    {
    	map<string, string> m;
    	//三种插入方式
    	//方式一:pair的匿名对象
    	m.insert(pair<string, string>("left", "左边"));
    	//方式二:调用pair的构造函数
    	pair<string, string> p("right","右边");
    	m.insert(p);
    	//方式三:使用make_pair函数让它自己推导类型
    	m.insert(make_pair("hello", "你好"));
    
    	map<string, string>::iterator it = m.begin();
    	while (it != m.end())
    	{
    		cout << it->first << ":" << it->second << endl;
    		//或者也可以像下面这样写:
    		//cout << (*it).first << ":" << (*it).second << endl; 
    		it++;
    	}
    	for (auto& e : m)
    	{
    		cout << e.first << ":" << e.second << endl;
    	}
    	cout << endl;
    }

    常用举例(统计水果次数):

    cpp 复制代码
    void test_map2()
    {
    	map<string, int> m;
    	string str[] = {"苹果","香蕉","梨","火龙果","芒果","苹果"};
    	for (auto& e : str)
    	{
    		map<string, int>::iterator it = m.find(e);
    		if (it != m.end())
    		{
    			it->second++;
    		}
    		else
    		{
    			m.insert(make_pair(e, 1));
    		}
    	}
    	for (auto& e : m)
    	{
    		cout << e.first << ":" << e.second << endl;
    	}
    }

    关于上面代码举例的优化:

    insert函数返回值:

    翻译:如果插入成功返回的迭代器的second是true,如果插入失败(元素已经存在)返回的迭代器的second是false。

    cpp 复制代码
    void test_map2()
    {
    	map<string, int> m;
    	string arr[] = {"苹果","香蕉","梨","火龙果","芒果","苹果"};
    	for (auto& e : arr)
    	{
    		pair<map<string, int>::iterator, bool> p = m.insert(make_pair(e, 1));
    
    		if (p.second == false)//插入失败
    		{
    			p.first->second++;//p.first是一个迭代器,即pair的first
    		}
            //插入成功就不需要再管了,因为已经插入过一次了
    	}
    	for (auto& e : m)
    	{
    		cout << e.first << ":" << e.second << endl;
    	}
    }

    关于上面代码的再优化:

    cpp 复制代码
    mapped_type& operator[](const key_type& k)
    {
    	pair<iterator, bool> ret = this->insert(make_pair(k, mapped_type()))//mapped_type是构造的一个默认对象
        
    	//ret.first的类型:iterator
    
    	return (*(ret.first)).second//等价于(ret.first)->second
    }

    分析:

    情况一:插入失败,ret的second是false,此时ret是k所在的迭代器,return返回的是k节点的second即value值。(查找+修改)

    情况二:插入成功,ret的second是true(插入+修改)

    cpp 复制代码
    void test_map2()
    {
    	map<string, int> m;
    	string arr[] = { "苹果","香蕉","梨","火龙果","芒果","苹果" };
    	for (auto& e : arr)
    	{
    		m[e]++;
    	}
    	for (auto& e : m)
    	{
    		cout << e.first << ":" << e.second << endl;
    	}
    }
  4. map的容量与元素访问

    函数声明 功能简介
    bool empty ( ) const 检测map中的元素是否为空,是返回 true,否则返回false
    size_type size() const 返回map中有效元素的个数
    mapped_type& operator[] (const key_type& k) 返回去key对应的value

    问:当key不在map中时,通过operator获取对应value时会发生什么问题?

    注意:在元素访问时,有一个与operator[]类似的操作at()(该函数不常用)函数,都是通过 key找到与key对应的value然后返回其引用,不同的是:当key不存在时,operator[]用默认 value与key构造键值对然后插入,返回该默认value,at()函数直接抛异常

  5. map中元素的修改

    函数声明 功能简介
    pair insert ( const value_type& x ) 在map中插入键值对x,注意x是一个键值 对,返回值也是键值对:iterator代表新插入 元素的位置,bool代表释放插入成功
    void erase ( iterator position ) 删除position位置上的元素
    size_type erase ( const key_type& x ) 删除键值为x的元素
    void erase ( iterator first, iterator last ) 删除[first, last)区间中的元素
    void swap ( map<Key,T,Compare,Allocator>& map ) 交换两个map中的元素
    void clear ( ) 将map中的元素清空
    iterator find ( const key_type& x ) 在map中插入key为x的元素,找到返回该元 素的位置的迭代器,否则返回end
    const_iterator find ( const key_type& x ) const 在map中插入key为x的元素,找到返回该元 素的位置的const迭代器,否则返回cend
    size_type count ( const key_type& x ) const 返回key为x的键值在map中的个数,注意 map中key是唯一的,因此该函数的返回值 要么为0,要么为1,因此也可以用该函数来 检测一个key是否在map中

总结:

  1. map中的的元素是键值对
  2. map中的key是唯一的,并且不能修改
  3. 默认按照小于的方式对key进行比较
  4. map中的元素如果用迭代器去遍历,可以得到一个有序的序列
  5. map的底层为平衡搜索树(红黑树),查找效率比较高O(log2 N)
  6. 支持[]操作符,operator[]中实际进行插入查找。

3.3 multiset

3.3.1 multiset的介绍

multiset文档介绍

翻译\]: 1. multiset是按照特定顺序存储元素的容器,其中元素是可以重复的。 2. 在multiset中,元素的value也会识别它(因为multiset中本身存储的就是组成 的键值对,因此value本身就是key,key就是value,类型为T). multiset元素的值不能在容器 中进行修改(因为元素总是const的),但可以从容器中插入或删除。 3. 在内部,multiset中的元素总是按照其内部比较规则(类型比较)所指示的特定严格弱排序准则进行排序。 4. multiset容器通过key访问单个元素的速度通常比unordered_multiset容器慢,但当使用迭 代器遍历时会得到一个有序序列。 5. multiset底层结构为二叉搜索树(红黑树)。 注意: 1. multiset中再底层中存储的是的键值对 2. mtltiset的插入接口中只需要插入即可 3. 与set的区别是,multiset中的元素可以重复,set是中value是唯一的 4. 使用迭代器对multiset中的元素进行遍历,可以得到有序的序列 5. multiset中的元素不能修改 6. 在multiset中找某个元素,时间复杂度为O(log~2~ N) 7. multiset的作用:可以对元素进行排序

注意:multiset和set的用法上的主要区别在于find和count,find的会返回中序的第一个x节点的迭代器,count会返回存储这个值的节点的数目。

3.4 multimap

3.4.1 multimap的介绍

multimap文档介绍

翻译:

  1. Multimaps是关联式容器,它按照特定的顺序,存储由key和value映射成的键值对,其中多个键值对之间的key是可以重复的。
  2. 在multimap中,通常按照key排序和惟一地标识元素,而映射的value存储与key关联的内 容。key和value的类型可能不同,通过multimap内部的成员类型value_type组合在一起, value_type是组合key和value的键值对: typedef pair value_type;
  3. 在内部,multimap中的元素总是通过其内部比较对象,按照指定的特定严格弱排序标准对 key进行排序的。
  4. multimap通过key访问单个元素的速度通常比unordered_multimap容器慢,但是使用迭代 器直接遍历multimap中的元素可以得到关于key有序的序列。
  5. multimap在底层用二叉搜索树(红黑树)来实现。

注意:multimap和map的唯一不同就是:map中的key是唯一的,而multimap中key是可以重复的。

3.4.2 multimap的使用

multimap中的接口可以参考map,功能都是类似的。

注意:

  1. multimap中的key是可以重复的。
  2. multimap中的元素默认将key按照小于来比较
  3. multimap中没有重载operator[]操作(因为key和value面临一对多的关系)。
  4. 使用时与map包含的头文件相同
  5. multiset返回的是一个迭代器,而没有pair了。

3.5 在OJ中的使用

  1. 前K个高频单词

    方法一:不适用stable_sort,在仿函数处继续加条件,强制控制条件。

    代码:

    cpp 复制代码
    class Solution {
    public:
        typedef  map<string, int>::iterator CountIter;
        struct IterCompare
        {
            bool operator()(CountIter it1, CountIter it2)
            {
                //因为快排并不稳定,所以要多进行一层排序判定或者使用稳定的排序函数
                if(it1->second > it2->second || 
                (it1->second == it2->second && it1->first < it2->first ))
                {
                    return true;
                }
                else
                {
                    return false;
                }
            }
        };
        vector<string> topKFrequent(vector<string>& words, int k) {
            map<string, int> countMap;
            for(auto str : words)
            {
                countMap[str]++;
            }
            //排序
            vector<CountIter> v;
            CountIter it = countMap.begin();
            while(it != countMap.end())
            {
                v.push_back(it);
                it++;
            }
            sort(v.begin(), v.end(), IterCompare());
            //取前K个
            vector<string> ret;
            for(int i = 0; i < k; i++)
            {
                ret.push_back(v[i]->first);
            }
            return ret;
        }
    };

    此处要了解一下sort和stable_sort:

    sort排序是不稳定的,即对于相等的key值并不能保证之前的相对顺序,但是stable_sort是稳定的,对于相等的key值仍然能够保持之前的相对顺序。

    方法二:使用stable_sort(其实等同于方法一)

    代码:

    cpp 复制代码
    class Solution {
    public:
        typedef  map<string, int>::iterator CountIter;
        struct IterCompare
        {
            bool operator()(CountIter it1, CountIter it2)
            {
                return it1->second > it2->second;
            }
            
        };
        vector<string> topKFrequent(vector<string>& words, int k) {
            map<string, int> countMap;
            for(auto e : words)
            {
                countMap[e]++;
            }
            vector<CountIter> v;
            CountIter it = countMap.begin();
            while(it != countMap.end())
            {
                v.push_back(it);
                it++;
            }
            stable_sort(v.begin(), v.end(), IterCompare());
            vector<string> ret;
            for(int i = 0; i < k; i++)
            {
                ret.push_back(v[i]->first);
            }
            return ret;
        }
    };

    方法三:

    cpp 复制代码
    class Solution {
    public:
        vector<string> topKFrequent(vector<string>& words, int k) {
            //先按照ASCII码进行排序,即以string为键
            map<string, int> countMap;
            for(auto e : words)
            {
                countMap[e]++;
            }
            //再次按照int进行排序(降序),注意此处用multimap
            multimap<int, string, greater<int>> sortMap;
            for(auto kv : countMap)
            {
                sortMap.insert(make_pair(kv.second, kv.first));
            }
            //取出前面排序的结果放入到vector容器中
            vector<string> ret;
            multimap<int, string>::iterator it = sortMap.begin();
            for(int i = 0; i < k; i++)
            {
                ret.push_back(it->second);
                it++;
            }
            return ret;
        }
    };

    注意:此处不能用反向迭代器,比如2 : a、2:b,2:c,用反向迭代器取出的结果就是c、b、a,这和我们想要的规则不符。

  2. 两个数组的交集I

    代码:

    方法一:

    cpp 复制代码
    class Solution {
    public:
        vector<int> intersection(vector<int>& nums1, vector<int>& nums2) {
            set<int> s1(nums1.begin(), nums1.end());
            set<int> s2;
            //找交集的同时去重
            for(auto e : nums2)
            {
                if(s1.count(e))
                    s2.insert(e);
            }
            vector<int> v(s2.begin(), s2.end());
            return v;
        }
    };

    方法二:

    cpp 复制代码
    class Solution {
    public:
        vector<int> intersection(vector<int>& nums1, vector<int>& nums2) {
            set<int> s1(nums1.begin(), nums1.end());
            set<int> s2(nums2.begin(), nums2.end());
            auto it1 = s1.begin();
            auto it2 = s2.begin();
            vector<int> v;
            while(it1 != s1.end() && it2 != s2.end())
            {
                if(*it1 < *it2)
                {
                    it1++;
                }
                else if(*it1 > *it2)
                {
                    it2++;
                }
                else 
                {
                    v.push_back(*it1);
                    it1++;
                    it2++;
                }
            }
            return v;
        }
    };

    问:给定两个集合,该如何找并集、交集、差集?

    答:

    并集:将两个集合的元素都放入到一个set中即可。

    交集、差集:

4. 底层结构

前面对map/multimap/set/multiset进行了简单的介绍,在其文档介绍中发现,这几个容器有个 共同点是:其底层都是按照二叉搜索树来实现的,但是二叉搜索树有其自身的缺陷,假如往树中 插入的元素有序或者接近有序,二叉搜索树就会退化成单支树,时间复杂度会退化成O(N),因此 map、set等关联式容器的底层结构是对二叉树进行了平衡处理,即采用平衡树来实现。

4.1 AVL 树

4.1.1 AVL树的概念

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 。因此,两位俄罗斯的数学家G.M.Adelson-Velskii 和E.M.Landis在1962年 发明了一种解决上述问题的方法:当向二叉搜索树中插入新结点后,如果能保证每个结点的左右 子树高度之差的绝对值不超过1(需要对树中的结点进行调整),即可降低树的高度,从而减少平均搜索长度。

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)

如果一棵二叉搜索树是高度平衡的,它就是AVL树。如果它有n个结点,其高度可保持在O(log2n),搜索时间复杂度O(log2n)。

对比完全二叉树和AVL树:

完全二叉树:最后一层缺一些节点。

AVL树:最后两层缺一些节点。

4.1.2 AVL树节点的定义

cpp 复制代码
template<class K, class V>
struct AVLTreeNode
{

	pair<K, V> _kv;
	AVLTreeNode<K, V>* _left;
	AVLTreeNode<K, V>* _right;
	AVLTreeNode<K, V>* _parent;


	//右子树 - 左子树的高度差
	int _bf;
	//AVL树并没有规定必须要设计平衡因子
	//只是一个实现的选择,方便控制平衡
	//构造函数
	AVLTreeNode(const pair<K, V>& kv)
		:_kv(kv)
		, _left(nullptr)
		, _right(nullptr)
		, _parent(nullptr)
		, _bf(0)
	{}
};

template<class K, class V>
struct AVLTree
{
	typedef AVLTreeNode<K, V> Node;
public:
	AVLTree()
		:_root(nullptr)
	{}
private:
	Node* _root;
};

4.1.3 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

代码:

cpp 复制代码
bool Insert(const pair<K, V>& kv)
{
	//1.搜索树的规则插入
	//2.看是否违反平衡规则,如果违反就需要处理:旋转

	//1.插入
	if (_root == nullptr)
	{
		_root = new Node(kv);
		_root->_bf = 0;
		return true;
	}
	Node* parent = nullptr;
	Node* cur = _root;
	while (cur)
	{
		if (cur->_kv.first > kv.first)
		{
			parent = cur;
			cur = cur->_left;
		}
		else if (cur->_kv.first < kv.first)
		{
			parent = cur;
			cur = cur->_right;
		}
		else
		{
			return false;
		}
	}
	cur = new Node(kv);
	if (kv.first < parent->_kv.first)
	{
		parent->_left = cur;
	}
	else
	{
		parent->_right = cur;
	}
	cur->_parent = parent;

	//更新平衡因子
	while (parent)
	{
		if (cur == parent->_right)//插入的节点是父节点的右子树
		{
			parent->_bf++;
		}
		else
		{
			parent->_bf--;
		}

		if (parent->_bf == -1 || parent->_bf == 1)
		{
			//parent->_bf = 0  -------->parent->_bf == -1/1
			//插入节点导致一边变高了
			//高度变了,继续更新
			cur = cur->_parent;
			parent = parent->_parent;
		}
		else if (parent->_bf == -2 || parent->_bf == 2)
		{
			//parent->_bf ==  1/-1 ------->parent->_bf == 2/-2
			//插入节点导致本来高的一边变的更高了
			//子树不平衡,需要旋转处理
			if (parent->_bf == 2 && cur->_bf == 1)//左单旋
			{
				RotateL(parent);
			}
			else if (parent->_bf == -2 && cur->_bf == -1)//右单旋
			{
				RotateR(parent);
			}
			else if (parent->_bf == -2 && cur->_bf == 1)//左右双旋
			{
				RotateLR(parent);
			}
			else if (parent->_bf == 2 && cur->_bf == -1)//右左双旋
			{
				RotateRL(parent);
			}
			else
			{
				assert(false);
			}
			break;
		}
		else if (parent->_bf == 0)//parent->_bf == 1/-1  ------->parent->_bf == 0
		{
			//插入节点填上了矮的那边
			//高度不变,停止更新
			break;
		}
		else
		{
			//插入之前AVL树就存在|平衡因子|>2的节点
			assert(false);
		}
	}

	return true;
}

4.1.4 AVL树的旋转

旋转原则:

  1. 保持搜索树的规则
  2. 子树变平衡

如果在一棵原本是平衡的AVL树中插入一个新节点,可能造成不平衡,此时必须调整树的结构, 使之平衡化。根据节点插入位置的不同,AVL树的旋转分为四种:

  1. 新节点插入较高右子树的右侧---右右:左单旋

左单旋:

代码:

cpp 复制代码
void RotateL(Node* parent)
{
	Node* subR = parent->_right;
	Node* subRL = subR->_left;
	Node* ppNode = parent->_parent;//parent节点的父节点
	parent->_right = subRL;
	//防止subRL为空节点
	if (subRL)
	{
		subRL->_parent = parent;
	}
	subR->_left = parent;
	parent->_parent = subR;
	//两种情况
	if (parent == _root)//1.parent为根节点时
	{
		_root = subR;
		_root->_parent = nullptr;
	}
	else//2.parent是局部子树
	{
		if (parent == ppNode->_left)
		{
			ppNode->_left = subR;
		}
		else
		{
			ppNode->_right = subR;
		}
		subR->_parent = ppNode;
	}
}
  1. 新节点插入较高左子树的左侧---左左:右单旋

右单旋:

代码:

cpp 复制代码
void RotateR(Node* parent)
{
	Node* subL = parent->_left;
	Node* subLR = subL->_right;
	Node* ppNode = parent->_parent;

	subL->_right = parent;
	parent->_parent = subL;

	parent->_left = subLR;
	if (subLR)
	{
		subLR->_parent = parent;
	}
	if (ppNode)//parent只是原来的子树
	{
		if (parent == ppNode->_left)
		{
			ppNode->_left = subL;
		}
		else
		{
			ppNode->_right = subL;
		}
		subL->_parent = ppNode;
	}
	else//parent是原来的根节点
	{
		_root = subL;
		_root->_parent = nullptr;
	}
	subL->_bf = 0;
	parent->_bf = 0;
}
  1. 新节点插入较高左子树的右侧---左右:先左单旋再右单旋(左右单旋)

总结:60最终作了根节点,60的左子树变成了30的右子树,60的右子树变成了90的左子树。

注意下面的这种情况(h = 0):

代码:

cpp 复制代码
void RotateLR(Node* parent)//左右双旋
{
	Node* subL = parent->_left;
	Node* subLR = subL->_right;
	int bf = subLR->_bf;
	//根据60的平衡因子来区分三种情况
	RotateL(parent->_left);
	RotateR(parent);

	//更新平衡因子
	if (bf == 0)
	{
		subL->_bf = parent->_bf = subLR->_bf = 0;
	}
	else if (bf == 1)
	{
		parent->_bf = subLR->_bf = 0;
		subL->_bf = -1;
	}
	else if (bf == -1)
	{
		parent->_bf = 1;
		subLR->_bf = subL->_bf = 0;
	}
	else
	{
		//subLR旋转前就出现了问题
		assert(false);
	}
}
  1. 新节点插入较高右子树的左侧---右左:先右单旋再左单旋(右左单旋)

总结:60最终成了根节点,60的左子树成为了30的右子树,60的右子树成为了90的左子树。

注意下面的这种情况(n=0):

代码:

cpp 复制代码
RotateRL(Node* parent)//右左双旋
{
	Node* subR = parent->_right;
	Node* subRL = subR->_left;
	int bf = subRL->_bf;
	RotateR(subR);
	RotateL(parent);

	if (bf == 0)
	{
		parent->_bf = subR->_bf = subRL->_bf = 0;
	}
	else if (bf == -1)
	{
		subRL->_bf = parent->_bf = 0;
		subR->_bf = 1;
	}
	else if (bf == 1)
	{
		subRL->_bf = subR->_bf = 0;
		parent->_bf = -1;
	}
	else
	{
		assert(false);
	}
}

4.1.5 AVL树的验证

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

    代码:

    cpp 复制代码
    void Inorder()
    {
    	_InOrder(_root);
    }
    void _InOrder(Node* root)
    {
    	if (root == NULL)
    	{
    		return;
    	}
    	_InOrder(root->_left);
    	cout << root->_kv.first << " ";
    	_InOrder(root->_right);
    }
  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

    代码:

    cpp 复制代码
    bool IsBalanceTree()
    {
    	return _IsBalanceTree(_root);
    }
    bool _IsBalanceTree(Node* root)
    {
    	//空树也是AVL树
    	if (root == nullptr)
    		return true;
    	//计算出root节点的平衡因子,即左右子树的高度差
    	int leftHeight = _Height(root->_left);
    	int rightHeight = _Height(root->_right);
    	int diff = rightHeight - leftHeight;
    	//两种情况:1.
    	if (abs(diff) >= 2)
    	{
    		cout << root->_kv.first << "节点的平衡因子异常" << endl;
    		return false;
    	}
    	if (diff != root->_bf)
    	{
    		cout << root->_kv.first << "节点的平衡因子不符合实际" << endl;
    		return false;
    	}
    	return _IsBalanceTree(root->_left) && _IsBalanceTree(root->_right);
    }

4.1.6 AVL树的删除(了解)

因为AVL树也是二叉搜索树,可按照二叉搜索树的方式将节点删除,然后再更新平衡因子,只不 错与删除不同的时,删除节点后的平衡因子更新,最差情况下一直要调整到根节点的位置。

具体实现可参考《算法导论》或《数据结构-用面向对象方法与C++描述》殷人昆版。

4.1.7 AVL树的性能

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log2N。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。

4.1.8 AVL树的模拟实现

cpp 复制代码
using namespace std;
template<class K, class V>
struct AVLTreeNode
{

	pair<K, V> _kv;
	AVLTreeNode<K, V>* _left;
	AVLTreeNode<K, V>* _right;
	AVLTreeNode<K, V>* _parent;


	//右子树 - 左子树的高度差
	int _bf;
	//AVL树并没有规定必须要设计平衡因子
	//只是一个实现的选择,方便控制平衡
	//构造函数
	AVLTreeNode(const pair<K, V>& kv)
		:_kv(kv)
		, _left(nullptr)
		, _right(nullptr)
		, _parent(nullptr)
		, _bf(0)
	{}
};


template<class K, class V>
struct AVLTree
{
	typedef AVLTreeNode<K, V> Node;
public:
	AVLTree()
		:_root(nullptr)
	{}
	bool Insert(const pair<K, V>& kv)
	{
		//1.搜索树的规则插入
		//2.看是否违反平衡规则,如果违反就需要处理:旋转

		//1.插入
		if (_root == nullptr)
		{
			_root = new Node(kv);
			_root->_bf = 0;
			return true;
		}
		Node* parent = nullptr;
		Node* cur = _root;
		while (cur)
		{
			if (cur->_kv.first > kv.first)
			{
				parent = cur;
				cur = cur->_left;
			}
			else if(cur->_kv.first < kv.first)
			{
				parent = cur;
				cur = cur->_right;
			}
			else
			{
				return false;
			}
		}
		cur = new Node(kv);
		if (kv.first < parent->_kv.first)
		{
			parent->_left = cur;
		}
		else
		{
			parent->_right = cur;
		}
		cur->_parent = parent;

		//更新平衡因子
		while (parent)
		{
			if (cur == parent->_right)//插入的节点是父节点的右子树
			{
				parent->_bf++;
			}
			else
			{
				parent->_bf--;
			}

			if (parent->_bf == -1 || parent->_bf == 1)
			{
				//parent->_bf = 0  -------->parent->_bf == -1/1
				//插入节点导致一边变高了
				//高度变了,继续更新
				cur = cur->_parent;
				parent = parent->_parent;
			}
			else if (parent->_bf == -2 || parent->_bf == 2)
			{
				//parent->_bf ==  1/-1 ------->parent->_bf == 2/-2
				//插入节点导致本来高的一边变的更高了
				//子树不平衡,需要旋转处理
				if (parent->_bf == 2 && cur->_bf == 1)//左单旋
				{
					RotateL(parent);
				}
				else if (parent->_bf == -2 && cur->_bf == -1)//右单旋
				{
					RotateR(parent);
				}
				else if (parent->_bf == -2 && cur->_bf == 1)//左右双旋
				{
					RotateLR(parent);
				}
				else if (parent->_bf == 2 && cur->_bf == -1)//右左双旋
				{
					RotateRL(parent);
				}
				else
				{
					assert(false);
				}
				break;
			}
			else if(parent->_bf == 0)//parent->_bf == 1/-1  ------->parent->_bf == 0
			{
				//插入节点填上了矮的那边
				//高度不变,停止更新
				break;
			}
			else
			{
				//插入之前AVL树就存在|平衡因子|>2的节点
				assert(false);
			}
		}

		return true;
	}

	vector<vector<int>> levelOrder()
	{
		vector<vector<int>> vv;
		if (_root == nullptr)
			return vv;
		queue<Node*> q;
		q.push(_root);
		int levelSize = 1;//levelSize控制每层节点的个数
		while (!q.empty())
		{
			vector<int> levelV;//存储每一层的节点存储的值
			while (levelSize--)//当levelSize为0时就说明当前这一层已经没有节点了
			{
				Node* front = q.front();
				levelV.push_back(front->_kv.first);
				if (front->_left != nullptr)
				{
					q.push(front->_left);
				}
				if (front->_right != nullptr)
				{
					q.push(front->_right);
				}
				q.pop();
			}
			levelSize = q.size();
			vv.push_back(levelV);
			for (auto e : levelV)
			{
				cout << e << " ";
			}
			cout << endl;
		}
		return vv;
	}
	bool IsBalanceTree()
	{
		return _IsBalanceTree(_root);
	}
	void Inorder()
	{
		_InOrder(_root);
	}
	int Height()
	{
		return _Height(_root);
	}
private:
	void RotateL(Node* parent)//左旋
	{
		Node* subR = parent->_right;
		Node* subRL = subR->_left;
		Node* ppNode = parent->_parent;//parent节点的父节点
		parent->_right = subRL;
		//防止subRL为空节点
		if (subRL)
		{
			subRL->_parent = parent;
		}
		subR->_left = parent;
		parent->_parent = subR;
		//两种情况
		if (parent == _root)//1.parent为根节点时
		{
			_root = subR;
			_root->_parent = nullptr;
		}
		else//2.parent是局部子树
		{
			if (parent == ppNode->_left)
			{
				ppNode->_left = subR;
			}
			else
			{
				ppNode->_right = subR;
			}
			subR->_parent = ppNode;
		}
		//更新平衡因子
		parent->_bf = 0;
		subR->_bf = 0;
	}
	void RotateR(Node* parent)//右旋
	{
		Node* subL = parent->_left;
		Node* subLR = subL->_right;
		Node* ppNode = parent->_parent;

		subL->_right = parent;
		parent->_parent = subL;

		parent->_left = subLR;
		if (subLR)
		{
			subLR->_parent = parent;
		}
		if (ppNode)//parent只是原来的子树
		{
			if (parent == ppNode->_left)
			{
				ppNode->_left = subL;
			}
			else
			{
				ppNode->_right = subL;
			}
			subL->_parent = ppNode;
		}
		else//parent是原来的根节点
		{
			_root = subL;
			_root->_parent = nullptr;
		}
		subL->_bf = 0;
		parent->_bf = 0;
	}
	void RotateLR(Node* parent)//左右双旋
	{
		Node* subL = parent->_left;
		Node* subLR = subL->_right;
		int bf = subLR->_bf;
		//根据60的平衡因子来区分三种情况
		RotateL(parent->_left);
		RotateR(parent);
		
		//更新平衡因子
		if (bf == 0)
		{
			subL->_bf = parent->_bf = subLR->_bf = 0;
		}
		else if (bf == 1)
		{
			parent->_bf = subLR->_bf = 0;
			subL->_bf = -1;
		}
		else if (bf == -1)
		{
			parent->_bf = 1;
			subLR->_bf = subL->_bf = 0;
		}
		else
		{
			//subLR旋转前就出现了问题
			assert(false);
		}
	}
	void RotateRL(Node* parent)//右左双旋
	{
		Node* subR = parent->_right;
		Node* subRL = subR->_left;
		int bf = subRL->_bf;
		RotateR(subR);
		RotateL(parent);

		if (bf == 0)
		{
			parent->_bf = subR->_bf = subRL->_bf = 0;
		}
		else if (bf == -1)
		{
			subRL->_bf = parent->_bf = 0;
			subR->_bf = 1;
		}
		else if (bf == 1)
		{
			subRL->_bf = subR->_bf = 0;
			parent->_bf = -1;
		}
		else
		{
			assert(false);
		}
	}
	int _Height(Node* root)
	{
		if (root == nullptr)
			return 0;

		int lh = _Height(root->_left);//左子树高度
		int rh = _Height(root->_right);
		return lh > rh ? lh + 1 : rh + 1;
	}

	bool _IsBalanceTree(Node* root)
	{
		//空树也是AVL树
		if (root == nullptr)
			return true;
		//计算出root节点的平衡因子,即左右子树的高度差
		int leftHeight = _Height(root->_left);
		int rightHeight = _Height(root->_right);
		int diff = rightHeight - leftHeight;
		//两种情况:1.
		if (abs(diff) >= 2)
		{
			cout << root->_kv.first << "节点的平衡因子异常" << endl;
			return false;
		}
		if (diff != root->_bf)
		{
			cout << root->_kv.first << "节点的平衡因子不符合实际" << endl;
			return false;
		}
		return _IsBalanceTree(root->_left) && _IsBalanceTree(root->_right);
	}
	void _InOrder(Node* root)
	{
		if (root == NULL)
		{
			return;
		}
		_InOrder(root->_left);
		cout << root->_kv.first << " ";
		_InOrder(root->_right);
	}
	Node* _root;
};

4.2 红黑树

4.2.1 红黑树的概念

红黑树 ,是一种二叉搜索树 ,但在每个结点上增加一个存储位表示结点的颜色,可以是Red或 Black 。 通过对任何一条从根到叶子的路径上各个结点着色方式的限制,红黑树确保没有一条路径会比其他路径长出俩倍 ,因而是接近平衡的。

4.2.2 红黑树的性质

  1. 每个结点不是红色就是黑色
  2. 根节点是黑色的
  3. 如果一个节点是红色的,则它的两个孩子结点是黑色的
  4. 对于每个结点,从该结点到其所有后代叶结点的简单路径上,均包含相同数目的黑色结点
  5. 每个叶子结点都是黑色的(此处的叶子结点指的是空结点)

思考:为什么满足上面的性质,红黑树就能保证:其最长路径中节点个数不会超过最短路径节点 个数的两倍?

最短路径:全黑(x)

最长路径:一黑一红间隔(2x)

例如:

4.2.3 红黑树节点的定义

cpp 复制代码
//红黑树的颜色
enum Colour
{
	RED,
	BLACK
};
//红黑树节点的定义
template<class K, class V>
struct RBTreeNode
{
	AVLTreeNode(const pair<K, V>& kv)
		:_kv(kv)
		, _left(nullptr)
		, _right(nullptr)
		, _parent(nullptr)
		, _col(RED)
	{}
	//问:为什么一定要插入红色节点?
	//答:红黑树有三个条件:1、根节点为红色 2、红色节点的孩子是黑色 3、每条路径都包含相同数量的黑色节点(很难维护)
	//新增节点为红色,可能破坏条件2,不会破坏条件3
	//新增节点为黑色,可能破坏条件2,一定破坏条件3
	//综上来看,插入节点为红色更好
	RBTreeNode<K, V>* _left;
	RBTreeNode<K, V>* _right;
	RBTreeNode<K, V>* _parent;
	Colour _col;
};
//红黑树的定义
template<class K, class V>
struct RBTree
{
	typedef RBTreeNode<K, V> Node;
private:
	Node* _root;
};

4.2.4 红黑树结构

为了后续实现关联式容器简单,红黑树的实现中增加一个头结点,因为跟节点必须为黑色,为了 与根节点进行区分,将头结点给成黑色,并且让头结点的 _parent 域指向红黑树的根节点,_left 域指向红黑树中最小的节点,_right域指向红黑树中最大的节点,如下:

4.2.5 红黑树的插入操作

红黑树是在二叉搜索树的基础上加上其平衡限制条件,因此红黑树的插入可分为两步:

  1. 按照二叉搜索的树规则插入新节点

  2. 检测新节点插入后,红黑树的性质是否造到破坏

    因为新节点的默认颜色是红色 ,因此:如果其双亲节点的颜色是黑色没有违反红黑树任何性质 ,则不需要调整;但当新插入节点的双亲节点颜色为红色时,就违反了性质三不能有连在一起的红色节点,此时需要对红黑树分情况来讨论:

    约定:cur为当前节点,p为父节点,g为祖父节点,u为叔叔节点

    • 情况一: cur为红,p为红,g为黑,u存在且为红

      注意:在上面的图中,是不关心方向的(因为只变色不旋转),即p、u是g的左和右是无所谓的,cur是p的左或者右都是一样的,如下图所示:

      问:cur和p均为红,违反了性质三,此处能否将p直接改为黑?

      答:不能,因为这样做会改变性质四。

      解决方式:将p,u改为黑,g改为红,然后把g当成cur,继续向上调整。

    • 情况二: cur为红,p为红,g为黑,u不存在/u存在且为黑

      说明:

      1. 如果u节点不存在,则cur一定是新插入节点,因为如果cur不是新插入节点,则cur和p一定有一个节点的颜色是黑色(为了满足每条路径上的黑色节点数相同的规则)。
      2. 如果u节点存在,则其一定是黑色的,那么cur节点原来的颜色一定是黑色的,现在看到红色的原因是因为cur的子树在调整的过程中作为grandfather节点的颜色由黑色变为红色。

      注意:p为g的左孩子,cur为p的左孩子,则进行右单旋转,相反:

      p为g的右孩子,cur为p的右孩子,则进行左单旋转(如下图所示:)。

    • 情况三:cur为红,p为红,g为黑,u不存在/u存在且为黑

      当p在g的右边时:

代码:

cpp 复制代码
bool Insert(const pair<K, V>& kv)
{
	//1.搜索树的规则插入
	//2.看是否违反平衡规则,如果违反就需要处理:旋转

	//1.插入
	if (_root == nullptr)
	{
		_root = new Node(kv);
		_root->_col = BLACK;
		return true;
	}
	Node* parent = nullptr;
	Node* cur = _root;
	while (cur)
	{
		if (cur->_kv.first > kv.first)
		{
			parent = cur;
			cur = cur->_left;
		}
		else if (cur->_kv.first < kv.first)
		{
			parent = cur;
			cur = cur->_right;
		}
		else
		{
			return false;
		}
	}
	cur = new Node(kv);
	cur->_col = RED;
	if (kv.first < parent->_kv.first)
	{
		parent->_left = cur;
	}
	else
	{
		parent->_right = cur;
	}
	cur->_parent = parent;
	//存在连续的红色节点(当父亲不存在的时候说明已经到达了根节点)
	//为什么用parent来进行讨论?因为一次循环之后,cur会从g(祖父)处继续进行新的循环
	while (parent && parent->_col == RED)
	{
		//问:为什么不用判断祖父是否为空?
		//答:因为出现两个连续的红节点了,而红节点必然不可能是根节点,所以上面的条件满足的情况下,祖父节点必然存在
		Node* grandfather = parent->_parent;
		if (parent == grandfather->_left)
		{
			Node* uncle = grandfather->_right;
			if (uncle && uncle->_col == RED)//情况一
			{
				parent->_col = uncle->_col = BLACK;
				grandfather->_col = RED;
				//问:为什么要将祖父节点变红?
				//答:因为不确定此时的祖父节点是否是根节点,变红是为了满足规则(每条路径黑色节点数相同)

				//继续往上处理,因为这可能是一棵局部子树,也违反了规则(两个连续的红色节点)
				cur = grandfather;
				parent = cur->_parent;
			}
			else//叔叔不存在或者叔叔存在且为黑
			{

				if (cur == parent->_left)//cur是父亲的左边:单旋
				{
					//    g
					//  p
					//c
					RotateR(grandfather);
					parent->_col = BLACK;
					grandfather->_col = RED;
				}
				else//cur是父亲的右边:双旋
				{
					//   g
					//p
					//   c
					RotateL(parent);
					RotateR(grandfather);
					cur->_col = BLACK;
					grandfather->_col = RED;
				}
				break;
			}

		}
		else//父亲是祖父的右边
		{
			Node* uncle = grandfather->_left;

			if (uncle && uncle->_col == RED)//情况一
			{
				parent->_col = uncle->_col = BLACK;
				grandfather->_col = RED;

				//继续往上处理,因为这可能是一棵局部子树,也违反了规则
				cur = grandfather;
				parent = cur->_parent;
			}
			else//叔叔不存在或者叔叔存在且为黑色
			{
				if (cur == parent->_right)//cur是父亲的右边
				{
					//g
					//  p
					//    c
					RotateL(grandfather);
					parent->_col = BLACK;
					grandfather->_col = RED;
				}
				else//cur是父亲的左边
				{
					//g
					//   p
					//c
					RotateR(parent);
					RotateL(grandfather);
					cur->_col = BLACK;
					grandfather->_col = RED;
				}

				break;
			}

		}
		_root->_col = BLACK;
	}
	return true;
}

4.2.6 红黑树的验证

红黑树的检测分为两步:

  1. 检测其是否满足二叉搜索树(中序遍历是否为有序序列)
  2. 检测其是否满足红黑树的性质
cpp 复制代码
bool IsRBTree()
{
	//验证是否满足根节点为黑色的规则
	Node* pRoot = _root;
	//空树也是红黑树
	if (nullptr == pRoot)
	{
		return true;
	}
	//检测根节点是否满足的情况
	if (pRoot->_col == RED)
	{
		cout << "违反了红黑树性质二:根节点必须为黑色" << endl;
		return false;
	}
	//问:如何检查不存在连续的红色节点的这个性质?
	//答:两个方案:
	//方案一:遇到红色节点就检查孩子(不好实现)
	//方案二:遇到红色节点就检查父亲

	//获取任意一条路径中黑色节点的个数,用作基准值进行比对
	size_t blackCount = 0;
	Node* cur = pRoot;
	while (cur)
	{
		if (BLACK == cur->_col)
			blackCount++;

		cur = cur->_left;
	}
	size_t k = 0;
	return _IsValidRBTree(pRoot, k, blackCount);
}
bool _IsValidRBTree(Node* root, size_t k, const size_t blackCount)
{
	if (nullptr == root)
	{
		if (k != blackCount)
		{
			cout << "违反性质四:每条路径中黑色节点的个数必须相同" << endl;
			return false;
		}
		return true;
	}
	//统计当前路径中黑色节点的数目
	if (BLACK == root->_col)
	{
		k++;
	}
	//检测当前节点与其双亲是否为红色节点
	Node* parent = root->_parent;
	if (parent && parent->_col == RED && root->_col == RED)
	{
		cout << "违反性质三:没有连在一起的红色节点" << endl;
		return false;
	}
	return _IsValidRBTree(root->_left, k, blackCount) &&
		_IsValidRBTree(root->_right, k, blackCount);
}

4.2.7 红黑树与AVL树的比较

红黑树和AVL树都是高效的平衡二叉树,增删改查的时间复杂度都是O(log_2 N),红黑树不追求绝对平衡,其只需保证最长路径不超过最短路径的2倍,相对而言,降低了插入和旋转的次数, 所以在经常进行增删的结构中性能比AVL树更优,而且红黑树实现比较简单,所以实际运用中红黑树更多。

4.2.8 红黑树的模拟实现

cpp 复制代码
#include<utility>
enum Colour
{
	RED,
	BLACK
};
template<class K, class V>
struct RBTreeNode
{
	RBTreeNode(const pair<K, V>& kv)
		:_kv(kv)
		, _left(nullptr)
		, _right(nullptr)
		, _parent(nullptr)
		, _col(RED)
	{}

	//问:为什么一定要插入红色节点?
	//答:红黑树有三个条件:1、根节点为红色 2、红色节点的孩子是黑色 3、每条路径都包含相同数量的黑色节点(很难维护)
	//新增节点为红色,可能破坏条件2,不会破坏条件3
	//新增节点为黑色,可能破坏条件2,一定破坏条件3
	//综上来看,插入节点为红色更好
	RBTreeNode<K, V>* _right;
	RBTreeNode<K, V>* _left;
	RBTreeNode<K, V>* _parent;
	pair<K, V> _kv;
	Colour _col;
};

template<class K, class V>
struct RBTree
{
	typedef RBTreeNode<K, V> Node;
public:
    //构造函数
	RBTree()
		:_root(nullptr)
	{}
	void RotateL(Node* parent)//左旋
	{
		Node* subR = parent->_right;
		Node* subRL = subR->_left;
		Node* ppNode = parent->_parent;//parent节点的父节点
		parent->_right = subRL;
		//防止subRL为空节点
		if (subRL)
		{
			subRL->_parent = parent;
		}
		subR->_left = parent;
		parent->_parent = subR;
		//两种情况
		if (parent == _root)//1.parent为根节点时
		{
			_root = subR;
			_root->_parent = nullptr;
		}
		else//2.parent是局部子树
		{
			if (parent == ppNode->_left)
			{
				ppNode->_left = subR;
			}
			else
			{
				ppNode->_right = subR;
			}
			subR->_parent = ppNode;
		}
	}
	void RotateR(Node* parent)//右旋
	{
		Node* subL = parent->_left;
		Node* subLR = subL->_right;
		Node* ppNode = parent->_parent;

		subL->_right = parent;
		parent->_parent = subL;

		parent->_left = subLR;
		if (subLR)
		{
			subLR->_parent = parent;
		}
		if (ppNode)//parent只是原来的子树
		{
			if (parent == ppNode->_left)
			{
				ppNode->_left = subL;
			}
			else
			{
				ppNode->_right = subL;
			}
			subL->_parent = ppNode;
		}
		else//parent是原来的根节点
		{
			_root = subL;
			_root->_parent = nullptr;
		}
	}
    //红黑树节点的插入
	bool Insert(const pair<K, V>& kv)
	{
		//1.搜索树的规则插入
		//2.看是否违反平衡规则,如果违反就需要处理:旋转

		//1.插入
		if (_root == nullptr)
		{
			_root = new Node(kv);
			_root->_col = BLACK;
			return true;
		}
		Node* parent = nullptr;
		Node* cur = _root;
		while (cur)
		{
			if (cur->_kv.first > kv.first)
			{
				parent = cur;
				cur = cur->_left;
			}
			else if (cur->_kv.first < kv.first)
			{
				parent = cur;
				cur = cur->_right;
			}
			else
			{
				return false;
			}
		}
		cur = new Node(kv);
		cur->_col = RED;
		if (kv.first < parent->_kv.first)
		{
			parent->_left = cur;
		}
		else
		{
			parent->_right = cur;
		}
		cur->_parent = parent;
		//存在连续的红色节点(当父亲不存在的时候说明已经到达了根节点)
		//为什么用parent来进行讨论?因为一次循环之后,cur会从g(祖父)处继续进行新的循环
		while (parent && parent->_col == RED)
		{
			//问:为什么不用判断祖父是否为空?
			//答:因为出现两个连续的红节点了,而红节点必然不可能是根节点,所以上面的条件满足的情况下,祖父节点必然存在
			Node* grandfather = parent->_parent;
			if(parent == grandfather->_left)
			{
				Node* uncle = grandfather->_right;
				if (uncle && uncle->_col == RED)//情况一
				{
					parent->_col = uncle->_col = BLACK;
					grandfather->_col = RED;
					//问:为什么要将祖父节点变红?
					//答:因为不确定此时的祖父节点是否是根节点,变红是为了满足规则(每条路径黑色节点数相同)

					//继续往上处理,因为这可能是一棵局部子树,也违反了规则(两个连续的红色节点)
					cur = grandfather;
					parent = cur->_parent;
				}
				else//叔叔不存在或者叔叔存在且为黑
				{
					
					if (cur == parent->_left)//cur是父亲的左边:单旋
					{
						//    g
						//  p
						//c
						RotateR(grandfather);
						parent->_col = BLACK;
						grandfather->_col = RED;
					}
					else//cur是父亲的右边:双旋
					{
						//   g
						//p
						//   c
						RotateL(parent);
						RotateR(grandfather);
						cur->_col = BLACK;
						grandfather->_col = RED;
					}
					break;
				}
				
			}
			else//父亲是祖父的右边
			{
				Node* uncle = grandfather->_left;

				if (uncle && uncle->_col == RED)//情况一
				{
					parent->_col = uncle->_col = BLACK;
					grandfather->_col = RED;

					//继续往上处理,因为这可能是一棵局部子树,也违反了规则
					cur = grandfather;
					parent = cur->_parent;
				}
				else//叔叔不存在或者叔叔存在且为黑色
				{
					if (cur == parent->_right)//cur是父亲的右边
					{
						//g
						//  p
						//    c
						RotateL(grandfather);
						parent->_col = BLACK;
						grandfather->_col = RED;
					}
					else//cur是父亲的左边
					{
						//g
						//   p
						//c
						RotateR(parent);
						RotateL(grandfather);
						cur->_col = BLACK;
						grandfather->_col = RED;
					}

					break;
				}
				
			}
			_root->_col = BLACK;
		}
		return true;
	}
    //中序遍历
	void Inorder()
	{
		_InOrder(_root);
	}
    //层序遍历
	vector<vector<int>> levelOrder()
	{
		vector<vector<int>> vv;
		if (_root == nullptr)
			return vv;
		queue<Node*> q;
		q.push(_root);
		int levelSize = 1;//levelSize控制每层节点的个数
		while (!q.empty())
		{
			vector<int> levelV;//存储每一层的节点存储的值
			while (levelSize--)//当levelSize为0时就说明当前这一层已经没有节点了
			{
				Node* front = q.front();
				levelV.push_back(front->_kv.first);
				if (front->_left != nullptr)
				{
					q.push(front->_left);
				}
				if (front->_right != nullptr)
				{
					q.push(front->_right);
				}
				q.pop();
			}
			levelSize = q.size();
			vv.push_back(levelV);
			for (auto e : levelV)
			{
				cout << e << " ";
			}
			cout << endl;
		}
		return vv;
	}
    //求二叉树节点的高度
	int Height()
	{
		return _maxHeight(_root);
	}
	//判断是否为二叉树
	bool IsRBTree()
	{
		//验证是否满足根节点为黑色的规则
		Node* pRoot = _root;
		//空树也是红黑树
		if (nullptr == pRoot)
		{
			return true;
		}
		//检测根节点是否满足的情况
		if (pRoot->_col == RED)
		{
			cout << "违反了红黑树性质二:根节点必须为黑色" << endl;
			return false;
		}
		//问:如何检查不存在连续的红色节点的这个性质?
		//答:两个方案:
		//方案一:遇到红色节点就检查孩子(不好实现)
		//方案二:遇到红色节点就检查父亲

		//获取任意一条路径中黑色节点的个数,用作基准值进行比对
		size_t blackCount = 0;
		Node* cur = pRoot;
		while (cur)
		{
			if (BLACK == cur->_col)
				blackCount++;

			cur = cur->_left;
		}
		size_t k = 0;
		return _IsValidRBTree(pRoot, k, blackCount);
	}
    
	bool _IsValidRBTree(Node* root, size_t k, const size_t blackCount)
	{
		if (nullptr == root)
		{
			if (k != blackCount)
			{
				cout << "违反性质四:每条路径中黑色节点的个数必须相同" << endl;
				return false;
			}
			return true;
		}
		//统计当前路径中黑色节点的数目
		if (BLACK == root->_col)
		{
			k++;
		}
		//检测当前节点与其双亲是否为红色节点
		Node* parent = root->_parent;
		if (parent && parent->_col == RED && root->_col == RED)
		{
			cout << "违反性质三:没有连在一起的红色节点" << endl;
			return false;
		}
		return _IsValidRBTree(root->_left, k, blackCount) &&
			_IsValidRBTree(root->_right, k, blackCount);
	}
private:
	Node* _root;
	void _InOrder(Node* root)
	{
		if (root == NULL)
		{
			return;
		}
		_InOrder(root->_left);
		cout << root->_kv.first << " ";
		_InOrder(root->_right);
	}

	int _maxHeight(Node* root)
	{
		if (root == nullptr)
			return 0;

		int lh = _maxHeight(root->_left);//左子树高度
		int rh = _maxHeight(root->_right);
		return lh > rh ? lh + 1 : rh + 1;
	}
	int _minHeight(Node* root)
	{
		if (root == nullptr)
			return 0;

		int lh = _minHeight(root->_left);//左子树高度
		int rh = _minHeight(root->_right);
		return lh < rh ? lh + 1 : rh + 1;
	}
};

4.2.9 红黑树的应用

  1. C++ STL库 -- map/set、mutil_map/mutil_set
  2. Java 库
  3. linux内核
  4. 其他一些库

http://www.cnblogs.com/yangecnu/p/Introduce-Red-Black-Tree.html

4.3 红黑树模拟实现STL中的map与set

代码:

RBTree.h头文件

cpp 复制代码
#pragma once
#include<utility>
#include<string>
#include<iostream>
using namespace std;

enum Colour
{
	RED,
	BLACK
};

template<class T>
struct RBTreeNode
{
	RBTreeNode(const T& data)
		:_data(data)
		, _left(nullptr)
		, _right(nullptr)
		, _parent(nullptr)
		, _col(RED)
	{}

	//问:为什么一定要插入红色节点?
	//答:红黑树有三个条件:1、根节点为红色 2、红色节点的孩子是黑色 3、每条路径都包含相同数量的黑色节点(很难维护)
	//新增节点为红色,可能破坏条件2,不会破坏条件3
	//新增节点为黑色,可能破坏条件2,一定破坏条件3
	//综上来看,插入节点为红色更好
	RBTreeNode<T>* _right;
	RBTreeNode<T>* _left;
	RBTreeNode<T>* _parent;
	T _data;//数据
	Colour _col;
};

template<class T, class Ref, class Ptr>
struct __RBTreeIterator
{
	typedef RBTreeNode<T> Node;
	typedef __RBTreeIterator<T, Ref, Ptr> Self;
	Node* _node;

	__RBTreeIterator(Node* node)
		:_node(node)
	{}

	Ref operator*()
	{
		return _node->_data;
	}

	Ptr operator->()
	{
		return &_node->_data;
	}

	Self& operator++()
	{
		//当前位置的右子树是否是空
		//1.非空:右子树的最左节点
		//2.空:找孩子是祖先左的那个祖先节点
		if (_node->_right == nullptr)
		{
			//找祖先里面,孩子是父亲左的那个
			Node* cur = _node;
			Node* parant = _node->_parent;
			while (parant && cur == parant->_right)
			{
				parant = parant->_parent;
				cur = cur->_parent;
			}
			_node = parant;
		}
		else
		{
			Node* subLeft = _node->_right;
			while (subLeft && subLeft->_left)
			{
				subLeft = subLeft->_left;
			}
			_node = subLeft;
		}
		return *this;
	}
	Self operator++(int)
	{
		Self tmp(*this);
		++(*this);
		return tmp;
	}

	Self& operator--()
	{
		//当前位置的右子树是否是空
		//1.非空:左子树的最右节点
		//2.空:找孩子是祖先右子树的那个祖先节点
		if (_node->_left == nullptr)
		{
			//找祖先里面,孩子是父亲右的那个节点
			Node* cur = _node;
			Node* parent = _node->_parent;
			while (parent && cur == parent->_left)
			{
				parent = parent->_left;
			}
			_node = parent;
		}
		else
		{
			Node* subRight = _node->_left;
			while (subRight && subRight->_right)
			{
				subRight = subRight->_right;
			}
			_node = subRight;
		}
		return *this;
	}

	Self operator--(int)
	{
		Self tmp(*this);
		--(*this);
		return tmp;

	}

	bool operator!=(const Self& s)
	{
		return _node != s._node;
	}

	bool operator==(const Self& s)
	{
		return _node == s._node;
	}
};


//set ----   RBTree<K, K>
//map ----   RBTree<K, pair<K,V>>
template<class K, class T, class KeyOfT>
class RBTree
{
	typedef RBTreeNode<T> Node;

public:
	//构造、拷贝构造、赋值和析构跟搜索树的实现方式是一样的
	typedef __RBTreeIterator<T, T&, T*> iterator;
	typedef __RBTreeIterator<T, const T&, const T*> const_iterator;
	RBTree()
		:_root(nullptr)
	{}

	iterator Begin()
	{
		Node* subLeft = _root;
		while (subLeft && subLeft->_left)
		{
			subLeft = subLeft->_left;
		}
		return iterator(subLeft);
	}
	
	const_iterator Begin()const
	{
		Node* subLeft = _root;
		while (subLeft && subLeft->_left)
		{
			subLeft = subLeft->_left;
		}
		return const_iterator(subLeft);
	}
	
	iterator End()
	{
		return iterator(nullptr);
	}
	
	const_iterator End()const
	{
		return const_iterator(nullptr);
	}
	iterator Find(const K& key)
	{
		Node* cur = _root;
		KeyOfT kot;
		while (cur)
		{
			if (key < kot(cur->_data))
			{
				cur = cur->_left;
			}
			else if(key > kot(cur->_data))
			{
				cur = cur->_right;
			}
			else
			{
				return iterator(cur);

			}
		}
		return iterator(nullptr);
	}

	pair<iterator, bool> Insert(const T& data)
	{
		//1.搜索树的规则插入
		//2.看是否违反平衡规则,如果违反就需要处理:旋转

		//1.插入
		if (_root == nullptr)
		{
			_root = new Node(data);
			_root->_col = BLACK;
			return make_pair(iterator(_root), true);
		}
		KeyOfT kot;
		Node* parent = nullptr;
		Node* cur = _root;
		while (cur)
		{
			if (kot(cur->_data) > kot(data))
			{
				parent = cur;
				cur = cur->_left;
			}
			else if (kot(cur->_data) < kot(data))
			{
				parent = cur;
				cur = cur->_right;
			}
			else
			{
				return make_pair(iterator(cur), false);
			}
		}
		cur = new Node(data);
		Node* newNode = cur;
		cur->_col = RED;
		if (kot(data) < kot(parent->_data))
		{
			parent->_left = cur;
		}
		else
		{
			parent->_right = cur;
		}
		cur->_parent = parent;
		//存在连续的红色节点(当父亲不存在的时候说明已经到达了根节点)
		//为什么用parent来进行讨论?因为一次循环之后,cur会从g(祖父)处继续进行新的循环
		while (parent && parent->_col == RED)
		{
			//问:为什么不用判断祖父是否为空?
			//答:因为出现两个连续的红节点了,而红节点必然不可能是根节点,所以上面的条件满足的情况下,祖父节点必然存在
			Node* grandfather = parent->_parent;
			if (parent == grandfather->_left)
			{
				Node* uncle = grandfather->_right;
				if (uncle && uncle->_col == RED)//情况一
				{
					parent->_col = uncle->_col = BLACK;
					grandfather->_col = RED;
					//问:为什么要将祖父节点变红?
					//答:因为不确定此时的祖父节点是否是根节点,变红是为了满足规则(每条路径黑色节点数相同)

					//继续往上处理,因为这可能是一棵局部子树,也违反了规则(两个连续的红色节点)
					cur = grandfather;
					parent = cur->_parent;
				}
				else//叔叔不存在或者叔叔存在且为黑
				{

					if (cur == parent->_left)//cur是父亲的左边:单旋
					{
						//    g
						//  p
						//c
						RotateR(grandfather);
						parent->_col = BLACK;
						grandfather->_col = RED;
					}
					else//cur是父亲的右边:双旋
					{
						//   g
						//p
						//   c
						RotateL(parent);
						RotateR(grandfather);
						cur->_col = BLACK;
						grandfather->_col = RED;
					}
					break;
				}

			}
			else//父亲是祖父的右边
			{
				Node* uncle = grandfather->_left;

				if (uncle && uncle->_col == RED)//情况一
				{
					parent->_col = uncle->_col = BLACK;
					grandfather->_col = RED;

					//继续往上处理,因为这可能是一棵局部子树,也违反了规则
					cur = grandfather;
					parent = cur->_parent;
				}
				else//叔叔不存在或者叔叔存在且为黑色
				{
					if (cur == parent->_right)//cur是父亲的右边
					{
						//g
						//  p
						//    c
						RotateL(grandfather);
						parent->_col = BLACK;
						grandfather->_col = RED;
					}
					else//cur是父亲的左边
					{
						//g
						//   p
						//c
						RotateR(parent);
						RotateL(grandfather);
						cur->_col = BLACK;
						grandfather->_col = RED;
					}

					break;
				}

			}
			_root->_col = BLACK;
		}
		return make_pair(iterator(newNode), true);
	}
	void RotateL(Node* parent)//左旋
	{
		Node* subR = parent->_right;
		Node* subRL = subR->_left;
		Node* ppNode = parent->_parent;//parent节点的父节点
		parent->_right = subRL;
		//防止subRL为空节点
		if (subRL)
		{
			subRL->_parent = parent;
		}
		subR->_left = parent;
		parent->_parent = subR;
		//两种情况
		if (parent == _root)//1.parent为根节点时
		{
			_root = subR;
			_root->_parent = nullptr;
		}
		else//2.parent是局部子树
		{
			if (parent == ppNode->_left)
			{
				ppNode->_left = subR;
			}
			else
			{
				ppNode->_right = subR;
			}
			subR->_parent = ppNode;
		}
	}
	void RotateR(Node* parent)//右旋
	{
		Node* subL = parent->_left;
		Node* subLR = subL->_right;
		Node* ppNode = parent->_parent;

		subL->_right = parent;
		parent->_parent = subL;

		parent->_left = subLR;
		if (subLR)
		{
			subLR->_parent = parent;
		}
		if (ppNode)//parent只是原来的子树
		{
			if (parent == ppNode->_left)
			{
				ppNode->_left = subL;
			}
			else
			{
				ppNode->_right = subL;
			}
			subL->_parent = ppNode;
		}
		else//parent是原来的根节点
		{
			_root = subL;
			_root->_parent = nullptr;
		}
	}
private:
	Node* _root;
};

Map.h

cpp 复制代码
#pragma once
#include"RBTree.h"

namespace Test
{
	template<class K, class V>
	class map
	{
		struct MapKeyOfT
		{
			const K& operator()(const pair<K, V>& kv)
			{
				return kv.first;
			}
		};
	public:
		typedef typename RBTree<K, pair<K, V>, MapKeyOfT>::iterator iterator;
		typedef typename RBTree<K, pair<K, V>, MapKeyOfT>::const_iterator const_iterator;
		pair<iterator, bool> insert(const pair<K, V>& kv)
		{
			return _t.Insert(kv);
		}
		iterator begin()
		{
			return _t.Begin();
		}
		iterator end()
		{
			return _t.End();
		}
		iterator find(const K& key)
		{
			return _t.Find(key);
		}
		V& operator[](const K& key)
		{
			pair<iterator, bool> ret = _t.Insert(make_pair(key, V()));
			return ret.first->second;
		}

	private:
		RBTree<K, pair<K, V>, MapKeyOfT> _t;


		//问:能否不用第一个模板参数K?
		//答:不能。因为里面实现的其它函数接口里面会用到key,比如find时要使用到key。
	};
}

Set.h

cpp 复制代码
#pragma once
#include"RBTree.h"
namespace Test
{
	template<class K>
	class set
	{
	public:

		struct SetKeyOfT
		{
			const K& operator()(const K& k)
			{
				return k; 
			}
		};
		typedef typename RBTree<K, K, SetKeyOfT>::const_iterator iterator;
		typedef typename RBTree<K, K, SetKeyOfT>::const_iterator const_iterator;

		//无论对象是否是const类型的对象,调用迭代器之后都将具有const属性
		//调用的都是const的迭代器(const_iterator Begin()const),都无法修改set元素
		iterator begin()const
		{
			return _t.Begin();
		}
		iterator end()const
		{
			return _t.End();
		}
		pair<iterator, bool> insert(const K& key)
		{
			auto ret = _t.Insert(key);
			return pair<iterator, bool>(iterator(ret.first._node), ret.second);
		}

		iterator find(const K& key)
		{
			return _t.Find(key);
		}
	private:
		RBTree<K, K, SetKeyOfT> _t;
	};
}
相关推荐
ssr——ssss1 小时前
网络华为HCIA+HCIP 策略路由,双点双向
网络·华为
rqtz1 小时前
【C++指针】搭建起程序与内存深度交互的桥梁(下)
开发语言·c++·指针
小陈的进阶之路2 小时前
数据结构(并查集,图)
数据结构·c++·算法
AI让世界更懂你2 小时前
Python 包管理器 UV 全面介绍
开发语言·python·uv
IT猿手2 小时前
基于烟花算法(Fireworks Algorithm,FWA)及三次样条的机器人路径规划,50个场景任意选择,完整MATLAB代码
开发语言·算法·机器学习·matlab·机器人·无人机
Yang三少喜欢撸铁2 小时前
【部署k8s集群时,彻底删除calico、flannel网络插件】
网络·容器·kubernetes
SNAKEpc121382 小时前
在MFC中使用Qt(三):通过编辑项目文件(.vcxproj)实现Qt的自动化编译流程
c++·qt·mfc
厌世小晨宇yu.2 小时前
对Gpt关于泛型、Stream的提问
java·开发语言·gpt·ai
了一li2 小时前
2025年春招-Linux面经
开发语言·php
lllsure2 小时前
SpringMVC 拦截器(Interceptor)
java·开发语言·mysql