树·AVL树/平衡二叉树
1、AVL树
带有平衡条件的二叉查找树,所以它必须满足条件:
1 是一棵二叉查找树
2 满足平衡条件
1.1 平衡条件:
1)严格的平衡条件:每个节点都必须有相同高度的左子树和右子树(过于严格而不被使用)。
2)AVL树的平衡条件:每个节点的左子树和右子树的高度最多差1的二叉查找树(空树的高度定义为-1)
1.2 特点:
严格的高度平衡,使得AVL树在查找时耗费时间更少。它理论上的时间复杂度为O(logN)。
虽然二叉查找树的平均时间也为O(logN),但是二叉查找树并不平衡,它的最坏情况是所有的子节点都只含有左子树,或者都只含有右子树,这种情况下,它的查找耗费的时间为O(N)。而平衡的AVL树可以避免这种极端情况。
2、AVL树的高度和最少节点个数S(h)的函数
2.1)假设一棵AVL树的最少节点数为S(h),h为树的高度。
2.2) 根据平衡条件,左右子树的高度最多差1,假设左子树的高度为h-1,右子树的高度为h-2。
2.3)根据2.2假设,节点总数=左子树节点数+右子树节点数+1。 ==》 S(h) = S(h-1) + S(h-2) +1
根据斐波拉契数可知,AVL树的节点个数与该数列密切相关。
高度为h的AVL树的最少节点总数:S(h) = S(h-1) + S(h-2) +1
3、维持AVL的平衡条件:旋转
根据AVL树的定义,它是带有平衡条件的查找树。平衡条件限制了它的每个节点的左右子树的高度差不能大于1,那么对于二叉树来说,插入操作是经常会出现的。当向一棵树插入一个节点时,难免会破坏AVL树的平衡条件,
比如:
在左图的AVL树中插入节点6,根据查找树的插入条件,节点6只能作为节点7度左子树。那么对于以8为父节点的子树来说,8的左子树的高度为2,右子树的高度为0,相差大于1。所以右图不再是AVL树。即失去了其存在的优势,不平衡的二叉查找树,时间复杂度增加。
所以我们需要在插入节点时,重新校验树的平衡条件,在必要时调整树的结构,使其保持为AVL树。这个简单的调整,我们称之为旋转!
我们把需要重新平衡的节点称为α(如上图的节点8),二叉树最多只有2个节点,而且不满足平衡条件,则α节点的左右子树高度差为2。容易看出,这种不平衡可能出现在下面4种情况。
1.对α的左儿子的左子树进行一次插入。(如上图,对节点8的左儿子7的左子树6进行一次插入)
2.对α的左儿子的右子树进行一次插入。
3.对α的右儿子的左子树进行一次插入。
4.对α的右儿子的右子树进行一次插入。
对于第1,4种情况,我们可以用单旋转进行平衡,对于2,3种情况,我们用双旋转进行平衡。
4、单旋转
很多时候,对于旋转还有另一种说法,左旋和右旋。顺便解释一下单旋转,双旋转,左旋,右旋的联系和区别。
1、第一种情况:对α的左儿子的左子树进行一次插入。
在原来的平衡AVL树上增加节点f,如上图!可见在增加了节点f之后,对应情况,对a节点的左儿子b的左子树c进行插入f。让a节点变得不再是平衡AVL树,这时候,我们对a树进行操作,使得它重新平衡。
操作的原理:我们把过深的树上移一层,把高层往下移一层。使之重新平衡。
如图:
讲解:在x树中,开始是平衡的,在左子树进行插入之后不再,x树不再平衡。为了使得x树平衡,我们采用的是右旋方法,旋转不平衡的子树,使得重新平衡。此处采用右旋一次,叫做单旋转。
2、第二种情况:对α的右儿子的右子树进行一次插入。
这种情况跟第一种一个样子。如图:对一棵平衡二叉树插入5,6两个节点。
5、双旋转
顾名思义:双旋转要用到左旋和右旋的组合,或者单方向2次旋转。
3、第三种情况:对α的右儿子的左子树进行一次插入。
如图:简单双旋转
讲解:在插入节点15之后,Z树变得不再平衡,这时,我们采用左旋或者右旋都明显的不能让树重新平衡,所以结合起来使用。我们的目的,是使得右子树降低一层高度。如果我们能使用左旋或者右旋即可达到目的,但是现在的样子明显不行,所以第一次旋转的目标:使得树可以使用一次旋转而重新平衡。为了让节点7,15,16重新排列,我们假设存在虚拟节点C,帮助我们理解第一次右旋。而后再进行左旋。所以这是一次“右-左双旋转”!
4、第四种情况:对α的左儿子的右子树进行一次插入。
如图,在上述平衡树上插入节点:14;
6、Java描述单旋转和双旋转:
代码地址:
https://github.com/dhcao/dataStructuresAndAlgorithm/tree/master/src/chapterFour
单旋转:右旋
/**
* desc:看懂上面的图,再看代码:参看第一种。
* 假设:k2树不再平衡,在k2的左儿子k1的左子树进行插入,导致k2子树不再平衡。采用右旋转
* 右旋转:
* 1.用k2的左子树k1来代替k2的位置。(k2丢失左子树)
* 2.让k2成为k1的右子树。
* 3.k1的右子树,重新成为k2的左子树。
*
* @auther: dhcao
*/
private AvlNode<T> rotateWithLeftChild(AvlNode<T> k2) { AvlNode<T> k1 = k2.left; k2.left = k1.right;
k1.right = k2;
// height方法返回该子树的 高
k2.height = Math.max(height(k2.left), height(k2.right)) + 1;
k1.height = Math.max(height(k1.left), k2.height) + 1;
return k1;
}
双旋转:右-左双旋
private AvlNode<T> doubleWithLeftChild(AvlNode<T> k3) {
k3.left = rotateWithLeftChild(k3.left);
return rotateWithLeftChild(k3);
}
树·AVL树/平衡二叉树的更多相关文章
- 04-树4. Root of AVL Tree-平衡查找树AVL树的实现
对于一棵普通的二叉查找树而言,在进行多次的插入或删除后,容易让树失去平衡,导致树的深度不是O(logN),而接近O(N),这样将大大减少对树的查找效率.一种解决办法就是要有一个称为平衡的附加的结构条件 ...
- 树 -- AVL树
前言 通过之前对二叉查找树的讨论,我们知道在给定节点数目的情况下,二叉树的高度越低,查找所用时间也就越短. 在讨论红黑树的时候,我们说过红黑树并非完全"平衡"的二叉树,只是近似&q ...
- 红黑树/B+树/AVL树
RB Tree 红黑树 :http://blog.csdn.net/very_2/article/details/5722682 Nginx的RBTree实现 :http://blog.csdn ...
- 数据结构--树--AVL树
详情查看:http://www.cnblogs.com/skywang12345/p/3577360.html
- 红黑树和AVL树的实现与比较-----算法导论
一.问题描述 实现3种树中的两种:红黑树,AVL树,Treap树 二.算法原理 (1)红黑树 红黑树是一种二叉查找树,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.红黑树满足以 ...
- 二叉树,AVL树和红黑树
为了接下来能更好的学习TreeMap和TreeSet,讲解一下二叉树,AVL树和红黑树. 1. 二叉查找树 2. AVL树 2.1. 树旋转 2.1.1. 左旋和右旋 2.1.2. 左左,右右,左右, ...
- AVL树,红黑树,B-B+树,Trie树原理和应用
前言:本文章来源于我在知乎上回答的一个问题 AVL树,红黑树,B树,B+树,Trie树都分别应用在哪些现实场景中? 看完后您可能会了解到这些数据结构大致的原理及为什么用在这些场景,文章并不涉及具体操作 ...
- AVL树的介绍和实现
一.AVL树 AVL树是一种自平衡二叉查找树,因此在了解AVL树之前先介绍一下平衡二叉树.所谓平衡二叉树即该树中的任一个节点的左子树和右子树高度差不会超过1.如下图左是平衡二叉树,而右图则不是.节点4 ...
- 纸上谈兵:AVL树
作者:Vamei 出处:http://www.cnblogs.com/vamei 欢迎转载,也请保留这段声明.谢谢! 二叉搜索树的深度与搜索效率 我们在树, 二叉树, 二叉搜索树中提到,一个有n个节点 ...
随机推荐
- Webdriver获取多个元素
官方通过如下代码获取多个元素: List<WebElement> inputs = driver.findElements(By.xpath("//input")); ...
- 第二部分之AOF持久化(第十一章)
AOF持久化是通过保存Redis服务器所执行的写命令来记录数据库状态的.被写入AOF文件的所有命令都是以Redis的命令请求协议格式(纯文本)保存的. 一,AOF持久化的实现 1.命令追加 当AOF持 ...
- CodeForces Round #544 Div.3
A. Middle of the Contest 代码: #include <bits/stdc++.h> using namespace std; int h1, m1, h2, m2; ...
- webservice异常
webservice的一个常见异常: [SOAPException: faultCode=SOAP-ENV:Client; msg=Error parsing HTTP status line &qu ...
- Django的View(视图)和路由系统
一.Django的View(视图) 1.介绍 一个视图函数(类),简称视图,是一个简单的Python 函数(类),它接受Web请求并且返回Web响应. 响应可以是一张网页的HTML内容,一个重定向,一 ...
- BZOJ 2243 染色
树链剖分+区间染色 因为是一颗树不是森林,所以应该用树剖就行,但是LCT好像也能写.. 直接用线段树维护树上的节点,注意pushdown还有询问的时候要考虑区间相交的地方,也就是左孩子右边和有孩子的左 ...
- 用Pytorch训练线性回归模型
假定我们要拟合的线性方程是:\(y=2x+1\) \(x\):[0, 1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13, 14] \(y\):[1, 3, 5, 7, ...
- 【nginx】nginx日常命令
看下nginx命令的帮助信息 [root@localhost oa_workflow_test]# /usr/local/nginx/sbin/nginx -h nginx version: ngin ...
- jmeter笔记(3)--响应结果中文乱码的解决方式
1.举例 新建HTTP请求访问百度首页,响应结果如下: 2.原因 Jmeter安装目录/bin/jmeter.properties中sampleresult.default.encoding默认为IS ...
- GWAS群体分层 (Population stratification):利用plink对基因型进行PCA
一.为什么要做祖先成分的PCA? GWAS研究时经常碰到群体分层的现象,即该群体的祖先来源多样性,我们知道的,不同群体SNP频率不一样,导致后面做关联分析的时候可能出现假阳性位点(不一定是显著信号位点 ...