06-看图理解数据结构与算法系列(AVL树)
AVL树
AVL树,也称平衡二叉搜索树,AVL是其发明者姓名简写。AVL树属于树的一种,而且它也是一棵二叉搜索树,不同的是他通过一定机制能保证二叉搜索树的平衡,平衡的二叉搜索树的查询效率更高。
AVL树特点
- AVL树是一棵二叉搜索树。
- AVL树的左右子节点也是AVL树。
- AVL树拥有二叉搜索树的所有基本特点。
- 每个节点的左右子节点的高度之差的绝对值最多为1,即平衡因子为范围为[-1,1]。
图中红色数字表示对应节点的高度,可以看到同一层的节点高度差都没有超过1。
二叉搜索树的平衡
基础的二叉搜索树构建出来可能会存在不平衡的现象,比如极端情况下,按照A B C D E F G H
顺序插入树中,结果为,
但实际上我们更想要平衡一点的二叉搜索树,因为平衡的二叉搜索树能有效提高查询效率,比如上面的要查询“H”节点则需要比较8个节点才找到,而平衡的二叉搜索树只需要比较3个节点。
所以AVL树的出现就是为了解决平衡性问题,它的核心内容就是平衡处理机制,即所谓的旋转,一共有四种形式的旋转:右单旋、左单旋、左右双旋和右左双旋。
为什么要旋转
不管是什么方式的旋转,旋转的目的是为了降低树的高度,使其平衡,假如树结构如下图,
将“A”节点添加到树中,变成如下结构,树产生了不平衡,于是检查哪里不平衡,当到“C”节点时发现高度差超过1,
所以需要对“C”节点进行右单旋操作将高度降到2,达到平衡。
插入方式
AVL树一共有四种插入方式,根据插入方式不同需要做不同的旋转操作,现在往下看四种插入方式,设受插入节点影响而失去平衡的节点的父节点为Z,
- LL插入方式,插入的节点在Z节点的左子树的左子树上,如下图,“A”节点插入影响“C”节点的平衡,“C”的父节点为“E”,插入节点“A”在“E”节点的左子树的左子树上。即“B”节点的左右子节点都算LL插入。
- RR插入方式,插入的节点在Z节点的右子树的右子树上,如下图,“I”节点插入影响“G”节点的平衡,“G”的父节点为“E”,插入节点“I”在“E”节点的右子树的右子树上。即“H”节点的左右子节点都算RR插入。
- LR插入方式,插入的节点在Z节点的左子树的右子树上,如下图,“C”节点插入影响“B”节点的平衡,“B”的父节点为“E”,插入节点“C”在“E”节点的左子树的右子树上。即“D”节点的左右子节点都算LR插入。
- RL插入方式,插入的节点在Z节点的右子树的左子树上,如下图,“G”节点插入影响“H”节点的平衡,“H”的父节点为“E”,插入节点“G”在“E”节点的右子树的左子树上。即“F”节点的左右子节点都算RL插入。
右单旋
右单旋用于处理LL插入方式,假设存在一棵树,如下,
现插入“A”节点,假如不进行旋转的话,树结构为下图,所以遍历过程也会检查哪里不平衡,检查到“C”节点和“G”节点的高度差大于1,而且插入节点“A”属于“E”节点左子树的左子树,于是进行右单旋,
“C”节点右单旋即将“C”节点提高,原本它的父节点“E”则变为其右子节点,“C”节点原来的右子节点则变为其父节点“E”的左子节点。右单旋后的结果如下,重新达到了平衡。
左单旋
左单旋用于处理RR插入方式,假设存在一棵树,如下,
现插入“I”节点,假如不进行旋转的话,树结构为下图,所以遍历过程也会检查哪里不平衡,检查到“C”节点和“G”节点的高度差大于1,而且插入节点“I”属于“E”节点的右子树的右子树,于是进行左单旋,
“G”节点左单旋即将“G”节点提高,原本它的父节点“E”则变为其左子节点,“G”节点原来的左子节点则变为其父节点“E”的右子节点。左单旋后的结果如下,重新达到了平衡。
左右双旋
左右双旋用于处理LR插入方式,假设存在一棵树,如下,
现插入“C”节点,假如不进行旋转的话,树结构为下图,遍历过程会检查哪里不平衡,检查到“B”节点和“G”节点的高度差大于1,而且插入节点“C”属于“E”节点的左子树的右子树,于是进行左右双旋,
先以“D”节点为轴进行左单旋,结果为,
再以“D”节点为轴进行右单旋,得到最终结果,
右左双旋
右左双旋用于处理RL插入方式,假设存在一棵树,如下,
现插入“G”节点,假如不进行旋转的话,树结构为下图,遍历过程会检查哪里不平衡,检查到“C”节点和“H”节点的高度差大于1,而且插入节点“G”属于“E”节点的右子树的左子树,于是进行右左双旋,
先以“F”节点为轴进行右单旋,结果为,
再以“F”节点为轴进行左单旋,得到最终结果,
插入
空树时插入节点“E”直接作为根节点,“E”节点高度设为1,
继续插入“B”节点,小于“E”节点则添加到左边,且“E”节点高度加1,
继续插入“G”节点,大于“E”节点则添加到右边,此时“E”节点高度不变,
继续插入“D”节点,最终到“B”节点的右子节点,此时“B”节点高度加1,“E”节点高度也加1,
继续插入“C”节点,最终到“D”节点的左子节点,此时“D”、“B”、“E”节点高度都分别加1,并且先发现节点“D”与它同级节点(不存在即高度为0)高度差大于1,并且属于RL插入方式,使用右左双旋处理,
以“C”节点为轴进行右单旋,结果为,
再以“C”节点为轴进行左单旋,结果如下,可以看到进过右左双旋操作后二叉树已经达到平衡了。
总结,插入时可能会遇到四种不同的插入方式,分别是:LL插入方式、RR插入方式、LR和RL插入方式。根据不同的插入方式对应做旋转操作即能使树达到平衡状态。
查找
AVL树因为属于二叉搜索树,所以查找时与BST树完全一样,比如下面这棵树,查找“D”节点,
从根节点“C”开始,
“D”大于“C”,所以往右继续查找,
“D”小于“E”,所以往左查找,找到。
删除
删除操作主要分两种情况,一种是删除后不会影响平衡,那么直接按照BST树规则删除。另外一种是删除后会影响树的平衡,那么则需要再做旋转处理。
情况一
如树的结构,要删除“B”节点,
直接找到“B”节点,且因为是叶子节点,直接删掉即可。
最终为,
但如果删除的不是“B”节点,而是“C”节点,则不能直接删除“C”节点,
应该先找到“C”节点的前驱,它的前驱为“B”节点,使用“B”替换“C”节点,
最后将原来的“B”节点删除。
情况二
如树的结构,要删除“F”节点,
先找到“F”节点,
然后将“F”节点删除,此时导致了“C”节点和“G”节点的高度差超过1,需要做旋转操作,
而且因为C节点的左子节点高度比右子节点高度大,所以执行右单旋操作,旋转后为,
作者:超人汪小建
链接:https://juejin.im/post/5b6b897df265da0fab404318
来源:掘金
著作权归作者所有。商业转载请联系作者获得授权,非商业转载请注明出处。
06-看图理解数据结构与算法系列(AVL树)的更多相关文章
- 09-看图理解数据结构与算法系列(B树)
B树 B树即平衡查找树,一般理解为平衡多路查找树,也称为B-树.B_树.是一种自平衡树状数据结构,能对存储的数据进行O(log n)的时间复杂度进行查找.插入和删除.B树一般较多用在存储系统上,比如数 ...
- 19-看图理解数据结构与算法系列(Radix树)
Radix树 Radix树,即基数树,也称压缩前缀树,是一种提供key-value存储查找的数据结构.与Trie不同的是,它对Trie树进行了空间优化,只有一个子节点的中间节点将被压缩.同样的,Rad ...
- 13-看图理解数据结构与算法系列(Trie树)
Trie树 Trie树,是一种搜索树,也称字典树或单词查找树,此外也称前缀树,因为某节点的后代存在共同的前缀.它的key都为字符串,能做到高效查询和插入,时间复杂度为O(k),k为字符串长度,缺点是如 ...
- 11-看图理解数据结构与算法系列(B树的删除)
删除操作 删除操作比较复杂,主要是因为删除的项可能在叶子节点上也可能在非叶子节点上,而且删除后可能导致不符合B树的规定,这里暂且称之为导致B树不平衡,于是要进行一些合并.左旋.右旋等操作,使之符合B树 ...
- 10-看图理解数据结构与算法系列(B+树)
B+树 B+树是B树的一种变体,也属于平衡多路查找树,大体结构与B树相同,包含根节点.内部节点和叶子节点.多用于数据库和操作系统的文件系统中,由于B+树内部节点不保存数据,所以能在内存中存放更多索引, ...
- 17-看图理解数据结构与算法系列(NoSQL存储-LSM树)
关于LSM树 LSM树,即日志结构合并树(Log-Structured Merge-Tree).其实它并不属于一个具体的数据结构,它更多是一种数据结构的设计思想.大多NoSQL数据库核心思想都是基于L ...
- 看图轻松理解数据结构与算法系列(NoSQL存储-LSM树) - 全文
<看图轻松理解数据结构和算法>,主要使用图片来描述常见的数据结构和算法,轻松阅读并理解掌握.本系列包括各种堆.各种队列.各种列表.各种树.各种图.各种排序等等几十篇的样子. 关于LSM树 ...
- Java数据结构和算法(七)--AVL树
在上篇博客中,学习了二分搜索树:Java数据结构和算法(六)--二叉树,但是二分搜索树本身存在一个问题: 如果现在插入的数据为1,2,3,4,5,6,这样有序的数据,或者是逆序 这种情况下的二分搜索树 ...
- 数据结构与算法:AVL树
AVL树 在计算机科学中,AVL树是最先发明的自平衡二叉查找树.在AVL树中任何节点的两个子树的高度最大差别为1,所以它也被称为高度平衡树.增加和删除可能需要通过一次或多次树旋转来重新平衡这个树.AV ...
随机推荐
- Golang bash alias 自动配置GOPATH并运行项目
BASH代码: source ~/.bash_profile; export GOPATH=$GOPATH:`cd ..; pwd`; echo -e "* GOPATH: $GOPATH ...
- Miller&&Pollard POJ 1811 Prime Test
题目传送门 题意:素性测试和大整数分解, N (2 <= N < 254). 分析:没啥好讲的,套个模板,POJ上C++提交 收获:写完这题得到模板 代码: /************** ...
- 转 oracle apex 使用
https://wenku.baidu.com/view/e5a4226955270722182ef725.html
- Nuget 自定义配置(官网)
<?xml version="1.0" encoding="utf-8"?> <configuration> <config> ...
- ZOJ 3605Find the Marble(dp)
ZOJ 3605 大体意思就是 找出随机选了K个交换后 石子在第i个罐子里的概率最大 也就是可能的总数最大 这样就可以写出递推方程 dp[i][j][k] += dp[i-1][e][k]; (0&l ...
- Linux之测试服务器和端口连通
目录 wget工具 telnet工具 ssh工具 wget工具: 该工具是网络自动下载工具,如果linux或centos中不存在,需要先安装,支持http.https.ftp协议,wget名称的由来是 ...
- 用css制作圆环图表 (vue,sass)
效果图: 思路 :在一个容器里再放两个矩形,每个矩形都占一半,给这两个矩形都设置溢出隐藏,当去旋转矩形里面的圆形的时候,溢出部分就被隐藏掉了,这样就可以达到想要的效果. 代码-html: <di ...
- Android基础夯实--重温动画(四)之属性动画 ValueAnimator详解
宝剑锋从磨砺出,梅花香自苦寒来:千淘万漉虽辛苦,吹尽狂沙始到金: 长风破浪会有时,直挂云帆济沧海 一.摘要 Animator类作为属性动画的基类,它是一个抽象类,它提供了实现动画的基本架构,但是我们不 ...
- Uml 建模 一(类图建模和startuml的使用)
本文将分三个部分介绍Uml建模:Uml建模的作用.类图.startuml的使用 Uml的作用 本文以java为例介绍Uml,在当前的软件开发中大多数使用面向对象开发(OO),面向对象的就是将现实世界中 ...
- R in action读书笔记(2)-第五章:高级数据管理(下)
5.4 控制流 语句(statement)是一条单独的R语句或一组复合语句(包含在花括号{ } 中的一组R语 句,使用分号分隔): 条件(cond)是一条最终被解析为真(TRUE)或假(FAL ...