【算法与数据结构】二叉搜索树的Java实现
为了更加深入了解二叉搜索树,博主自己用Java写了个二叉搜索树,有兴趣的同学可以一起探讨探讨。
首先,二叉搜索树是啥?它有什么用呢?
二叉搜索树, 也称二叉排序树,它的每个节点的数据结构为1个父节点指针,1个左孩子指针,1个有孩子指针,还有就是自己的数据部分了,因为只有左右两孩子,所以才叫二叉树,在此基础上,该二叉树还满足另外一个条件:每个结点的左孩子都不大于该结点&&每个结点的右孩子都大于该结点。这样,我们队这棵树进行中序遍历,就能把key从小到大排序了……
那么问题来了,我都有线性表有链表了,我还要它干啥?两个字!效率!
相比线性表,你要搜索一个key,就要执行一次线性时间,算法复杂度为O(n);而用二叉搜索树,算法效率是O(lgn)!这是很诱人的数字。下面我用Java实现以下二叉搜索树,你自然就明白为什么算法复杂度是O(lgn)了。
其次,写一个数据结构,自然而然也要实现对这个数据结构的增、删、查、改了。
下面是我的思路:
- 创建树:我是通过一个一个结点的插入来建立一棵二叉搜索树。
- 搜索结点:从根节点开始,进行key的比较,小了就往左走,大了就往右走,最后到了叶子结点都还没有的话,那么该树就不存在要搜索的结点了。
- 修改结点:修改其实就是查询,在查询之后把结点的数据部分给改了而已,这里我就不重复去实现了。
- 删除结点:这个应该就是最难的了,所以我有必要详细讲,先上图(不好意思,懒得用软件画图了,将就将就下哈):
- 此结点是叶子结点,这个最简单啦,直接把结点给释放掉就行了。(如图删除9)
- 此结点只有左孩子,这个也简单啦,直接把左子树替换过来就行了。(如图删除3)
- 此结点只有右孩子,同上。(如图删除8)
- 此结点有左右孩子,当出现这种情况时(如图删除7),我们就要找出该结点的后继结点(因为右子树肯定存在,所以找肯定在右子树中),然后把这个后继结点替换到要删除的结点中,然后继续执行对这个后继结点的删除操作(递归删除操作就行了)。
- 当该结点有右孩子时,后继结点就在右子树中,就是该右子树的最小结点
- 当该结点没有右孩子时,那后继结点就满足这个条件:该后继结点是该结点的祖先&&该结点位于该结点的左子树中(如图中的9的后继结点是12)
- public class Test {
- public static void main(String[] args) {
- int[] datas={12,4,5,7,4,8,3,2,6,9};
- BinTree tree=new BinTree(datas);
- tree.preOrderTraverse();//先序遍历
- tree.midOrderTraverse();//中序遍历
- tree.postOrderTraverse();//后序遍历
- tree.insert(15); //插入结点
- tree.search(7); //查询结点
- tree.search(100); //查询一个不存在的结点
- tree.getMax(); //获取最大值
- tree.getMin(); //获取最小值
- tree.getPre(7); //前驱结点
- tree.getPre(2); //最前的前驱结点
- tree.getPost(7); //后继结点
- tree.getPost(15); //最后的后继结点
- tree.delete(5); //删除结点
- tree.delete(0); //删除一个不存在的结点
- }
- }
- public class BinTree {
- Node root=null;
- private class Node{
- Node parent=null;
- Node leftChild=null;
- Node rightChild=null;
- int key;
- public Node(int data) {
- this.key=data;
- }
- }
- public BinTree(int[] datas) {
- buildTree(datas);
- }
- private void buildTree(int[] datas) {
- for (int i = 0; i < datas.length; i++) {
- Node node=new Node(datas[i]);
- insertNode(node);
- }
- }
- private void insertNode(Node node) { //插入结点
- Node next=this.root;
- Node cur=null; //用来保存当前结点
- while(next!=null){ //当到达叶子结点时,确认位置!
- cur=next;
- if(node.key>=cur.key){
- next=next.rightChild;
- }else{
- next=next.leftChild;
- }
- }
- node.parent=cur; //插入该结点!
- if(cur==null){
- this.root=node; //该树为空树,所以这个是根节点
- }else if(node.key>=cur.key){
- cur.rightChild=node;
- }else{
- cur.leftChild=node;
- }
- }
- /*
- * 插入一个数
- */
- public void insert(int data){
- Node node=new Node(data);
- System.out.println("插入结点:"+data);
- insertNode(node);
- this.midOrderTraverse();
- }
- /*
- * 先序遍历
- */
- public void preOrderTraverse(){
- System.out.println("先序遍历:");
- preOrderTraverse(root);
- System.out.println();
- }
- private void preOrderTraverse(Node node){ //先序遍历
- if(node!=null){
- System.out.print("-"+node.key+"-");
- preOrderTraverse(node.leftChild);
- preOrderTraverse(node.rightChild);
- }
- }
- /*
- * 中序遍历
- */
- public void midOrderTraverse(){
- System.out.println("中序遍历:");
- midOrderTraverse(root);
- System.out.println();
- }
- private void midOrderTraverse(Node node){ //中序遍历
- if(node!=null){
- midOrderTraverse(node.leftChild);
- System.out.print("-"+node.key+"-");
- midOrderTraverse(node.rightChild);
- }
- }
- /*
- * 后序遍历
- */
- public void postOrderTraverse(){
- System.out.println("后序遍历:");
- postOrderTraverse(root);
- System.out.println();
- }
- private void postOrderTraverse(Node node){ //后序遍历
- if(node!=null){
- System.out.print("-"+node.key+"-");
- postOrderTraverse(node.leftChild);
- postOrderTraverse(node.rightChild);
- }
- }
- /*
- * 搜索结点
- */
- public void search(int data){
- System.out.println("您要查找的是:"+data);
- Node node;
- if((node=searchNode(new Node(data)))==null){
- System.out.println("树中没有该结点!");
- }else{
- System.out.println("查找"+node.key+"成功!");
- }
- }
- private Node searchNode(Node node){ //private供内部调用,搜索结点
- if(node==null){
- System.out.println("输入为空,查找失败!");
- }else{
- if(root==null){
- System.out.println("该树为空树!");
- }else{ //开始查找
- boolean isFound=false;
- Node x=root;
- Node y=null;
- while(!isFound&&x!=null){ //当查到或者到了叶子节点还没查到时,终结!
- y=x;
- if(node.key==x.key){
- isFound=true;
- }else{ //通过比较大小往下面查找
- if(node.key>x.key){
- x=x.rightChild;
- }else{
- x=x.leftChild;
- }
- }
- }
- if(isFound){ //没找到的话,在最后返回null
- return y;
- }
- }
- }
- return null;
- }
- /*
- * 获取最大值
- */
- public void getMax(){
- Node node;
- if((node=getMaxNode(root))==null){
- System.out.println("该树为空!");
- }else{
- System.out.println("最大的结点是:"+node.key);
- }
- }
- private Node getMaxNode(Node node){ //获取最大值
- if(node!=null){
- Node x=node;
- Node y=null;
- while(x!=null){ //一直往右遍历直到底就是最大值了!
- y=x;
- x=x.rightChild;
- }
- return y;
- }
- return null;
- }
- /*
- * 获取最小值
- */
- public void getMin(){
- Node node;
- if((node=getMinNode(root))==null){
- System.out.println("该树为空!");
- }else{
- System.out.println("最小的结点是:"+node.key);
- }
- }
- private Node getMinNode(Node node){ //获取最小值
- if(node!=null){
- Node x=node;
- Node y=null;
- while(x!=null){ //一直往左遍历直到底就是最小值了!
- y=x;
- x=x.leftChild;
- }
- return y;
- }
- return null;
- }
- /*
- * 获取前驱结点
- */
- public void getPre(int data){
- Node node=null;
- System.out.println(data+"的前驱结点:");
- if((node=getPreNode(searchNode(new Node(data))))==null){
- System.out.println("该结点不存在或无前驱结点!");
- }else{
- System.out.println(data+"的前驱结点为:"+node.key);
- }
- }
- private Node getPreNode(Node node){ //获取前驱结点
- if(node==null){
- return null;
- }
- if(node.leftChild!=null){ //当有左孩子时,前驱结点就是左子树的最大值
- return getMaxNode(node.leftChild);
- }else{//当不存在左孩子时,前驱结点就是——它的祖先,而且,它在这个祖先的右子树中。这句话自己画图就能理解了
- Node x=node;
- Node y=node.parent;
- while(y!=null&&x==y.leftChild){
- x=y;
- y=y.parent;
- }
- return y;
- }
- }
- /*
- * 获取后继结点
- */
- public void getPost(int data){
- Node node=null;
- System.out.println(data+"的后继结点:");
- if((node=getPostNode(searchNode(new Node(data))))==null){
- System.out.println("该结点不存在或无后继结点!");
- }else{
- System.out.println(data+"的后继结点为:"+node.key);
- }
- }
- private Node getPostNode(Node node){ //获取后继结点
- if(node==null){
- return null;
- }
- if(node.rightChild!=null){ //当有右孩子时,前驱结点就是右子树的最小值
- return getMinNode(node.rightChild);
- }else{//当不存在右孩子时,后继结点就是——它的祖先,而且,它在这个祖先的左子树中。这句话自己画图就能理解了
- Node x=node;
- Node y=node.parent;
- while(y!=null&&x==y.rightChild){
- x=y;
- y=y.parent;
- }
- return y;
- }
- }
- /*
- * 删除结点
- */
- public void delete(int data){
- Node node;
- if((node=searchNode(new Node(data)))==null){//注意!这里不能new结点!你必须从树中找该结点!new就是初始化了
- System.out.println("二叉树中不存在此结点!");
- return;
- }
- deleteNode(node);
- System.out.println("删除结点"+data+"后:");
- this.midOrderTraverse();
- }
- private void deleteNode(Node node){
- if(node==null){
- System.out.println("删除结点不能为空!");
- return;
- }
- replacedNode(node);
- }
- private void replacedNode(Node node) { //替换结点
- if(node.leftChild!=null
- &&node.rightChild!=null){ //当有左右孩子时,用后继结点替换
- replacedNodeOfPost(node);
- }
- else
- {
- if(node.leftChild!=null){ //当只有左孩子时,直接用左子树替换
- node=node.leftChild;
- }else if(node.rightChild!=null){ //只有右孩子时,直接有子树替换
- node=node.rightChild;
- }else{ //当没有左右孩子时,就直接释放了这个结点
- freeNode(node);
- }
- }
- }
- private void freeNode(Node node) { //释放该结点,断掉其与父结点的链接
- if(node==node.parent.leftChild){
- node.parent.leftChild=null;
- }else{
- node.parent.rightChild=null;
- }
- }
- private void replacedNodeOfPost(Node node) {
- Node y=this.getPostNode(node); //找后继结点
- node.key=y.key;
- replacedNode(y); //替换了key之后,再一次递归把现在这个结点给替换了!
- }
- }
最后是测试结果:
-12--4--3--2--5--4--7--6--8--9-
中序遍历:
-2--3--4--4--5--6--7--8--9--12-
后序遍历:
-12--4--3--2--5--4--7--6--8--9-
插入结点:15
中序遍历:
-2--3--4--4--5--6--7--8--9--12--15-
您要查找的是:7
查找7成功!
您要查找的是:100
树中没有该结点!
最大的结点是:15
最小的结点是:2
7的前驱结点:
7的前驱结点为:6
2的前驱结点:
该结点不存在或无前驱结点!
7的后继结点:
7的后继结点为:8
15的后继结点:
该结点不存在或无后继结点!
删除结点5后:
中序遍历:
-2--3--4--4--6--7--8--9--12--15-
二叉树中不存在此结点!
【算法与数据结构】二叉搜索树的Java实现的更多相关文章
- Java与算法之(13) - 二叉搜索树
查找是指在一批记录中找出满足指定条件的某一记录的过程,例如在数组{ 8, 4, 12, 2, 6, 10, 14, 1, 3, 5, 7, 9, 11, 13, 15 }中查找数字15,实现代码很简单 ...
- Java数据结构——二叉搜索树
定义二叉查找树(Binary Search Tree),(又:二叉搜索树,二叉排序树)它或者是一棵空树,或者是具有下列性质的二叉树: 若它的左子树不空,则左子树上所有结点的值均小于它的根结点的值: 若 ...
- 数据结构-二叉搜索树和二叉树排序算法(python实现)
今天我们要介绍的是一种特殊的二叉树--二叉搜索树,同时我们也会讲到一种排序算法--二叉树排序算法.这两者之间有什么联系呢,我们一起来看一下吧. 开始之前呢,我们先来介绍一下如何创建一颗二叉搜索树. 假 ...
- 二叉搜索树 思想 JAVA实现
二叉搜索树:一棵二叉搜索树是以一棵二叉树来组织的,这样一棵树可以使用链表的数据结构来表示(也可以采用数组来实现).除了key和可能带有的其他数据外,每个节点还包含Left,Right,Parent,它 ...
- 数据结构-二叉搜索树(BST binary search tree)
本文由@呆代待殆原创,转载请注明出处:http://www.cnblogs.com/coffeeSS/ 二叉搜索树简介 顾名思义,二叉搜索树是以一棵二叉树来组织的,这样的一棵树可以用一个链表数据结构来 ...
- 数据结构-二叉搜索树的js实现
一.树的相关概念 1.基本概念 子树 一个子树由一个节点和它的后代构成. 节点的度 节点所拥有的子树的个数. 树的度 树中各节点度的最大值 节点的深度 节点的深度等于祖先节点的数量 树的高度 树的高度 ...
- 数据结构☞二叉搜索树BST
二叉查找树(Binary Search Tree),(又:二叉搜索树,二叉排序树)它可以是一棵空树,也可以是具有下列性质的二叉树: 若它的左子树不空,则左子树上所有结点的值均小于它的根结点的值: 若它 ...
- 二叉搜索树的java实现
转载请注明出处 一.概念 二叉搜索树也成二叉排序树,它有这么一个特点,某个节点,若其有两个子节点,则一定满足,左子节点值一定小于该节点值,右子节点值一定大于该节点值,对于非基本类型的比较,可以实现Co ...
- 96题--不同的二叉搜索树(java、中等难度)
题目描述:给定一个整数 n,求以 1 ... n 为节点组成的二叉搜索树有多少种? 示例如下: 分析:本题可用动态规划的方法求解. 设 dp[n] 表示以 1 ... n 为节点组成的二叉搜索树的种类 ...
随机推荐
- MySql的连接查询
类似于oracle的连接查询,mysql连接查询也有左外连接.右外连接.内连接查询.但是,不同的是没有直接 的全外连接查询. 这里介绍MySql的连接查询: 这里已两张表为例:STUDENT 表 和 ...
- CSS overflow 属性
值 描述 visible 默认值.内容不会被修剪,会呈现在元素框之外. hidden 内容会被修剪,并且其余内容是不可见的. scroll 内容会被修剪,但是浏览器会显示滚动条以便查看其余的内容. ...
- 如何在cmd下切换不同版本的Python
(1)分别安装python-2.7.12.amd64.msipython-3.5.2-amd64.exe(python官网下载的)顺序无所谓(为了看着方便,我把安装路径修改统一了)(2)配置环境变量D ...
- 转 夕甲甲:孔乙己之 C++ 版
欧欧匹代码的格局,是和别的编程模式不同的:首先要有一个构造函数:基类里只定义了函数的形式,可以随时通过派生增加不同的实现.那些程序员们,每每学会了继承和多态,便可以接一个项目,——这是十年前的事,现在 ...
- Android笔记:如何在Fragment里使用findViewById()方法?
在Activity中,可以直接用findViewById(int id),通过xml的id来找到对应的View. 查找官方的api,具体如下: https://developer.android.go ...
- ConfigHelper.cs
using System.Configuration; using System.IO; /// <summary> /// 配置文件辅助类 /// </summary> pu ...
- .net妹纸转Java---java环境的搭建,myeclipse10.0 的安装环境变量配置和破解
啦啦啦 ,因为公司项目需要,从我大火炉--大武汉被拖到了更大的火炉--大广西 其实一开始 我的内心是拒绝的. 但是我在大武汉呆了近2年木有出过远门,对, 生活除了眼前的苟且,还有远方的苟且.怀揣这样 ...
- 04 Apache Solr: 目录结构
通过前面的介绍,我们已经能够看到管理员界面并对Solr形成了一个感性的认识.本篇将在物理上深入了解Solr的安装目录结构和Solr示例的主目录结构. 安装目录结构 Solr 6.3.0安 ...
- github 添加项目
下载git安装 ->https://git-scm.com/downloads 新建git目录 在目录下右键选择Git Bash Here 执行 git init 拷贝项目到git目录下 在gi ...
- spring boot 学习笔记(二) 构建web支持jsp
一.必须将项目打包成war包 <packaging>war</packaging> 二.pom.xml加入依赖包 <dependency> <groupId& ...