//数组实现二叉树:
// 1.下标为零的元素为根节点,没有父节点
// 2.节点i的左儿子是2*i+1;右儿子2*i+2;父节点(i-1)/2;
// 3.下标i为奇数则该节点有有兄弟,否则又左兄弟
// 4.对bst树的操作主要有插入,删除,后继前驱的查找,树最大最小节点查看 #include <iostream> using namespace std; struct node{
node *p,*left,*right;
int key;
}; node * root = NULL; //中序输出BST中的全部关键字
void inorder_tree_walk(node * t)
{
if(t != NULL){
inorder_tree_walk(t->left);
cout<<t->key<<" ";
inorder_tree_walk(t->right);
}
return;
} //查找关键字k,若存在,则返回指向包含k的节点指针;否则,返回NULL
node * tree_search(node * t,int k)
{
while(t != NULL && t->key != k){
if(k < t->key) t = t->left;
else t = t->right;
}
return t;
} //查找最小关键字的节点
node * tree_minimum(node *t)
{
while(t->left != NULL)
t = t->left;
return t;
} //查找最大关键字的节点
node * tree_maximum(node *t)
{
while(t->right != NULL)
t = t->right;
return t;
} //查找节点z的后继
// 1.若该节点有有子树则其后继就是该节点有子树中最小节点
// 2.否则其后继就是其最低祖先节点
node * tree_successor(node * z)
{
if(z->right != NULL) //节点存在右子树
return tree_minimum(z->right);
node * y = z->p; //节点不存在右子树寻找最近祖先节点
while(y != NULL && z == y->right){
z = y;
y = y->p;
}
return y;
} //查找z的前驱节点
node * tree_precursor(node * z)
{
    if(z->left != NULL)
        return tree_maximum(z->left);
    node * y = z->p;
    while(y != NULL && z == y->left){
        z = y;
        y = y->p;
    }
    return y;
} //在BST中插入关键字的值为k的节点
// 1.插入节点时要寻找该节点的正确位置
// 2.然后插入该节点
void tree_insert(node * t,int k){
node * z = new node;
z->key = k;
z->left = NULL;
z->right = NULL;
z->p = NULL; node * y = NULL;
while(t != NULL){ //寻找该节点的正确位置
y = t;
if(z->key < t->key) t = t->left;
else t = t->right;
}
z->p = y; //插入该节点
if(y == NULL) root = z;
else if(z->key < y->key) y->left = z;
else y->right = z;
return;
} //用以v为根的子树替换以u为根的子树
void transplant(node * u, node *v)
{
if(u->p == NULL) root = v;
else if(u == u->p->left) u->p->left = v;
else u->p->right = v;
if(v != NULL) v->p = u->p;
return;
} //从BST中删除节点z
// 1.被删除的节点没有左儿子就用其有儿子来填补
// 2.被删除的节点仅有左儿子就用其左儿子来填补
// 3.有两个儿子的情况:
// a.先找出该节点的一个后继结点 y
// b.y是该节点的右儿子直接用y填补
// c.否则先用y的右孩子替换y,再用y替换被删节点
void tree_delete(node * z)
{
if(z->left == NULL)
transplant(z,z->right);
else if(z->right == NULL)
transplant(z,z->left);
else{
node * y = tree_minimum(z->right);
if(y->p != z){
transplant(y,y->right);
y->right = z->right;
y->right->p = y;
}
transplant(z,y);
y->left = z->left;
y->left->p = y;
}
return;
} int main(){ int a[]={,,,,,,,};
for(int i=;i<=;++i)
{
tree_insert(root,a[i]);
}
inorder_tree_walk(root);
cout<<endl;
cout<<"insert key = 13:"<<endl;
tree_insert(root,);
inorder_tree_walk(root);
cout<<endl;
cout<<"the min key is :"<<tree_minimum(root)->key<<endl;
cout<<"the max key is :"<<tree_maximum(root)->key<<endl;
cout<<"the 9's successor is :"<<tree_successor(tree_search(root,))->key<<endl;
cout<<"delete key =18 :"<<endl;
tree_delete(tree_search(root,));
inorder_tree_walk(root);
cout<<endl;
return ;
}

二叉搜索树:

  1.二叉搜索树是以一颗二叉树来组织的,可以用链表数据结构来实现表示,每个节点表示一个对象,每个节点包含的信息由其key值及其各方向的指向。

  2.对其遍历可用前中后序遍历,这里用的是中序遍历方法

  3.二叉搜索树的搜索方法:待查找的元素的键值比当前结点先就到当前结点的左树种去寻找,比当前节点大就到当前节点的右树中去寻找,否则就找到或者到叶子结点也没找到就返回null

  4.查找一棵树的最小元素和最大元素:最小元素救是以该节点为根节点的树的最左边的叶子节点,而最大元素就是以该节点为根节点的最右边的叶子结点

  5.查找按照中序遍历方法中一个节点的前驱和后继节点:

    a.前驱节点:情况一,该节点的左子树非空,则该节点的前驱节点就是该右子树中最大元素;情况二,该节点的左子树为空,那么该节点的后继结点就是沿这这个节点的父节点往上找,并且同时父节点和该节点都上移,直到当前结点是其父节点的右儿子为止,该父节点就是要找的前驱节点

    b.后继节点:情况一,该节点的右子树非空,则该节点的后继节点就是该右子树中最小元素;情况二,该节点的右子树为空,那么该节点的后继结点就是沿这这个节点的父节点往上找,并且同时父节点和该节点都上移,直到当前结点是其父节点的左儿子为止,该父节点就是要找的后继节点

    实际上前驱节点和后继结点的求法刚好相反

  6.插入节点:先找到给节点的正确位置,然后插入进搜索树中

  7.删除节点:比较麻烦,情况也比较复杂,因为在删除的过程中还要维护搜索树的性质

      a.被删除的节点只有右儿子,用右儿子来填补该节点

      b.被删除的节点只有左儿子,用左儿子来填补该节点

      c.被删除的节点没有儿子,则直接删除

      d.被删除的节点有两个儿子节点,先找到该节点的后继节点。情况一,如果该后继结点就是被删节点的右儿子,直接用该后继节点替换该节点;情况二,如果该后继节点位于被删节点的右子树中但不是被删节点的右儿子,先用该后继节点的右儿子替换该后继节点,再用该后继节点替换被删除的几点。

bst 二叉搜索树简单实现的更多相关文章

  1. 数据结构中很常见的各种树(BST二叉搜索树、AVL平衡二叉树、RBT红黑树、B-树、B+树、B*树)

    数据结构中常见的树(BST二叉搜索树.AVL平衡二叉树.RBT红黑树.B-树.B+树.B*树) 二叉排序树.平衡树.红黑树 红黑树----第四篇:一步一图一代码,一定要让你真正彻底明白红黑树 --- ...

  2. 数据结构中常见的树(BST二叉搜索树、AVL平衡二叉树、RBT红黑树、B-树、B+树、B*树)

    树 即二叉搜索树: 1.所有非叶子结点至多拥有两个儿子(Left和Right): 2.所有结点存储一个关键字: 非叶子结点的左指针指向小于其关键字的子树,右指针指向大于其关键字的子树: 如: BST树 ...

  3. [LeetCode] Serialize and Deserialize BST 二叉搜索树的序列化和去序列化

    Serialization is the process of converting a data structure or object into a sequence of bits so tha ...

  4. [LeetCode] Minimum Absolute Difference in BST 二叉搜索树的最小绝对差

    Given a binary search tree with non-negative values, find the minimum absolute difference between va ...

  5. 浅析BST二叉搜索树

    2020-3-25 update: 原洛谷日报#2中代码部分出现一些问题,详情见此帖.并略微修改本文一些描述,使得语言更加自然. 2020-4-9 update:修了一些代码的锅,并且将文章同步发表于 ...

  6. 530 Minimum Absolute Difference in BST 二叉搜索树的最小绝对差

    给定一个所有节点为非负值的二叉搜索树,求树中任意两节点的差的绝对值的最小值.示例 :输入:   1    \     3    /   2输出:1解释:最小绝对差为1,其中 2 和 1 的差的绝对值为 ...

  7. LeetCode #938. Range Sum of BST 二叉搜索树的范围和

    https://leetcode-cn.com/problems/range-sum-of-bst/ 二叉树中序遍历 二叉搜索树性质:一个节点大于所有其左子树的节点,小于其所有右子树的节点 /** * ...

  8. Leetcode938. Range Sum of BST二叉搜索树的范围和

    给定二叉搜索树的根结点 root,返回 L 和 R(含)之间的所有结点的值的和. 二叉搜索树保证具有唯一的值. 示例 1: 输入:root = [10,5,15,3,7,null,18], L = 7 ...

  9. 标准BST二叉搜索树写法

    本人最近被各种数据结构的实验折磨的不要不要的,特别是代码部分,对数据结构有严格的要求,比如写个BST要分成两个类,一个节点类,要给树类,关键是所以操作都要用函数完成,也就是在树类中不能直接操作节点,需 ...

随机推荐

  1. 关于bootstrap--网格系统

    1. 2.偏移列(col-md-offset-*):为了在大屏幕显示器上使用偏移,请使用 .col-md-offset-* 类.这些类会把一个列的左外边距(margin)增加 * 列,其中 * 范围是 ...

  2. myeclipse实现Servlet实例(1) 通过继承servlet接口实现

    1.在myeclipse新建web project,配置Tomcat(在myeclipse的Window--preferences) 2.然后在src新建servlet文件( 此处放在com.tsin ...

  3. 画8_hdu_1256(图形).java

    画8 Time Limit: 2000/1000 MS (Java/Others)    Memory Limit: 65536/32768 K (Java/Others) Total Submiss ...

  4. Sftp和ftp 差别、工作原理等(汇总ing)

    Sftp和ftp over ssh2的差别 近期使用SecureFx,涉及了两个不同的安全文件传输协议: -sftp -ftp over SSH2 这两种协议是不同的.sftp是ssh内含的协议,仅仅 ...

  5. iOS程序的加载过程

    1.执行main函数2.执行UIApplicationMain函数1> 创建一个UIApplication对象(UIApplication是整个程序的象征)一个应用只有一个application ...

  6. nagios和zabbix自定义监控脚本

    一. 自定义nagios监控脚本1. 在客户端上创建脚本/usr/local/nagios/libexec/check_disk.shvim  /usr/local/nagios/libexec/ch ...

  7. html与css的移动端与pc端需要注意的事项

    一个移动端与pc端之间最主要的也就是尺寸问题,苹果与安卓的机型尺寸大小相差甚多,一个尺寸都会影响用户的体验.那么我们来了解一下一些常用的解决方法. 一般在网页中都会在头部有一些这样的代码 <me ...

  8. 《第一行代码》学习笔记12-UI(1)

    1.程序需要注销或者退出,用一个专门的集合类对所有的活动进行管理即可. 2.可视化编辑工具不利于真正了解界面背后的实现原理,通常这种方式制作的界面都不具有很好的屏幕适配性, 而且当需要编写较为复杂的界 ...

  9. 使用hibernate优化

    a. 在查询字符串中,应该总是使用jdbc的占位符?,或使用使用命名参数:,不要自查询中使用字符串值来代替非常量值.   b.  Flush会影响性能,频繁刷新影响性能,尽量减少不必要的刷新.   c ...

  10. (三)原生JS实现 - 插件 - 弹出层

    创建遮罩层 _createCover: function() { var newMask = document.createElement("div"); newMask.id = ...