目录
前言:
一、AVL树的性质
二、AVL树基本结构
1、AVL树的节点
三、AVL树的插入
1、平衡因子更新规则
2、左单旋
3、右单旋
4、左右双旋
5、右左双旋
四、AVL树的验证
五、AVL树的性能
前言:
AVL树是为了弥补搜索树插入时,效率问题而提出来的一种树形结构
二叉搜索树在搜索时的效率比较高是O(logH),也就是说搜索树的搜索效率依赖于树的高度,当搜
索树插入数据是有序或者接近有序时,树的高度是N(有N个数据),搜索效率就会退化到O(N),因
此要提高搜索树的效率,就是要尽量使树的高度低,AVL树就是一颗高度平衡的二叉搜索树。
一、AVL树的性质
AVL树的性质是,它的左右子树都是AVL树,并且左右子树的高度差不超过1
这样就限制了搜索树的高度,AVL树接近完全二叉树,使得它的效率提升
如果它有n个结点,其高度可保持在 O(logN),搜索时间复杂度O(logN)
二、AVL树基本结构
1、AVL树的节点
这里我们要保证插入节点之后还是AVL树,而AVL树的定义是左右子树高度差不超过1,所以我们要在每一个节点记录它的左右子树高度差,这也就引出了平衡因子
平衡因子 = 右子树的高度 - 左子树的高度
并且为了方便调整AVL树的高度,还需要记录每个节点的父节点(三叉链)
我们这里直接实现搜索树的K/V模型,所以节点就直接存储pair了
template<class T,class K>
struct AVLTreeNode
{
AVLTreeNode<T, K>* _left;
AVLTreeNode<T, K>* _right;
AVLTreeNode<T, K>* _parent;
pair<const K, V> _kv;
int _bf; // Balance factor
};
因为K是不能被修改的,所以我们传一个const
三、AVL树的插入
AVL树的插入与二叉搜索树类似,首先要找到插入位置,然后是调整平衡因子,判断是否需要旋转,最后是旋转。旋转主要分为四种情况,左单旋,右单旋,左右双旋,右左双旋
bool insert(const pair<K, V>& kv)
{
if (_root == nullptr)
{
_root = new Node(kv);
return true;
}
Node* cur = _root;
Node* parent = nullptr;
while (cur)
{
if (cur->_kv.first < kv.first)
{
parent = cur;
cur = cur->_right;
}
else if (cur->_kv.first > kv.first)
{
parent = cur;
cur = cur->_left;
}
else
{
return false;
}
}
//找到插入位置
cur = new Node(kv);
if (parent->_kv.first < kv.first)
{
parent->_right = cur;
}
else
{
parent->_left = cur;
}
cur->_parent = parent;
//调整平衡因子+旋转
}
1、平衡因子更新规则
新增在右,parent->_bf++, 新增在左,parent->_bf--
更新后parent->_bf == 1 or -1,说明在插入之前parent->_bf == 0,说明左右子树高度相同,插入之后左右子树高度不同,需要往上更新平衡因子
更新后,parent->_bf == 0,说明之前parent->_bf == 1? or -1 说明左右子树不一边高,插入后左右子树高度相同,说明插入到了左右子树中矮的那一边,不需要往上更新
更新后parent->_bf == 2 or -2 说明parent插入前的平衡因子是1? or? -1,已经在平衡的临界值,插入之后打破平衡,需要进行旋转
更新之后parent->_bf > 2 or < -2 说明,在插入之前就不是AVL树,需要检查之前的操作
//调整平衡因子+旋转
//调整最多是调整到根,根是没有父亲的
while (parent)
{
if (cur == parent->_left)
{
parent->_bf--;
}
else
{
parent->_bf++;
}
if (parent->_bf == 0)
{
break;
}
else if(abs(parent->_bf) == 1)
{
//继续向上调整
parent = parent->_parent;
cur = cur->_parent;
}
else if (abs(parent->_bf) == 2)
{
//开始旋转
}
else
{
//出错了,按照常理不会出现这种情况
assert(false);
}
break;
}
return true;
2、左单旋
假如有这样的一棵树,子树a,b,c都是高度为h的AVL树,现在我们要在c子树插入一个节点
?插入之后更新平衡因子,因为是插入在60的右边,导致60的平衡因子变成1,30的平衡因子变成2,右边高了,所以需要我们进行左旋
具体过程:将cur的左子树给parent的右子树,parent作为cur的左子树
最后是更新平衡因子,因为parent的左右子树高度相同所以parent->_bf == 0
cur的左右子树高度相同,所以也是0
void RotateL(Node* parent)
{
Node* subR = parent->_right;
Node* subRL = subR->_left;
parent->_right = subRL;
if (subRL)
{
subRL->_parent = parent;
}
Node* ppNode = parent->_parent;
subR->_left = parent;
parent->_parent = subR;
if (_root == parent)
{
_root = subR;
subR->_parent = nullptr;
}
else
{
if (ppNode->_left == parent)
{
ppNode->_left = subR;
}
else
{
ppNode->_right = subR;
}
subR->_parent = ppNode;
}
subR->_bf = parent->_bf = 0;
}
3、右单旋
假如有这样的一棵树,子树a,b,c都是高度为h的AVL树,现在我们要在a子树插入一个节点
a这棵树的高度是h+1,更新平衡因子
发现parent->_bf == -2, cur->_bf == -1,这时候左边高,需要我们将左子树向右边旋转
具体的旋转过程是,先将cur的右子树给parent的左边,然后parent作为cur的右子树
最后是要看平衡因子的更新,对于parent(60这个节点),它的左右子树高度相同,平衡因子是0
cur的左子树高度等于右子树高度,平衡因子是0?
void RotateR(Node* parent)
{
Node* subL = parent->_left;
Node* subLR = subL->_right;
parent->_left = subLR;
if (subLR)
{
subLR->_parent = parent;
}
Node* ppNode = parent->_parent;//记录parent的parent,旋转完成之后链接
subL->_right = parent;
parent->_parent = subL;
if (_root == parent)
{
_root = subL;
subL->_parent = nullptr;
}
else
{
if (ppNode->_left == parent)
{
ppNode->_left = subL;
}
else
{
ppNode->_right = subL;
}
subL->_parent = ppNode;
}
//更新bf
subL->_bf = parent->_bf = 0;
}
4、左右双旋
接下来是左右双旋,先进行左旋,再进行右旋
?我们要在b的下面插入一个新节点
?
单看30为根的这棵树, 它的右子树高于左子树,所以进行左旋
左旋之后发现左边高,再进行右旋(以60为轴点)
?
?
void RotateLR(Node* parent)
{
Node* subL = parent->_left;
Node* subLR = subL->_right;
int bf = subLR->_bf;
RotateL(parent->_left);
RotateR(parent);
subLR->_bf = 0;
if (bf == 0)
{
parent->_bf = 0;
subL->_bf = 0;
}
else if (bf == 1)
{
parent->_bf = 0;
subL->_bf = -1;
}
else if (bf == -1)
{
parent->_bf = 1;
subL->_bf = 0;
}
else
{
assert(false);
}
}
5、右左双旋
再60的右边插入一个节点
?
这时以90为轴进行右旋
?
接下来以30为轴进行左旋
void RotateRL(Node* parent)
{
Node* subR = parent->_right;
Node* subRL = subR->_left;
int bf = subRL->_bf;
RotateR(parent->_right);
RotateL(parent);
subRL->_bf = 0;
if (bf == 0)
{
parent->_bf = 0;
subR->_bf = 0;
}
else if (bf == 1)
{
parent->_bf = -1;
subR->_bf = 0;
}
else if (bf == -1)
{
parent->_bf = 0;
subR->_bf = 1;
}
else
{
assert(false);
}
}
?
四、AVL树的验证
我们要想验证一棵树是否是AVL树,不能够通过观察它的平衡因子,因为旋转之后的平衡因子是我们手动更新的,就好比我既是裁判又是球员,所以这种方式不可靠。
我们选择判断左右子树高度差是否符合条件来判断 + 中序遍历 + 平衡因子
这三种方式叠加来判断
void InOrder()
{
_InOrder(_root);
}
bool IsBalance()
{
return _IsBalance(_root);
}
void _InOrder(Node* root)
{
if (root == nullptr)
{
return;
}
_InOrder(root->_left);
cout << root->_kv.first << " : " << root->_kv.second << endl;
_InOrder(root->_right);
}
bool _IsBalance(Node* root)
{
if (root == nullptr)
{
return true;
}
int leftDepth = GetDepths(root->_left);
int rightDepth = GetDepths(root->_right);
int diff = leftDepth - rightDepth;
if (diff != root->_bf)
{
cout << "平衡因子异常" << endl;
return false;
}
return abs(diff) < 2
&& _IsBalance(root->_left)
&& _IsBalance(root->_right);
}
int GetDepths(Node* root)
{
if (root == nullptr)
{
return 0;
}
return max(GetDepths(root->_left), GetDepths(root->_right)) + 1;
}
我们先拿常规测试用例来测试{16, 3, 7, 11, 9, 26, 18, 14, 15}
接下来是特殊场景{4, 2, 6, 1, 3, 5, 15, 7, 16,?14}
?
结果也是没有问题的
最后是拿一组随机值来测试
void test_AVLTree()
{
srand(time(0));
AVLTree<int, int> t;
//{16, 3, 7, 11, 9, 26, 18, 14, 15}
//int a[] = { 16, 3, 7, 11, 9, 26, 18, 14, 15 };
/*int a[] = { 4, 2, 6, 1, 3, 5, 15, 7, 16,14 };
for (auto it : a)
{
t.insert(make_pair(it, it));
}*/
size_t N = 10000;
for (size_t i = 0; i < N; i++)
{
int x = rand();
t.insert(make_pair(x, x));
}
t.InOrder();
cout << t.IsBalance() << endl;
}
?
结果也是没有问题?
五、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logN。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。
|