数据结构之二叉树
来源:互联网 发布:手机dns修复软件 编辑:程序博客网 时间:2024/06/05 04:47
通过前面的学习,我们知道,有序数组可以利用二分查找法快速的查找特定的值,时间复杂度为O(log2N),但是插入数据时很慢,时间复杂度为O(N);链表的插入和删除速度都很快,时间复杂度为O(1),但是查找特定值很慢,时间复杂度为O(N)。
那么,有没有一种数据结构既能像有序数组那样快速的查找数据,又能像链表那样快速的插入数据呢?树就能满足这种要求。不过依然是以算法的复杂度为代价
在编程的世界里,有一个真理叫“复杂度守恒定律”(当然,这是我杜撰的),一个程序当它降低了一个方面的复杂度,必然会在其他方面增加复杂度。这就跟谈恋爱一样,也没有无缘无故的爱,没有无缘无故的恨,当你跟程序谈恋爱时,没有无缘无故的易用性,也没有无缘无故的复杂度
树的相关概念
我们先从广义上来讨论一下树的概念
树其实是范畴更广的图的特例
下面是一个普通的非二叉树
在程序中,节点一般用来表示实体,也就是数据结构里存储的那些数据项,在Java这样的面向对象的编程语言中,常用节点来表示对象
节点间的边表示关联节点间的路径,沿着路径,从一个节点到另一个节点很容易,也很快,在树中,从一个节点到另一个节点的唯一方法就是顺着边前进。java语言中,常用引用来表示边(C/C++中一般使用指针)
树的顶层总是只有一个节点,它通过边连接到第二层的多个节点,然后第二层也可以通过边连接到第三层,以此类推。所以树的顶部小,底部大,呈倒金字塔型,这和现实世界中的树是相反的
如果树的每个节点最多有两个子节点,则称为二叉树。如果节点的子节点可以多余两个,称为多路树
有很多关于树的术语,在这里不做过多的文字解释,下面给出一个图例,通过它可以直观地理解树的路径、根、父节点、子节点、叶节点、子树、层等概念
需要注意的是,从树的根到任意节点有且只有一条路径可以到达,下图所示就不是一棵树,它违背了这一原则
二叉搜索树
我们从一种特殊的、使用很广泛的二叉树入手:二叉搜索树。
二叉搜索树的特点是,一个节点的左子节点的关键字值小于这个节点,右子节点的关键字值大于或等于这个父节点。下图就是一个二叉搜索树的示例:
关于树,还有一个平衡树与非平衡树的概念。非平衡就是说树的大部分节点在根的一边,如下图所示:
树的不平衡是由数据项插入的顺序造成的。如果关键字是随机插入的,树会更趋向于平衡,如果插入顺序是升序或者降序,则所有的值都是右子节点或左子节点,这样生成的树就会不平衡了。非平衡树的效率会严重退化
接下来我们就用java语言实现一个二叉搜索树,并给出查找、插入、遍历、删除节点的方法
首先要有一个封装节点的类,这个类包含节点的数据以及它的左子节点和右子节点的引用
[java] view plain copy print?
- //树节点的封装类
- public class Node {
- int age;
- String name;
- Node leftChild; //左子节点的引用
- Node rightChild; //右子节点的引用
- public Node(int age,String name){
- this.age = age;
- this.name = name;
- }
- //打印该节点的信息
- public void displayNode(){
- System.out.println("name:"+name+",age:"+age);
- }
- }
以上age,name两个属性用来代表该节点存储的信息,更好的方法是将这些属性封装成一个对象,例如:
[java] view plain copy print?
- Person{
- private int age;
- private String name;
- public void setAge(int age){
- this.age = age;
- }
- public int getAge(){
- return this.age;
- }
- public void setName(String name){
- this.name = name;
- }
- public String getName(){
- return this.name;
- }
- }
这样做才更符合“面向对象”的编程思想。不过现在我们的重点是数据结构而非编程思想,所以在程序中简化了由于树的结构和算法相对复杂,我们先逐步分析一下查找、插入等操作的思路,然后再写出整个的java类
查找
我们已经知道,二叉搜索树的特点是左子节点小于父节点,右子节点大于或等于父节点。查找某个节点时,先从根节点入手,如果该元素值小于根节点,则转向左子节点,否则转向右子节点,以此类推,直到找到该节点,或者到最后一个叶子节点依然没有找到,则证明树中没有该节点
比如我们要在树中查找57,执行的搜索路线如下图所示:
插入
插入一个新节点首先要确定插入的位置,这个过程类似于查找一个不存在的节点。如下图所示:
找到要插入的位置之后,将父节点的左子节点或者右子节点指向新节点即可
遍历
遍历的意思是根据一种特定顺序访问树的每一个节点
有三种简单的方法遍历树:前序遍历、中序遍历、后序遍历。二叉搜索树最常用的方法是中序遍历,中序遍历二叉搜索树会使所有的节点按关键字升序被访问到
遍历树最简单的方法是递归。用该方法时,只需要做三件事(初始化时这个节点是根):
1、调用自身来遍历节点的左子树
2、访问这个节点
3、调用自身来遍历节点的右子树
遍历可以应用于任何二叉树,而不只是二叉搜索树。遍历的节点并不关心节点的关键字值,它只看这个节点是否有子节点
下图展示了中序遍历的过程:
对于每个节点来说,都是先访问它的左子节点,然后访问自己,然后在访问右子节点
如果是前序遍历呢?就是先访问父节点,然后左子节点,最后右子节点;同理,后序遍历就是先访问左子节点,在访问右子节点,最后访问父节点。所谓的前序、中序、后序是针对父节点的访问顺序而言的
查找最值
在二叉搜索树中,查找最大值、最小是是很容易实现的,从根循环访问左子节点,直到该节点没有左子节点为止,该节点就是最小值;从根循环访问右子节点,直到该节点没有右子节点为止,该节点就是最大值
下图就展示了查找最小值的过程:
删除节点
树的删除节点操作是最复杂的一项操作。该操作需要考虑三种情况考虑:
1、该节点没有子节点
2、该节点有一个子节点
3、该节点有两个子节点
第一种没有子节点的情况很简单,只需将父节点指向它的引用设置为null即可:
第二种情况也不是很难,这个节点有两个连接需要处理:父节点指向它的引用和它指向子节点的引用。无论要删除的节点下面有多复杂的子树,只需要将它的子树上移:
还有一种特殊情况需要考虑,就是要删除的是根节点,这时就需要把它唯一的子节点设置成根节点
下面来看最复杂的第三种情况:要删除的节点由连个子节点。显然,这时候不能简单地将子节点上移,因为该节点有两个节点,右子节点上移之后,该右子节点的左子节点和右子节点又怎么安排呢?
这是应该想起,二叉搜索树是按照关键升序排列,对每一个关键字来说,比它关键字值高的节点是它的中序后继,简称后继。删除有两个子节点的节点,应该用它的中序后继来替代该节点
上图中,我们先列出中序遍历的顺序:
5 15 20 25 30 35 40
可以看到,25的后继是35,所以应该用30来替代25的位置。实际上就是找到比欲删除节点的关键字值大的集合中的最小值。从树的结构上来说,就是从欲删除节点的右子节点开始,依次跳到下一层的左子节点,直到该左子节点没有左子节点为止。下图就是找后继节点的示例:
从上图中可以看到,后继结点有两种情况:一种是欲删除节点的右子节点没有左子节点,那么它本身就是后继节点,此时,只需要将以此后继节点为根的子树移到欲删除节点的位置:
另一种情况是欲删除节点的右子节点有左子节点,这种情况就比较复杂,下面来逐步分析。首先应该意识到,后继节点是肯定没有左子节点的,但是可能会有右子节点
上图中,75为欲删除节点,77为它的后继节点,树变化的步骤如下:
1、把87的左子节点设置为79;
2、把77的右子节点设为以87为根的子树;
3、把50的右子节点设置为以77为根的子树;
4、把77的左子节点设置为62
到此为止,删除操作终于分析完毕,包含了所有可能出现的情况。可见,二叉树的删除是一件非常棘手的工作,那么我们就该反思了,删除是必须要做的任务吗?有没有一种方法避开这种烦人的操作?有困难要上,没有困难创造困难也要上的二货精神是不能提倡的
在删除操作不是很多的情况下,可以在节点类中增加一个布尔字段,来作为该节点是否已删除的标志。在进行其他操作,比如查找时,之前对该节点是否已删除进行判断。这种思路有点逃避责任,但是在很多时候还是很管用的。本例中为了更好的深入理解二叉树,会采用原始的、复杂的删除方法
下面我们就根据上面的分析,写出一个完整的二叉搜索树类,该类中,如果有重复值,插入到右子节点,查找时也只返回第一个找到的节点
[java] view plain copy print?
- import java.util.ArrayList;
- import java.util.List;
- //二叉搜索树的封装类
- public class BinaryTree {
- private Node root; //根节点
- public BinaryTree(){
- root = null;
- }
- //按关键字查找节点
- public Node find(int key){
- Node cur = root; //从根节点开始查找
- if(cur == null){ //如果树为空,直接返回null
- return null;
- }
- while(cur.age != key){
- if(cur.age < key){
- cur = cur.leftChild; //如果关键字比当前节点小,转向左子节点
- }else{
- cur = cur.leftChild; //如果关键字比当前节点大,转向右子节点
- }
- if(cur == null){ //没有找到结果,搜索结束
- return null;
- }
- }
- return cur;
- }
- //插入新节点
- public void insert(Node node){
- if(root == null){
- root = node; //如果树为空,则新插入的节点为根节点
- }else{
- Node cur = root;
- while(true){
- if(node.age < cur.age){
- if(cur.leftChild == null){ //找到了要插入节点的父节点
- cur.leftChild = node;
- return;
- }
- cur = cur.leftChild;
- }else{
- if(cur.rightChild == null){ //找到了要插入节点的父节点
- cur.rightChild = node;
- return;
- }
- cur = cur.rightChild;
- }
- }
- }
- }
- //删除指定节点
- public boolean delete(Node node){
- if(root == null){
- return false; //如果为空树,直接返回false
- }
- boolean isLeftChild = true; //记录目标节点是否为父节点的左子节点
- Node cur= root; //要删除的节点
- Node parent = null; //要删除节点的父节点
- while(cur.age != node.age){ //确定要删除节点和它的父节点
- parent = cur;
- if(node.age < cur.age){ //目标节点小于当前节点,跳转左子节点
- cur = cur.leftChild;
- }else{//目标节点大于当前节点,跳转右子节点
- isLeftChild = false;
- cur = cur.rightChild;
- }
- if(cur == null){
- return false; //没有找到要删除的节点
- }
- }
- if(cur.leftChild == null && cur.rightChild == null){ //目标节点为叶子节点(无子节点)
- if(cur == root){ //要删除的为根节点
- root = null;
- }else if(isLeftChild){
- //要删除的不是根节点,则该节点肯定有父节点,该节点删除后,需要将父节点指向它的引用置空
- parent.leftChild = null;
- }else{
- parent.rightChild = null;
- }
- }else if(cur.leftChild == null){ //只有一个右子节点
- if(cur == root){
- root = cur.rightChild;
- }else if(isLeftChild){
- parent.leftChild = cur.rightChild;
- }else{
- parent.rightChild = cur.rightChild;
- }
- }else if(cur.rightChild == null){ //只有一个左子节点
- if(cur == root){
- root = cur.leftChild;
- }else if(isLeftChild){
- parent.leftChild = cur.leftChild;
- }else{
- parent.rightChild = cur.leftChild;
- }
- }else{ //有两个子节点
- //第一步要找到欲删除节点的后继节点
- Node successor = cur.rightChild;
- Node successorParent = null;
- while(successor.leftChild != null){
- successorParent = successor;
- successor = successor.leftChild;
- }
- //欲删除节点的右子节点就是它的后继,证明该后继无左子节点,则将以后继节点为根的子树上移即可
- if(successorParent == null){
- if(cur == root){ //要删除的为根节点,则将后继设置为根,且根的左子节点设置为欲删除节点的做左子节点
- root = successor;
- root.leftChild = cur.leftChild;
- }else if(isLeftChild){
- parent.leftChild = successor;
- successor.leftChild = cur.leftChild;
- }else{
- parent.rightChild = successor;
- successor.leftChild = cur.leftChild;
- }
- }else{ //欲删除节点的后继不是它的右子节点
- successorParent.leftChild = successor.rightChild;
- successor.rightChild = cur.rightChild;
- if(cur == root){
- root = successor;
- root.leftChild = cur.leftChild;
- }else if(isLeftChild){
- parent.leftChild = successor;
- successor.leftChild = cur.leftChild;
- }else{
- parent.rightChild = successor;
- successor.leftChild = cur.leftChild;
- }
- }
- }
- return true;
- }
- public static final int PREORDER = 1; //前序遍历
- public static final int INORDER = 2; //中序遍历
- public static final int POSTORDER = 3; //中序遍历
- //遍历
- public void traverse(int type){
- switch(type){
- case 1:
- System.out.print("前序遍历:\t");
- preorder(root);
- System.out.println();
- break;
- case 2:
- System.out.print("中序遍历:\t");
- inorder(root);
- System.out.println();
- break;
- case 3:
- System.out.print("后序遍历:\t");
- postorder(root);
- System.out.println();
- break;
- }
- }
- //前序遍历
- public void preorder(Node currentRoot){
- if(currentRoot != null){
- System.out.print(currentRoot.age+"\t");
- preorder(currentRoot.leftChild);
- preorder(currentRoot.rightChild);
- }
- }
- //中序遍历,这三种遍历都用了迭代的思想
- public void inorder(Node currentRoot){
- if(currentRoot != null){
- inorder(currentRoot.leftChild); //先对当前节点的左子树对进行中序遍历
- System.out.print(currentRoot.age+"\t"); //然后访问当前节点
- inorder(currentRoot.rightChild); //最后对当前节点的右子树对进行中序遍历
- }
- }
- //后序遍历
- public void postorder(Node currentRoot){
- if(currentRoot != null){
- postorder(currentRoot.leftChild);
- postorder(currentRoot.rightChild);
- System.out.print(currentRoot.age+"\t");
- }
- }
- //私有方法,用迭代方法来获取左子树和右子树的最大深度,返回两者最大值
- private int getDepth(Node currentNode,int initDeep){
- int deep = initDeep; //当前节点已到达的深度
- int leftDeep = initDeep;
- int rightDeep = initDeep;
- if(currentNode.leftChild != null){ //计算当前节点左子树的最大深度
- leftDeep = getDepth(currentNode.leftChild, deep+1);
- }
- if(currentNode.rightChild != null){ //计算当前节点右子树的最大深度
- rightDeep = getDepth(currentNode.rightChild, deep+1);
- }
- return Math.max(leftDeep, rightDeep);
- }
- //获取树的深度
- public int getTreeDepth(){
- if(root == null){
- return 0;
- }
- return getDepth(root,1);
- }
- //返回关键值最大的节点
- public Node getMax(){
- if(isEmpty()){
- return null;
- }
- Node cur = root;
- while(cur.rightChild != null){
- cur = cur.rightChild;
- }
- return cur;
- }
- //返回关键值最小的节点
- public Node getMin(){
- if(isEmpty()){
- return null;
- }
- Node cur = root;
- while(cur.leftChild != null){
- cur = cur.leftChild;
- }
- return cur;
- }
- //以树的形式打印出该树
- public void displayTree(){
- int depth = getTreeDepth();
- ArrayList<Node> currentLayerNodes = new ArrayList<Node> ();
- currentLayerNodes.add(root); //存储该层所有节点
- int layerIndex = 1;
- while(layerIndex <= depth){
- int NodeBlankNum = (int)Math.pow(2, depth-layerIndex)-1; //在节点之前和之后应该打印几个空位
- for(int i = 0;i<currentLayerNodes.size();i++){
- Node node = currentLayerNodes.get(i);
- printBlank(NodeBlankNum); //打印节点之前的空位
- if(node == null){
- System.out.print("*\t"); //如果该节点为null,用空位代替
- }else{
- System.out.print("* "+node.age+"\t"); //打印该节点
- }
- printBlank(NodeBlankNum); //打印节点之后的空位
- System.out.print("*\t"); //补齐空位
- }
- System.out.println();
- layerIndex++;
- currentLayerNodes = getAllNodeOfThisLayer(currentLayerNodes); //获取下一层所有的节点
- }
- }
- //获取指定节点集合的所有子节点
- private ArrayList getAllNodeOfThisLayer(List parentNodes){
- ArrayList list = new ArrayList<Node>();
- Node parentNode;
- for(int i=0;i<parentNodes.size();i++){
- parentNode = (Node)parentNodes.get(i);
- if(parentNode != null){
- if(parentNode.leftChild != null){ //如果上层的父节点存在左子节点,加入集合
- list.add(parentNode.leftChild);
- }else{
- list.add(null); //如果上层的父节点不存在左子节点,用null代替,一样加入集合
- }
- if(parentNode.rightChild != null){
- list.add(parentNode.rightChild);
- }else{
- list.add(null);
- }
- }else{ //如果上层父节点不存在,用两个null占位,代表左右子节点
- list.add(null);
- list.add(null);
- }
- }
- return list;
- }
- //打印指定个数的空位
- private void printBlank(int num){
- for(int i=0;i<num;i++){
- System.out.print("*\t");
- }
- }
- //判空
- public boolean isEmpty(){
- return (root == null);
- }
- //判断是否为叶子节点
- public boolean isLeaf(Node node){
- return (node.leftChild != null || node.rightChild != null);
- }
- //获取根节点
- public Node getRoot(){
- return root;
- }
- }
displayTree方法按照树的形状打印该树。对一颗深度为3的二叉树的打印效果如下图所示:
- 数据结构之二叉树
- 数据结构之二叉树
- 数据结构之二叉树
- 数据结构之二叉树
- 数据结构之二叉树
- 数据结构之二叉树
- 数据结构之二叉树
- 数据结构之二叉树
- 数据结构之二叉树
- 数据结构之二叉树
- 数据结构之二叉树
- 数据结构之二叉树
- 数据结构之二叉树
- 数据结构之二叉树
- 数据结构之二叉树
- 数据结构之二叉树
- 数据结构之二叉树
- 数据结构之二叉树
- vim编辑器设置高亮
- redis 设置密码
- Swift中的ARC(Automatic Reference Counting)
- Struts2 S2 – 032远程代码执行漏洞分析报告 .
- 一个可安全挂起,恢复的线程
- 数据结构之二叉树
- uevent
- struts2 升级至2.5流程及主要事项 .
- 《大话数据结构》读书笔记(二)
- MFC视图实时显示鼠标位置实现
- 数据结构之霍夫曼树
- ios 多项选择与单项选择
- Python-函数的参数顺序
- 安卓EditText限制输入类型的一些技巧