Javascript数据结构之禅:平衡二叉树(Balanced Binary Tree, AVL Tree)
来源:互联网 发布:go 知乎 编辑:程序博客网 时间:2024/05/16 07:45
Javascript数据结构之禅:平衡二叉树(Balanced Binary Tree, AVL Tree)
项目源码地址:
github.com/KristenXu/JavascriptDatastructures/blob/master/AVLTree.js
1 .基本概念
平衡二叉树(Balanced Binary Tree),又叫AVL树。它的原理并不难弄懂,我们来实现一下吧。下面我们来看看:
1.1 AVL树是什么?
AVL树本质上还是一棵二叉搜索树(因此读者可以看到我后面的代码是继承自二叉搜索树的),它的特点是:
- 本身首先是一棵二叉搜索树。
- 带有平衡条件:每个结点的左右子树的高度之差的绝对值(平衡因子)最多为1。
例如:
上图中,左边的是AVL树,而右边的不是。因为左边的树的每个结点的左右子树的高度之差的绝对值都最多为1,而右边的树由于结点6没有子树,导致根结点5的平衡因子为2。
1.2 为什么要用AVL树?
有人也许要问:为什么要有AVL树呢?它有什么作用呢?
我们先来看看二叉搜索树吧(因为AVL树本质上是一棵二叉搜索树),假设有这么一种极端的情况:二叉搜索树的结点为1、2、3、4、5,也就是:
聪明的你是不是发现什么了呢?呵呵,显而易见——这棵二叉搜索树其实等同于一个链表了,也就是说,它在查找上的优势已经全无了——在这种情况下,查找一个结点的时间复杂度是O(N)!
好,那么假如是AVL树(别忘了AVL树还是二叉搜索树),则会是:
可以看出,AVL树的查找平均时间复杂度要比二叉搜索树低——它是O(logN)。也就是说,在大量的随机数据中AVL树的表现要好得多。
2 旋转
假设有一个结点的平衡因子为2(在AVL树中,最大就是2,因为结点是一个一个地插入到树中的,一旦出现不平衡的状态就会立即进行调整,因此平衡因子最大不可能超过2),那么就需要进行调整。由于任意一个结点最多只有两个儿子,所以当高度不平衡时,只可能是以下四种情况造成的:
- 对该结点的左儿子的左子树进行了一次插入。
- 对该结点的左儿子的右子树进行了一次插入。
- 对该结点的右儿子的左子树进行了一次插入。
- 对该结点的右儿子的右子树进行了一次插入。
情况1和4是关于该点的镜像对称,同样,情况2和3也是一对镜像对称。因此,理论上只有两种情况,当然了,从编程的角度来看还是四种情况。
第一种情况是插入发生在“外边”的情况(即左-左的情况或右-右的情况),该情况可以通过对树的一次单旋转来完成调整。第二种情况是插入发生在“内部”的情况(即左-右的情况或右-左的情况),该情况要通过稍微复杂些的双旋转来处理。
2.1 单旋转
情况1:对该结点的左儿子的左子树进行了一次插入。
左边为调整前得节点,我们可以看出k2的左右子树已不再满足AVL平衡条件,调整后的为右图。
我们可以看出,解决办法是将x上移一层,并将z下移一层,由于在原树中k2 > k1,所以k2成为k1的右子树,而y是小于k2的,所以成为k2的左子树。
为了设计算法,我们这里来看一个更易理解的:插入的是节点“6”
算法设计:由于是情形1对该结点的左儿子的左子树进行了一次插入,该节点是“8”,首先我们不考虑其父节点的情况,因为我们创建节点是递归创建的,可以不用考虑其父节点与其的连接,这在后面递归创建的时候会说到,由于“8”的右孩子将不会发生变化,但是其左孩子设为“7”的右孩子,将7的右孩子设为“8”及其子树,然后返回“7”节点的指针。
实现代码:
//情形1
AVLTree.prototype.rotateLL = function() { var nodeBefore = this.node; var elementsBefore = this.elements; var rightBefore = this.right; this.node = this.left.node; this.elements = this.left.elements; this.right = this.left; this.left = this.left.left; this.right.left = this.right.right; this.right.right = rightBefore; this.right.node = nodeBefore; this.right.elements = elementsBefore; this.right.updateInNewLocation(); this.updateInNewLocation();};
情况4:对该结点的右儿子的右子树进行了一次插入。
左边为调整前得节点,我们可以看出k1的左右子树已不再满足AVL平衡条件,调整后的为右图。
我们可以看出,解决办法是将z上移一层,并将x下移一层,由于在原树中k2 > k1,所以k1成为k2的左子树,而y是大于k1的,所以成为k1的右子树。
为了设计算法,我们这里来看一个更易理解的:插入的是节点“6”
算法设计:由于是情形1对该结点的右儿子的右子树进行了一次插入,该节点为“4”,我们同第一种情形类似。
实现代码:
//情形4
AVLTree.prototype.rotateRR = function() { var nodeBefore = this.node; var elementsBefore = this.elements; var leftBefore = this.left; this.node = this.right.node; this.elements = this.right.elements; this.left = this.right; this.right = this.right.right; this.left.right = this.left.left; this.left.left = leftBefore; this.left.node = nodeBefore; this.left.elements = elementsBefore; this.left.updateInNewLocation(); this.updateInNewLocation();};
2.2 双旋转
情况2:对该结点的左儿子的右子树进行了一次插入。
这种情况是单旋转调整不回来的,如下图:
图(1)
左–右双旋转如下:
图(2)
这里我们将图(1)的Y子树看成如图(2),以k2为子树根节点的树,我们将其子树分成比D低,这里我我先对k3的左子树进行一次情形四的右旋转,然后在进行一次情形1的左旋转,详细步骤如下:(红色框里面的即是要进行单旋转的)
情况3:对该结点的右儿子的左子树进行了一次插入。
右—左双旋转如下:
我们先对k1的右子树进行一次左旋转(情形1,然后再对k1进行一次右旋转(情形4)。
实现代码:
//情形2与情形3
AVLTree.prototype.balance = function() { var ldepth = this.left == null ? 0 : this.left.depth; var rdepth = this.right == null ? 0 : this.right.depth; if (ldepth > rdepth + 1) { // LR or LL rotation var lldepth = this.left.left == null ? 0 : this.left.left.depth; var lrdepth = this.left.right == null ? 0 : this.left.right.depth; if (lldepth < lrdepth) { // LR rotation consists of a RR rotation of the left child this.left.rotateRR(); // plus a LL rotation of this node, which happens anyway } this.rotateLL(); } else if (ldepth + 1 < rdepth) { // RR or RL rorarion var rrdepth = this.right.right == null ? 0 : this.right.right.depth; var rldepth = this.right.left == null ? 0 : this.right.left.depth; if (rldepth > rrdepth) { // RR rotation consists of a LL rotation of the right child this.right.rotateLL(); // plus a RR rotation of this node, which happens anyway } this.rotateRR(); }};
3 插入操作
插入的核心思路是通过递归找到合适的位置,插入新结点,然后看新结点是否平衡(平衡因子是否为2),如果不平衡的话,就分成三种大情况以及两种小情况:
1. 在结点的左儿子(X < T->item)
o 在左儿子的左子树 (X < T->l-> item),“外边”,要做单旋转。
o 在左儿子的右子树 (X > T->l-> item),“内部”,要做双旋转。
2. 在结点的右儿子(X > T->item)
o 在右儿子的左子树(X < T->r-> item),“内部”,要做双旋转。
o 在右儿子的右子树(X > T->r-> item),“外边”,要做单旋转。
3. (X == T->item) ,对该节点的计数进行更新。
当进行了旋转之后,必定会有结点的“父结点”是需要更新的,例如:
上图是调整前的,下图是调整后的:
可以看出,根结点2不平衡,是由于它的右儿子的右子树插入了新的结点6造成的。因此,这属于“外边”的情况,要进行一次单旋转。于是我们就把结点4调整上来作为根结点,再把结点2作为4的左儿子,最后把结点2的右儿子修改为原来的结点4的左儿子。
实现代码:
AVLTree.prototype.add = function(n) { var o = this.compare(n, this.node); if (o == 0) { this.elements.push(n); return false; } var ret = false; if (o == -1) { if (this.left == null) { this.left = new AVLTree(n, this.attr); ret = true; } else { ret = this.left.add(n); if (ret) { this.balance(); } } } else if (o == 1) { if (this.right == null) { this.right = new AVLTree(n, this.attr); ret = true; } else { ret = this.right.add(n); if (ret) { this.balance(); } } } if (ret) { this.getDepthFromChildren(); } return ret;};
项目源码地址:
github.com/KristenXu/JavascriptDatastructures/blob/master/AVLTree.js
- Javascript数据结构之禅:平衡二叉树(Balanced Binary Tree, AVL Tree)
- 平衡树 balanced binary tree (AVL tree)
- AVL树(平衡二叉树(Balanced Binary Tree))
- 平衡二叉树判定 AVL Balanced Binary Tree
- 平衡树 - AVL || Balanced Binary Search Tree
- 动态查找树之平衡二叉树(Balanced Binary Tree,AVL树)
- 动态查找树之平衡二叉树(Balanced Binary Tree,AVL树)
- Balanced Binary Tree 二叉平衡树
- 【LeetCode】Balanced Binary Tree,平衡二叉树
- [LeetCode] Balanced Binary Tree 平衡二叉树
- Leetcode Balanced Binary Tree 平衡二叉树
- 平衡二叉树---Balanced Binary Tree
- lintcode balanced-binary-tree 平衡二叉树
- Balanced Binary Tree(平衡二叉树)
- 数据结构--树论--平衡二叉树(AVL TREE)
- 数据结构-平衡二叉树(AVL Tree)
- 数据结构与算法10: 平衡二叉树AVL(AVL Tree)
- AVL Tree 平衡二叉树
- Java总结篇系列:Java多线程(一)
- 【PHP系列】PHP组件详解
- 三星手机W2017尽享尊贵引领时尚更显品质
- 理解WebKit和Chromium:Chromium资源磁盘缓存
- Spring Security OAuth2 开发指南
- Javascript数据结构之禅:平衡二叉树(Balanced Binary Tree, AVL Tree)
- torch系列:如何实现像matlab那样的hold on
- 同步和异步,阻塞和非阻塞
- zedboard:使用ISE和modelsim搭建仿真环境
- Qt添加自定义控件并在qtDesigner中使用以及链接失败的解决方法
- swift tableView的简单用法
- 大家好
- 移动web特别样式处理
- C++ 多继承和虚继承的内存布局