《算法导论》二叉查找树的实现
来源:互联网 发布:中电数据官网 编辑:程序博客网 时间:2024/05/16 11:38
二叉查找树(Binary Search Tree,BST)也是一种支持多种动态集合操作(查找、最大最小值、插入、删除)的数据结构,基本操作的时间和树的高度成正比。
基于BST的变型如红黑树、平衡AVL树,可以保证各个基本操作的最坏情况下依然能保证好性能。
根据定义,二叉查找树的根节点值大于或等于其左子树的根节点值,小于或等于右子树的根节点值。因此,中序遍历BST能得到升序排好序的所有关键字。(参照排序的约定,树节点的取值也叫关键字key)
BST所有操作代码的实现在Github/Algorithm/Binary Tree/BST
中序遍历BST
遍历一棵n个节点的BST的时间代价为Theta(n),因此可以在O(n)内按序输出n个节点的树的所有关键字。
最小堆则不能在O(n)时间内完成,因为两棵子树的根节点相对大小不确定,无法保证按大小顺序输出。建堆时间代价是O(n),如果可以利用堆的性质在O(n)时间内按顺序输出关键字,那么就可以得到O(n)的排序算法。然而基于比较的排序算法有下界Omega(nlogn)时间复杂度。(《算法导论》习题12.1-2)
递归实现
def inorder_tree(root): if root != None: inorder_tree(root.left) print root.val inorder_tree(root.right) return
可以借助栈给出中序遍历的非递归实现(《算法导论》习题12.1-3)
def inorder_tree(root): result = [] stack = [] while root != None or len(stack): if root != None: stack.append(root) root = root.left else: root = stack.pop() # after left subtree result.append(root.val) root = root.right return result
查找操作
BST的查找操作类似于二分查找,时间代价为O(h),h为树的高度。这里给出递归和迭代的实现:
def search_1(root, key): if root == None or key == root.val: return root elif key < root.val: return search_1(root.left, key) else: return search_1(root.right, key)def search_2(root, key): while root and root.val != key: if key < root.val: root = root.left else: root = root.right return root
返回BST中最大值和最小值的节点:
def minimum(root): while root.left: root = root.left return rootdef maximum(root): while root.right: root = root.right return root
前驱节点和后继节点
而有时候需要求BST特定节点的前一个节点(前驱)或后一个节点(后继),可以作为在插入或删除BST中节点的子操作。
在BST中,比当前节点的关键值小的节点即前驱结点(predecessor),不小于当前节点关键值的节点即后继节点(successor)。
def successor(node): if node.right: return minimum(node.right) p = node.parent while p and node == p.right: node = p p = node.parent return p
例如求后继节点的代码:
- 如果当前结点有右子节点,它的后继必然是右子节点为根的子树的最左下角的节点(即该子树的最小值节点)
- 否则,就在上一级节点(父节点)继续搜索,直到找到某个节点是它的父节点的左孩子,返回该节点的父节点。(右上方第一个,node == p.left)
def predecessor(node): if node.left: return maximum(node.left) p = node.parent while p and node == p.left: node = p p = node.parent return p
而求前驱结点的过程和后继的相反:
- 如果当前节点有左子节点,则它的前驱必然是左子树的最右下角的节点
- 否则,就在上一级节点(父节点)继续搜索,直到找到某个节点是它父节点的右孩子,返回该节点的父节点。(左上方第一个,node == p.right)
定理:对于高度为h的BST,动态集合操作查找、最大、最小值、前驱、后继的时间复杂度均为O(h)。
《算法导论》相关习题的证明
- 12.2-5:如果BST某个节点有两个子节点,则其后继没有左节点,前驱没有右节点。
- 12.2-6:在关键字均不相同的BST中,如果某个节点的右子树为空,它又有后继;那么后继是当前节点的最低祖先,且后继的左孩子也是当前节点的祖先。
- 12.2-7:中序遍历BST的另一种实现:用minimum找到最小元素,然后调用n-1次successor找后继,时间复杂度Theta(n)
插入&删除操作
对BST插入或者删除节点,一般都会引起整个BST的结构变化,需要调整结构以维持BST的性质(和最大/小堆需要维护类似)。BST插入和删除节点的操作也是O(h)。
插入
def insert(root, key): node = root new_node = TreeNode(key) while node: p = node if new_node.val < node.val: node = node.left else: node = node.right new_node.parent = p if p == None: root = new_node elif new_node.val < p.val: p.left = new_node else: p.right = new_node
主要步骤:从根节点开始,沿着树下降,指针node跟踪当前路径,p指针记录node的父节点,直到node到达叶节点位置,这个位置则是新加入new_node插入的位置。
相关题目
- Leetcode 96,Unique Binary Search Trees,https://leetcode.com/problems/unique-binary-search-trees
- Leetcode 95,Unique Binary Search Trees II,https://leetcode.com/problems/unique-binary-search-trees-ii
- Leetcode 98,Validate Binary Search Trees,https://leetcode.com/problems/validate-binary-search-tree
- Leetcode 99,Recover Binary Search Tree,https://leetcode.com/problems/recover-binary-search-tree
- Leetcode 108,
Convert Sorted Array to Binary Search Tree,https://leetcode.com/problems/convert-sorted-array-to-binary-search-tree - Leetcode 109,Convert Sorted List to Binary Search Tree,https://leetcode.com/problems/convert-sorted-list-to-binary-search-tree
- Leetcode 173,
Binary Search Tree Iterator,https://leetcode.com/problems/binary-search-tree-iterator
Reference
- 《算法导论》第12章
- 《算法导论》二叉查找树的实现
- 二叉查找数的实现(算法导论)
- 算法导论--二叉查找树--C++实现
- 【算法导论】二叉查找树的操作C++实现
- 算法导论上二叉查找树的实现java
- 算法导论 二叉查找树
- 二叉查找树相关算法实现(算法导论12章)
- 《算法导论》12、二叉查找树(C++实现)
- 算法导论第十二章——二叉查找树的C++代码实现
- 算法导论——(2)二叉查找树的实现
- 算法导论第十二章:二叉查找树
- 算法导论P151 二叉查找树
- 算法导论(八)二叉查找树
- 二叉查找树 算法导论笔记
- 算法导论 最优二叉查找树
- 二叉查找树 (算法导论12)
- 最优二叉查找树 算法导论216
- 算法导论15.5 最优二叉查找树
- 5-24 约分最简分式 (15分)
- 问题 F: 正方形、长方形、立方体
- lnmp和lamp架构的区别
- 算法第四版第一章1.1.21题目小结
- Android--TabActivity-Fragment学习
- 《算法导论》二叉查找树的实现
- 使用Python MrJob的MapReduce实现电影推荐系统
- Zynq-Linux移植学习笔记之12-gpio驱动配置
- 动态规划—03采药
- LeetCode
- 通过考试(京东2017实习生真题)
- KNN(K近邻)算法的简单入门
- eclipse中的信息等价转换插件
- C语言文件操作函数