文章目录
- AVL树
- 概念
- 节点
- 插入
- 右单旋
- 左右双旋
- 验证AVL树
- AVL树的性能
AVL树
之前我们讲了二叉搜索树的相关内容,但是也了解到二叉搜索树有其自身的缺陷,就是当插入的元素有序或者接近有序,退化成单支树的时候,他的时间复杂度就会退化成O(N),因此我们需要对他进行优化,有两种,一种是AVL树,也就是平衡二叉树,另一种是红黑树,这里我们先介绍AVL树
概念
在发现这个问题之后,两个俄罗斯数学家发明了解决这个问题的一种办法
当向二叉搜索树中插入节点之后,检查每个节点的左右子树高度只差绝对值不超过一,否则需要进行调整
这样就能降低树的高度,从而减少平均的搜索长度
一棵AVL树是空树或者有如下性质
- 左右子树都是AVL树
- 左右子树高度差(平衡因子)的绝对值不超过1
例如
节点
template<class K, class V>
struct AVLTreeNode {
AVLTreeNode<K, V>* _left; // 左子树
AVLTreeNode<K, V>* _right; // 右子树
AVLTreeNode<K, V>* _parent; // 父节点
pair<K, V> _kv; // 键值对
int _bf; // 平衡因子
AVLTreeNode(const pair<K, V>& kv)
:_left(nullptr)
, _right(nullptr)
, _kv(kv)
, _bf(0) {}
};
插入
AVL树与二叉搜索树的区别就是引入了平衡因子,而在插入的时候就需要考虑到
但是插入时就要考虑到破坏平衡因子的条件,我们就需要进行调整,也就是说分两步,按照二叉搜索树的方式插入节点,再对树进行调整
我们用右子树高度减去左子树高度作为该树的平衡因子,因此当左子树插入一个新节点高度加一时,平衡因子减一即可,右子树插入一个新节点高度加一时,平衡因子加一即可
当平衡因子更新之后,就有可能出现不平衡的状态了
- 更新后为0,说明更新之前为正负1,插入后调整为0,此时不需要沿父节点向上更新平衡因子
- 更新后为正负1,说明更新前为0,插入后调整为正负1,此时需要沿父节点向上更新平衡因子
- 更新之后为正负2,此时不平衡,需要进行旋转处理
此时我们就需要对旋转进行分情况讨论了,有四大类情况
右单旋
原本的状态如下
插入一个新节点
右单旋
具体操作是将30的右子树给60的左子树,然后让30做60的父节点,之后更新平衡因子,这里有几点需要考虑,30的右子树有可能不存在,但是不影响结果
60如果是根节点,旋转完成之后需要转换根节点给30,如果是子树,则需要判断他是他父节点的左子树还是右子树,需要更新
左单旋和右单旋情况类似,这里不过多展开
左右双旋
当新插入的节点在较高左子树的右侧时,旋转一次就无法解决问题了,此时就需要先左旋,再右选,如图
插入节点
先以30为中心左单旋
再以90为中序右单旋
旋转之后再更新平衡因子即可
同理的,如果是右子树较高的左子树插入,则需要先右旋再左旋
template<class K, class V>
class AVLTree {
typedef AVLTreeNode<K, V> Node;
public:
bool Insert(const pair<K, V>& kv) {
if (_root == nullptr) { // 空树直接插入
_root = new Node(kv);
return true;
}
Node* parent = nullptr;
Node* cur = _root;
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;
}
}
cur = new Node(kv);
if (parent->_kv.first < kv.first) {
parent->_right = cur;
cur->_parent = parent;
} else {
parent->_left = cur;
cur->_parent = parent;
}
while (parent) {
// 更新平衡因子
if (cur == parent->_left) {
parent->_bf--;
} else {
parent->_bf++;
}
// 开转
if (parent->_bf == 0) {
break;
} else if (parent->_bf == 1 || parent->_bf == -1) {
cur = parent;
parent = parent->_parent;
} else if (parent->_bf == 2 || parent->_bf == -2) {
if (parent->_bf == 2 && cur->_bf == 1) {
RotateL(parent);
} else if (parent->_bf == -2 && cur->_bf == -1) {
RotateR(parent);
} else if (parent->_bf == 2 && cur->_bf == -1) {
RotateRL(parent);
} else if (parent->_bf == -2 && cur->_bf == 1) {
RotateLR(parent);
}
break;
} else {
assert(false);
}
}
void RotateL(Node * parent) {
Node* subR = parent->_right;
Node* subRL = subR->_left;
parent->_right = subRL;
subR->_left = parent;
Node* parentParent = parent->_parent;
parent->_parent = subR;
if (subRL)
subRL->_parent = parent;
if (_root == parent) {
_root = subR;
subR->_parent = nullptr;
} else {
if (parentParent->_left == parent) {
parentParent->_left = subR;
} else {
parentParent->_right = subR;
}
subR->_parent = parentParent;
}
parent->_bf = subR->_bf = 0;
}
void RotateR(Node * parent) {
Node* subL = parent->_left;
Node* subLR = subL->_right;
parent->_left = subLR;
if (subLR)
subLR->_parent = parent;
Node* parentParent = parent->_parent;
subL->_right = parent;
parent->_parent = subL;
if (_root == parent) {
_root = subL;
subL->_parent = nullptr;
} else {
if (parentParent->_left == parent) {
parentParent->_left = subL;
} else {
parentParent->_right = subL;
}
subL->_parent = parentParent;
}
subL->_bf = parent->_bf = 0;
}
void RotateRL(Node * parent) {
Node* subR = parent->_right;
Node* subRL = subR->_left;
int bf = subRL->_bf;
RotateR(parent->_right);
RotateL(parent);
if (bf == 0) {
// subRL自己就是新增
parent->_bf = subR->_bf = subRL->_bf = 0;
} else if (bf == -1) {
// subRL的左子树新增
parent->_bf = 0;
subRL->_bf = 0;
subR->_bf = 1;
} else if (bf == 1) {
// subRL的右子树新增
parent->_bf = -1;
subRL->_bf = 0;
subR->_bf = 0;
} else {
assert(false);
}
}
return true;
}
private:
Node* _root = nullptr;
};
验证AVL树
要验证AVL树有两步
- 中序遍历得到有序序列
- 验证每个节点的平衡因子的绝对值不大于1,如果没有平衡因子则计算高度差
AVL树的性能
AVL树的查询性能在 log 2 N \log_2N log2N,但是如果要更改结构时性能就比较擦汗了,尤其是当旋转次数比较多时,更差的是在删除时,有可能每次都要旋转,因此需要一种查询高效切有序而且数据个数不怎么改变的时候,可以考虑AVL树,不断插入和删除则不合适