红黑树是一种自平衡的二叉树,它的查找,插入,删除操作时间复杂度皆为O(logN),不会出现普通二叉搜索树在最差情况时时间复杂度会变为O(N)的问题.
红黑树必须遵循红黑规则,规则如下
1、每个节点不是红就是黑。
2、根总是黑的
3、如果节点是红的,它的子节点必须全部是黑的
4、从根到叶节点或者空子节点的每条路径,必须包含相同数量的黑色节点(黑色高度一致)
红黑树的插入操作比二叉搜索树复杂,为了保证黑红规则,要进行必要的变色和旋转.
插入操作:
查找例程遇到一个有两个红色子节点的黑色节点时,必须要把子节点变成黑色,把父节点变成红色(除非父节点为根节点).这样做是为了连接新的红色节点更容易.但有可违背规则3,当违背规则3时,X为违规节点(子节点违规),P为X的父节点,G为P的父节点则:
如果X是G的外侧子孙节点:
1、改变G的颜色
2、改变P的颜色
3、以G为顶点旋转,向X上升的方向(即X为左外侧子孙就右旋,为右外侧子孙就左旋)
如果X是G的内侧子孙节点:
1、改变G的颜色
2、改变X的颜色
3、以P为顶点旋转,向X上升的方向
4、以G为顶点旋转,向X上升的方向
在找到要插入的位置并插入节点后,会面临2种情况,即:插入节点的父节点是红色的(违背规则3);插入节点的父节点是黑色的(不违规).在父节点是黑色的情况下就不需要再做什么处理.而如果是红色的又分为两种情况:插入节点是外侧子孙节点;插入节点是内侧子孙节点.两者的处理方式与插入例程中的相同,即:
如果P为红色,X是G的外侧子孙节点:
1、改变G的颜色
2、改变P的颜色
3、以G为顶点旋转,向X上升的方向
如果P为红色,X是G的内侧子孙节点:
1、改变G的颜色
2、改变X的颜色
3、以P为顶点旋转,向X上升的方向
4、以G为顶点旋转,向X上升的方向
删除操作:
说实话,本人愚钝,研究插入操作蛋已经碎了一地,好不容易才粘起来,删除操作则更加的复杂,于是还是尽量回避删除操作的好,比如设个作废标记神马的...
查找操作:
跟普通的二叉搜索树一样.
tree代码:
public class Tree {
private Node root;
/**
* 插入数据
* @param data
*/
public void insert(int data){
Node node = new Node(data);
if(this.root == null){
this.setRoot(node);
return;
}
Node current = this.root;
while(true){
//在变色后如果违反规则3,旋转平衡
if(!this.changeColor(current)){
this.rotate(current);
}
if(current.getData() > data){
if(current.hasLeft()){
current = current.getLeft();
}else{
current.setLeft(node);
break;
}
}else if(current.getData() < data){
if(current.hasRihgt()){
current = current.getRight();
}else{
current.setRight(node);
break;
}
}else{
current.setValid(true);
return;
}
}
//插入后如果违反规则3,旋转平衡
if(node.getParent().isRed()){
this.rotate(node);
}
}
/**
* 查找数据
* @param key
*/
public void find(int key){
Node node = this.findNode(key);
if(node != null && node.isValid()){
System.out.println(node);
}else{
System.out.println("No find");
}
}
/**
* 删除节点
* @param key
*/
public void remove(int key){
Node node = this.findNode(key);
if(node != null){
node.setValid(false);
}
}
/**
* 树是否为空
* @return
*/
public boolean isEmpty(){
return this.root == null;
}
/**
* 清空树
*/
public void clear(){
this.setRoot(null);
}
/**
* 查找节点
* @param i
* @return
*/
private Node findNode(int key){
Node current = this.root;
while(current != null){
if(current.getData() > key){
current = current.getLeft();
}else if(current.getData() < key){
current = current.getRight();
}else{
return current;
}
}
return null;
}
/**
* 右旋转
* @param top 顶点
*/
private void rotateRight(Node top){
if(top.hasLeft()){
Node parent = top.getParent();
Node left = top.getLeft();
if(left.hasRihgt()){
top.setLeft(left.getRight());
}else{
top.setLeft(null);
}
if(!top.isRoot()){
if(top.isLeft()){
parent.setLeft(left);
}else{
parent.setRight(left);
}
}else{
this.setRoot(left);
}
left.setRight(top);
}
}
/**
* 左旋转
* @param top 顶点
*/
private void rotateLeft(Node top){
if(top.hasRihgt()){
Node parent = top.getParent();
Node right = top.getRight();
if(right.hasLeft()){
top.setRight(right.getLeft());
}else{
top.setRight(null);
}
if(!top.isRoot()){
if(top.isLeft()){
parent.setLeft(right);
}else{
parent.setRight(right);
}
}else{
this.setRoot(right);
}
right.setLeft(top);
}
}
/**
* 如果一个节点的为黑色,并且它的两个子节点均为红色,将父节点变味红色,子节点变为黑色
* @param node 父节点
* @return 是否违反规则3,false为违反
*/
private boolean changeColor(Node node){
if(node.isBlack() && node.hasLeft() && node.hasRihgt()
&& node.getLeft().isRed() && node.getRight().isRed()){
node.getLeft().changeColor();
node.getRight().changeColor();
if(!node.isRoot()){
node.changeColor();
if(node.getParent().isRed()){
return false;
}
}
}
return true;
}
/**
* 在违反规则3时做旋转操作平衡
* @param node 违规节点
*/
private void rotate(Node node){
Node p = node.getParent();
Node g = p.getParent();
//当节点是外侧子孙节点的时候
if(this.isRR(node) || this.isLL(node)){
p.changeColor();
g.changeColor();
if(node.isRight()){
this.rotateLeft(g);
}else{
this.rotateRight(g);
}
//当节点是内侧子孙节点的时候
}else{
g.changeColor();
node.changeColor();
if(node.isRight()){
this.rotateLeft(p);
this.rotateRight(g);
}else{
this.rotateRight(p);
this.rotateLeft(g);
}
}
}
/**
* 判断节点是否是父节点的右节点,并且父节点是否是祖父节点的右节点
* @return
*/
private boolean isRR(Node node){
return node.isRight() && node.getParent().isRight();
}
/**
* 判断节点是否是父节点的左节点,并且父节点是否是祖父节点的左节点
* @return
*/
private boolean isLL(Node node){
return node.isLeft() && node.getParent().isLeft();
}
/**
* 设置根节点
* @param node
*/
private void setRoot(Node node){
this.root = node;
if(this.isEmpty()){
return;
}
this.root.setParent(null);
if(this.root.isRed()){
this.root.changeColor();
}
}
}
node代码:
public class Node {
private boolean color;//true是红,false是黑
private Node parent;
private Node left;
private Node right;
private int data;
private boolean valid;
public Node(int data) {
this.data = data;
this.color = true;
this.valid = true;
}
public int getData() {
return data;
}
public void setData(int data) {
this.data = data;
}
public Node getLeft() {
return left;
}
public void setLeft(Node left) {
this.left = left;
if (left != null) {
left.setParent(this);
}
}
public Node getParent() {
return parent;
}
public void setParent(Node parent) {
this.parent = parent;
}
public Node getRight() {
return right;
}
public void setRight(Node right) {
this.right = right;
if (right != null) {
right.setParent(this);
}
}
public void setValid(boolean flag){
this.valid = flag;
}
public boolean isValid(){
return this.valid;
}
public boolean hasLeft() {
return this.left != null;
}
public boolean hasRihgt() {
return this.right != null;
}
public boolean isRed() {
return this.color;
}
public boolean isBlack() {
return !this.color;
}
public boolean isRoot() {
return this.parent == null;
}
public boolean isLeft(){
if(this.isRoot()){
return false;
}
return this.parent.getLeft() == this;
}
public boolean isRight(){
if(this.isRoot()){
return false;
}
return this.parent.getRight() == this;
}
public void changeColor() {
this.color = !this.color;
}
}
分享到:
相关推荐
平衡二叉树-红黑树的实现
理解这些核心数据结构(如二叉树、二叉查找树和红黑树)及其相关算法对于软件开发人员至关重要,尤其是在设计高效的数据处理系统时。此外,掌握复杂度分析有助于我们在实际应用中做出更合理的决策,选择最适合当前...
本资源包含关于三种高级数据结构的代码实现:红黑树、二叉树和B树。这些数据结构在实际编程中有着广泛的应用,尤其在算法设计、数据库系统、内存管理等领域。 首先,我们来看二叉树,它是数据结构中最基础也是最...
### 二叉树、B树、B+树、红黑树 #### 一、二叉树 二叉树是一种常见的树形数据结构,在计算机科学中应用广泛。它具有以下特点: - **节点最多有两个子节点**:即每个节点最多有一个左子节点和一个右子节点。 - **...
红黑树是一种自平衡二叉树,可以保持二叉树的平衡,从而获得较高的查找性能。 红黑树的创建: 红黑树的优点是可以以 O(log2(N)) 的时间复杂度进行搜索、插入、删除操作。红黑树的创建过程中,首先定义了一个内部类...
通过对复杂度分析的理解以及对二叉树、二叉查找树和红黑树等数据结构的学习,我们可以更好地设计和优化算法,以应对各种实际问题。特别是在大数据时代,高效的数据结构和算法成为了软件开发的核心竞争力之一。
本文将详细探讨如何使用原生CSS和JavaScript来实现二叉树、红黑树等复杂数据结构的动态展示。 首先,二叉树作为基础的数据结构,其动态展示相对简单。二叉树的每个节点通常包含数据部分以及两个指向其子节点的引用...
c++容器list、vector、map、set区别 list 封装链表,以链表形式实现,不支持[]运算符。... 采用平衡检索二叉树:红黑树 存储结构为键值对 set 采用平衡检索二叉树:红黑树 set中不包含重复的数据 Hash
红黑树和二叉树是数据结构中的重要概念,它们在计算机科学中有着广泛的应用,尤其是在算法和数据存储方面。二叉树是最基础的树形数据结构,而红黑树则是一种自平衡的二叉查找树,能有效地保证操作的时间复杂度。 ...
红黑树(Red-Black Tree)是一种自平衡的二叉查找树,它的设计目标是尽可能地减少在插入、删除和查找等操作时的最坏情况下的时间复杂度。这种数据结构在Java中广泛应用于集合框架,如`java.util.TreeMap`和`java....
- 红黑树支持前序遍历、中序遍历和后序遍历,这些遍历方式与普通二叉树的遍历类似,只是因为红黑树的特性,遍历速度更加均匀,性能更优。 5. **RBtree.cpp和RBtree.h**: 这两个文件很可能是实现红黑树的数据结构...
2,为什么索引结构默认使用B+Tree,而不是Hash,二叉树,红黑树? 3、MySQL里记录货币用什么字段类型好 4、数据库自增主键可能遇到什么问题。 5、从锁的类别角度讲,MySQL都有哪些锁呢? 6、索引失效情况? 7、优化...
红黑二叉树是一种自平衡的二叉查找树,它的每个节点都是红色或黑色。红黑二叉树的特点是它可以在O(log n)时间内完成查找、插入和删除操作。红黑二叉树广泛应用于数据存储、数据库索引、文件系统等领域。 红黑二叉树...
- **遍历**:红黑树支持前序遍历、中序遍历和后序遍历,这些遍历方式在任何二叉树中都有定义。 4. **代码实现**: - 在CLION IDE中实现红黑树,你需要创建`main.c`文件并定义红黑树的节点结构、颜色枚举、插入、...
红黑树是一种自平衡二叉查找树,由Rudolf Bayer于1972年提出。...C++实现红黑树不仅需要对二叉树有深入理解,还需要掌握颜色转换和旋转技巧。通过实践和调试,可以逐步完善实现,使其更高效、稳定。
1. 二叉搜索树和平衡二叉树有什么关系,强平衡二叉树(AVL 树)和弱平衡二叉树 (红黑树)有什么区别 二叉搜索树:也称二叉查找树,或二叉排序树。定义也比较简单,要么是一颗空 树,要么就是具有如下性质的二叉树:...
红黑树是一种不完全平衡二叉树,它能够以 O(logN) 的时间复杂度进行插入、删除操作,并且它的插入和删除最多需要两次或者三次旋转即可保持树的平衡。红黑树的高效操作更适合 Linux 内核中 VMA 的添加、删除和查找,...
在本项目"COMP2211Project1"中,我们主要关注的是两种数据结构:二叉树和红黑树,它们都是在计算机科学中广泛使用的高效数据存储方式,特别是对于搜索、排序和组织大量数据非常有用。这个项目是用Java语言实现的,...
红黑树(Red-Black Tree)是一种自平衡的二叉查找树,由Rudolf Bayer在1972年提出。这种数据结构在计算机科学中广泛应用于实现动态集合或关联数组,因为它能保证插入、删除和查找操作的时间复杂度保持在O(log n)。在...
本文将深入探讨"红黑树"、"平衡二叉树"、"二叉树"、"二叉搜索树"以及"排序算法"这些关键概念,并在Java环境下进行实现。 首先,我们来理解"二叉树"。二叉树是一种特殊的树形数据结构,每个节点最多有两个子节点,...