- 浏览: 35386 次
- 性别:
- 来自: 重庆
最新评论
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:
node代码:
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; } }
相关推荐
平衡二叉树-红黑树的实现
原生CSS+JS实现数据结构动态展示如二叉树,红黑树等
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。
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,...