from:http://www.cnblogs.com/vamei/archive/2013/03/21/2964092.html
二叉搜索树的深度与搜索效率
我们在树, 二叉树, 二叉搜索树中提到,一个有n个节点的二叉树,它的最小深度为log(n),最大深度为n。比如下面两个二叉树:
深度为n的二叉树
深度为log(n)的二叉树
这两个二叉树同时也是二叉搜索树(参考树, 二叉树, 二叉搜索树)。注意,log以2为基底。log(n)是指深度的量级。根据我们对深度的定义,精确的最小深度为floor(log(n)+1)。
我们将处于同一深度的节点归为一层。如果除最后一层外的其他层都被节点填满时,二叉树有最小深度log(n)。
二叉搜索树的深度越小,那么搜索所需要的运算时间越小。一个深度为log(n)的二叉搜索树,搜索算法的时间复杂度也是log(n)。然而,我们在二叉搜索树中已经实现的插入和删除操作并不能让保持log(n)的深度。如果我们按照8,7,6,5,4,3,2,1的顺序插入节点,那么就是一个深度为n的二叉树。那么,搜索算法的时间复杂度为n。
n和log(n)的时间复杂度意味着什么呢?时间复杂度代表了完成算法所需要的运算次数。时间复杂度越小,算法的速度越快。
可以看到,随着元素的增加,log(n)的时间复杂度的增长要远小于n。所以,我们自然希望二叉搜索树能尽可能保持log(n)的深度。在上面深度为n的例子中,我们发现,每个节点只有左节点被填满。树的每一层都有很多空位。能不能尽可能减少每一层的空位呢? (相应的,减少树的深度)
“紧致”的树
一种想法是先填满一层,再去填充下一层,这样就是一个完全二叉树(complete binary tree)。这样的二叉树实现插入算法会比较复杂。我们将介绍一种思路相似,但比较容易实现的树状数据结构——AVL树。
AVL树
AVL树是根据它的发明者G. M. Adelson-Velskii和E. M. Landis命名的。它是一种特殊的二叉搜索树。AVL树要求: 任一节点的左子树深度和右子树深度相差不超过1
(空树的深度为0。注意,有的教材中,采用了不同的深度定义方法,所以空树的深度为-1)
下面是AVL树:
AVL树
AVL树的特性让二叉搜索树的节点实现平衡(balance):节点相对均匀分布,而不是偏向某一侧。因此,AVL树的搜索算法复杂度是log(n)的量级。
我们在二叉搜索树中定义的操作,除了插入,都可以用在AVL树上 (假设使用懒惰删除)。如果进行插入操作,有可能会破坏AVL树的性质,比如:
插入2: 破坏AVL树
观察节点5,它的左子树深度为2,右子树深度为0,所以左右两个子树深度相差为2,不再是AVL树。由于2的加入,从节点6,1,5,3到2的层数都增加1。6, 1, 5节点的AVL性质都被破坏。如果从节点2向上回溯,节点5是第一个被破坏的。从节点3开始的子树深度加1,这是造成6, 1, 5的AVL性质被破坏的本质原因。我们将5和3之间的路径画成虚线(就好像挂了重物,边被拉断一样)。
我们可以通过单旋照(single rotation),调整以5为根节点的子树,来修正因为插入一个元素而引起的对AVL性质的破坏。如下:
Single rotation: 左侧超重,向右转
通过单旋转,3成为新的根节点,2,5称为3的左右子节点。子树重新成为AVL树。该子树的深度减小1,这将自动修正2带给节点6,1的“超负荷”。
单旋转效果如下:
向右单旋转
特别要注意的是,为了保持二叉树的性质,子树B过继给了节点5。
向左单旋转与之类似。作为练习,可以尝试绘制向左单旋转的示意图。
但如果插入的节点不是2,而是4,会是如何呢?
插入4
尝试单旋转,会发现无法解决问题。以5为根节点的子树向右单旋转后,树将以3为根节点,4,5为子节点。4比3大,却是3的左子节点,显然,这依然不符合二叉搜索树的性质。但基于和上面相似的原则(调整以5为根节点的树),我们发现有一个简单的解决方式:
double rotation
上面的操作被称作双旋转(double rotation)。双旋转实际上是进行两次单旋转: 4为根节点的子树先进行一次向左的单旋转,然后将5为根节点的子树进行了一次向右的单旋转。这样恢复了树的ACL性质。
对于AVL树,可以证明,在新增一个节点时,总可以通过一次旋转恢复AVL树的性质。
当我们插入一个新的节点时,在哪里旋转?是用单旋转还是双旋转?
我们按照如下基本步骤进行:
1. 按照二叉搜索树的方式增加节点,新增节点称为一个叶节点。
2. 从新增节点开始,回溯到第一个失衡节点(5)。
(如果回溯到根节点,还没有失衡节点,就说明该树已经符合AVL性质。)
3. 找到断的边(5->3),并确定断弦的方向(5的左侧)
4. 以断边下端(3)为根节点,确定两个子树中的哪一个深度大(左子树还是右子树)。
(这两棵子树的深度不可能相等,而且深度大的子树包含有新增节点。想想为什么)
5. 如果第2和第3步中的方向一致(都为左或者都为右),需要单旋转以失衡节点为根节点的子树。
否则,双旋转以失衡节点为根节点的子树。
下面是AVL树的插入算法实现如下:
/* By Vamei */ /* binary search tree */ #include <stdio.h> #include <stdlib.h> typedef struct node *position; typedef int ElementTP; struct node { int depth; position parent; ElementTP element; position lchild; position rchild; }; /* pointer => root node of the tree */ typedef struct node *TREE; position insert_value(TREE, ElementTP); int depth(TREE); static void insert_node_to_nonempty_tree(TREE, position); static void update_root_depth(TREE); static TREE recover_avl(TREE, position); static int depth_diff(TREE); static position insert_leaf(TREE, ElementTP); static void insert_node_to_nonempty_tree(TREE, position); static TREE left_single_rotate(TREE); static TREE left_double_rotate(TREE); static TREE right_single_rotate(TREE); static TREE right_double_rotate(TREE); void main(void) { TREE tr; position np; ElementTP element; tr = NULL; tr = insert_value(tr, 18); tr = insert_value(tr, 5); printf("root: %d\n", tr->element); printf("depth: %d\n", depth(tr)); tr = insert_value(tr, 2); printf("root: %d\n", tr->element); printf("depth: %d\n", depth(tr)); tr = insert_value(tr, 4); printf("root: %d\n", tr->element); printf("depth: %d\n", depth(tr)); printf("root->lchild: %d\n", tr->lchild->element); tr = insert_value(tr, 3); printf("root: %d\n", tr->element); printf("depth: %d\n", depth(tr)); printf("root->lchild: %d\n", tr->lchild->element); printf("root->lchild->lchild: %d\n", tr->lchild->lchild->element); } /* * insert value * */ position insert_value(TREE tr, ElementTP value) { position new; /* insert a value to a binary search tree */ new = insert_leaf(tr, value); update_root_depth(new); if (tr == NULL) { tr = new; } else { tr = recover_avl(tr, new); } return tr; } /* * get the depth of the tree * use this function to access depth */ int depth(TREE tr) { if (tr == NULL) { return 0; } else { return tr->depth; } } //======================================== // static functions: for internal use /* * traverse the path from new node to root node * make one rotation, recover AVL and stop */ static TREE recover_avl(TREE tr, position np) { int myDiff; while (np != NULL) { update_root_depth(np); myDiff = depth_diff(np); if (myDiff > 1 || myDiff < -1) { if (myDiff > 1) { /* left rotate needed */ if(depth_diff(np->rchild) > 0) { np = left_single_rotate(np); } else { np = left_double_rotate(np); } } if (myDiff < -1) { if(depth_diff(np->lchild) < 0) { np = right_single_rotate(np); } else { np = right_double_rotate(np); } } /* if rotation changes root node */ if (np->parent == NULL) tr = np; break; } np = np->parent; } return tr; } /* * difference of rchild->depth and lchild->depth */ static int depth_diff(TREE tr) { if (tr == NULL) { return 0; } else { return depth(tr->rchild) - depth(tr->lchild); } } /* * left single rotation * return the new root */ static TREE left_single_rotate(TREE tr) { TREE newRoot, parent; parent = tr->parent; newRoot = tr->rchild; /* detach & attach */ if (newRoot->lchild != NULL) newRoot->lchild->parent = tr; tr->rchild = newRoot->lchild; update_root_depth(tr); /* raise new root node */ newRoot->lchild = tr; newRoot->parent = parent; if (parent != NULL) { if (parent->lchild == tr) { parent->lchild = newRoot; } else { parent->rchild = newRoot; } } tr->parent = newRoot; update_root_depth(newRoot); return newRoot; } /* * right single rotation * return the new root */ static TREE right_single_rotate(TREE tr) { TREE newRoot, parent; parent = tr->parent; newRoot = tr->lchild; /* detach & attach */ if (newRoot->rchild != NULL) newRoot->rchild->parent = tr; tr->lchild = newRoot->rchild; update_root_depth(tr); /* raise new root node */ newRoot->rchild = tr; newRoot->parent = parent; if (parent != NULL) { if (parent->lchild == tr) { parent->lchild = newRoot; } else { parent->rchild = newRoot; } } tr->parent = newRoot; update_root_depth(newRoot); return newRoot; } /* * left double rotation * return */ static TREE left_double_rotate(TREE tr) { right_single_rotate(tr->rchild); return left_single_rotate(tr); } /* * right double rotation * return */ static TREE right_double_rotate(TREE tr) { left_single_rotate(tr->lchild); return right_single_rotate(tr); } /* * update tr->depth * assume lchild->depth and rchild->depth are correct */ static void update_root_depth(TREE tr) { int maxChildDepth; int depLChild, depRChild; if (tr==NULL) return; else { depLChild = depth(tr->lchild); depRChild = depth(tr->rchild); maxChildDepth = depLChild > depRChild ? depLChild : depRChild; tr->depth = maxChildDepth + 1; } } /* * insert a new value into the tree as a leaf * return address of the new node */ static position insert_leaf(TREE tr, ElementTP value) { position np; /* prepare the node */ np = (position) malloc(sizeof(struct node)); np->element = value; np->parent = NULL; np->lchild = NULL; np->rchild = NULL; if (tr != NULL) { insert_node_to_nonempty_tree(tr, np); } return np; } /* * insert a node to a non-empty tree * called by insert_value() */ static void insert_node_to_nonempty_tree(TREE tr, position np) { /* insert the node */ if(np->element <= tr->element) { if (tr->lchild == NULL) { /* then tr->lchild is the proper place */ tr->lchild = np; np->parent = tr; return; } else { insert_node_to_nonempty_tree(tr->lchild, np); } } else if(np->element > tr->element) { if (tr->rchild == NULL) { tr->rchild = np; np->parent = tr; return; } else { insert_node_to_nonempty_tree(tr->rchild, np); } } }
输出如下:
root: 18
depth: 2
root: 5
depth: 2
root: 5
depth: 3
root->lchild: 2
depth: 3
root->lchild: 3
root->lchild->lchild: 2
(空行是额外加的)
总结:
AVL树: 平衡,深度相差不超过1
单旋转,双旋转
相关推荐
红黑树和AVL树是两种自平衡二叉查找树,它们在计算机科学中的数据结构领域扮演着重要的角色,主要用于高效地存储和检索数据。这两种数据结构的主要目标是在插入和删除操作后保持树的平衡,从而确保搜索、插入和删除...
在计算机科学中,AVL树是最先发明的自平衡二叉查找树。在AVL树中任何节点的两个子树的高度最大差别为1,所以它也被称为高度平衡树。增加和删除可能需要通过一次或多次树旋转来重新平衡这个树。AVL树得名于它的发明者...
AVL树是一种自平衡二叉搜索树,由G. M. Adelson-Velsky和E. M. Landis在1962年提出,因此得名AVL树。在这个数据结构课程设计中,我们通过图形界面来直观地展示AVL树的基本操作,包括插入、删除和查找,并且支持旋转...
avl树和哈希表是两种不同的数据结构,它们各自在特定场景下有着高效的操作性能。在本项目中,我们将讨论如何结合这两种数据结构,利用avl树实现哈希表,以达到更好的性能效果。 首先,让我们了解一下avl树。avl树是...
AVL树是一种自平衡二叉查找树,由G. M. Adelson-Velsky和E. M. Landis于1962年提出,因此得名AVL树。它的主要特性是任何节点的两个子树的高度差不超过1,这确保了在AVL树中查找、插入和删除操作的时间复杂度都是O...
### AVL树的C++实现详解 #### 概述 本文档详细介绍了一个完整的AVL树C++实现案例。AVL树是一种自平衡二叉搜索树,它由Georgy Adelson-Velsky和Evgenii Landis在1962年提出。AVL树的特点在于任何节点的两个子树的...
AVL树是一种自平衡二叉查找树(Self-Balancing Binary Search Tree),由G. M. Adelson-Velsky和E. M. Landis在1962年提出,因此得名AVL树。它的主要特点是任何节点的两个子树的高度差最多为1,这保证了AVL树在插入...
AVL树和红黑树是两种自平衡二叉查找树,它们在计算机科学中的数据结构领域扮演着重要的角色。这两种树的主要目标是提高查找、插入和删除操作的效率,通过保持树的高度尽可能小来实现这一目标。 **AVL树**(Adelson-...
平衡二叉树(AVL树)是一种自平衡的二叉搜索树,它的主要特性是任何节点的两个子树的高度最大相差1,这确保了在AVL树中的查找、插入和删除操作的时间复杂度都能保持在O(log n)。在本笔记中,我们将深入探讨AVL树的...
AVL树是一种自平衡二叉搜索树,由G. M. Adelson-Velsky和E. M. Landis在1962年提出,它的名字来源于两位发明者的名字首字母。这种数据结构的主要特点是,任何节点的两个子树的高度差不超过1,这使得AVL树在插入和...
AVL树是一种自平衡二叉查找树,由G. M. Adelson-Velsky和E. M. Landis于1962年提出,因此得名AVL树。它的主要特性是任何节点的两个子树的高度差不超过1,这使得在进行插入和删除操作后,可以通过旋转操作快速恢复...
AVL树是一种自平衡的二叉搜索树,由G. M. Adelson-Velsky和E. M. Landis在1962年提出,因此得名AVL树。它的主要特点是任何节点的两个子树的高度差不超过1,这使得AVL树在查找、插入和删除操作上的效率比普通的二叉...
AVL树是一种自平衡二叉查找树(Self-Balancing Binary Search Tree),由G. M. Adelson-Velsky和E. M. Landis在1962年提出,因此得名AVL树。它的主要特性是任何节点的两个子树的高度最大差别不超过1,这确保了树的...
### AVL树的动态演示与快速构建 #### 一、引言 AVL树是一种自平衡的二叉搜索树,由Georgy Adelson-Velsky和Evgenii Landis于1962年提出。它在任何节点上的左右子树的高度差至多为1,这种性质确保了树的高度始终...
AVL树是一种自平衡二叉查找树,由G. M. Adelson-Velsky和E. M. Landis于1962年提出,因此得名AVL树。它的主要特性是任何节点的两个子树的高度差不超过1,这使得AVL树在插入和删除操作后能够快速恢复平衡,从而保证了...
AVL树是一种自平衡二叉查找树(Binary Search Tree,简称BST),由Georgy Adelson-Velsky和Emanuel Landis在1962年提出,因此得名AVL树。这种数据结构的主要特点是每个节点的两个子树的高度差不超过1,这使得AVL树在...
AVL树是一种自平衡二叉查找树(Binary Search Tree,BST),由Georgy Adelson-Velsky和Emanuel Landis在1962年提出,因此得名AVL,A和V是两位发明者的首字母,L是他们姓氏的首字母。这种数据结构在进行插入和删除...
AVL树是一种自平衡二叉查找树(Self-Balancing Binary Search Tree),由G. M. Adelson-Velsky和E. M. Landis在1962年提出,因此得名AVL树,它是最早的自平衡二叉查找树之一。在AVL树中,任意节点的两个子树的高度差...
AVL树是一种自平衡二叉查找树,由G. M. Adelson-Velsky和E. M. Landis在1962年提出,因此得名AVL树。它的主要特性是任何节点的两个子树的高度差不超过1,这使得AVL树在插入和删除操作后能够快速恢复平衡,从而保证了...
AVL树是一种自平衡二叉查找树(BST),由G. M. Adelson-Velsky和E. M. Landis于1962年提出,因此得名AVL树。在AVL树中,任何节点的两个子树的高度最大差别不超过1,这使得AVL树在查找、插入和删除等操作上的性能非常...