二叉查找树
二叉查找树是二叉树中最常用的一种类型,也叫二叉搜索树。
顾名思义,二叉查找树是为了实现快速查找而生的。
实际上它除了支持快速查找一个数据,还支持快速插入、删除一个数据。
之所以能支持这些,依赖于二叉查找树的特殊结构。
二叉查找树要求,在树中的任意一个节点,左子树的每个节点的值都要小于该节点的值,右子树的节点值都大于这个节点的值。
二叉树查找树的查找操作
先取根节点,如果它等于我们要查找的数据,那就返回。
如果要查找的数据比根节点的值小,那就在左子树中递归查找;
如果要查找的数据比根节点的值大,那就在右子树中递归查找。
二叉查找树的插入操作
二叉查找树的插入过程有点类似查找操作。
新插入的数据一般都是在叶子节点上,需要从根节点开始,依次比较要插入的数据和节点的大小关系。
如果要插入的数据比节点的数据大,并且节点的右子树为空,就将新数据直接插到右子节点的位置;
如果不为空,就再递归遍历右子树,查找插入位置。
同理,如果要插入的数据比节点数值小,并且节点的左子树为空,就将新数据插入到左子节点的位置;
如果不为空,就再递归遍历左子树,查找插入位置。
二叉查找树的删除操作
删除操作相对于查找和插入操作来说比较复杂,需要分三种情况处理。
第一种情况是,如果要删除的节点没有子节点,我们只需要直接将父节点中,指向要删除节点的指针置为 null。(比如图中的删除节点 55)
第二种情况是,如果要删除的节点只有一个子节点(只有左子节点或者右子节点),我们只需要更新父节点中,指向要删除节点的指针,让它指向要删除节点的子节点就可以了。(比如图中的删除节点 13)
第三种情况是,如果要删除的节点有两个子节点,这就比较复杂了。我们需要找到这个节点的右子树中的最小节点,把它替换到要删除的节点上。然后再删除掉这个最小节点,因为最小节点肯定没有左子节点(如果有左子结点,那就不是最小节点了),所以,我们可以应用上面两条规则来删除这个最小节点。(比如图中的删除节点 18)
二叉查找树的其他操作
二叉查找树除了查找插入删除操作之外,还有很多操作,例如支持快速地查找最大节点和最小节点、前驱节点和后继节点。
二叉树有一个重要的特性,中序遍历二叉查找树,可以输出有序的数据序列,时间复杂度是 O(n),非常高效。
正因为如此,二叉查找树也叫做二叉排序树。
public class BinarySearchTree {
private Node tree;
public Node find(int data) {
Node p = tree;
while (p != null) {
if (data < p.data) p = p.left;
else if (data > p.data) p = p.right;
else return p;
}
return null;
}
public void insert(int data) {
if (tree == null) {
tree = new Node(data);
return;
}
Node p = tree;
while (p != null) {
if (data > p.data) {
if (p.right == null) {
p.right = new Node(data);
return;
}
p = p.right;
} else { // data < p.data
if (p.left == null) {
p.left = new Node(data);
return;
}
p = p.left;
}
}
}
public void delete(int data) {
Node p = tree; // p指向要删除的节点,初始化指向根节点
Node pp = null; // pp记录的是p的父节点
while (p != null && p.data != data) {
pp = p;
if (data > p.data) p = p.right;
else p = p.left;
}
if (p == null) return; // 没有找到
// 要删除的节点有两个子节点
if (p.left != null && p.right != null) { // 查找右子树中最小节点
Node minP = p.right;
Node minPP = p; // minPP表示minP的父节点
while (minP.left != null) {
minPP = minP;
minP = minP.left;
}
p.data = minP.data; // 将minP的数据替换到p中
p = minP; // 下面就变成了删除minP了
pp = minPP;
}
// 删除节点是叶子节点或者仅有一个子节点
Node child; // p的子节点
if (p.left != null) child = p.left;
else if (p.right != null) child = p.right;
else child = null;
if (pp == null) tree = child; // 删除的是根节点
else if (pp.left == p) pp.left = child;
else pp.right = child;
}
public Node findMin() {
if (tree == null) return null;
Node p = tree;
while (p.left != null) {
p = p.left;
}
return p;
}
public Node findMax() {
if (tree == null) return null;
Node p = tree;
while (p.right != null) {
p = p.right;
}
return p;
}
public static class Node {
private int data;
private Node left;
private Node right;
public Node(int data) {
this.data = data;
}
}
}
二叉查找树的时间复杂度分析
二叉查找树的形态各式各样,对同一组数据,不同形态的二叉查找树的查找、插入、删除操作的执行效率都是不一样的。
图中第一种二叉查找树,根节点的左右子树极度不平衡,已经退化成了链表,所以查找的时间复杂度就变成了 O(n)。
这是二叉查找树最糟糕的情况,还有最理想的情况,就是二叉查找树是一棵完全二叉树(或满二叉树)的时候。
不论是插入、删除还是查找,时间复杂度其实都跟树的高度成正比,也就是 O(height)。
如何求一棵包含 n 个节点的完全二叉树的高度?
包含 n 个节点的完全二叉树中,第一层包含 1 个节点,第二层包含 2 个节点,第三层包含 4 个节点。
依次类推,下面一层节点个数是上一层的 2 倍,第 K 层包含的节点个数就是 2^(K-1)。
对于完全二叉树来说,最后一层的节点个数就不遵守上面的规律了。
我们假设最大层数是 L,它包含的节点个数在 1 个到 2^(L-1) 个之间。
n >= 1+2+4+8+...+2^(L-2)+1
n <= 1+2+4+8+...+2^(L-2)+2^(L-1)
根据等比数列求和,L 的范围是[log2(n+1), log2n +1],完全二叉树的层数小于等于 log2n +1,而树的高度就等于最大层数减一
也就是说,完全二叉树的高度小于等于 log2n。
但是,这只是理想情况,也就是比较平衡的情况。
极度不平衡的二叉查找树,它的查找性能肯定不能满足需求。
我们需要构建一种不管怎么删除、插入数据,在任何时候,都能保持任意节点左右子树都比较平衡的二叉查找树。
此时就需要一种特殊的二叉查找树——平衡二叉查找树
平衡二叉查找树的高度接近 logn,所以插入、删除、查找操作的时间复杂度也比较稳定,是 O(logn)。