0
点赞
收藏
分享

微信扫一扫

集合框架 (第 10 篇) 源码分析:二叉树、平衡二叉树、二叉查找树、AVL树、红黑树

一、集合框架源码分析

  • 集合框架 (第 01 篇) 源码分析:Collection<E> 框架总览
  • 集合框架 (第 02 篇) 源码分析:Map<K,V > 框架总览
  • 集合框架 (第 03 篇) 源码分析:ArrayList<E>
  • 集合框架 (第 04 篇) 源码分析:LinkedList
  • 集合框架 (第 05 篇) 源码分析:Map<K, V>接口与其内部接口Entry<K,V>
  • 集合框架 (第 06 篇) 源码分析:哈希冲突(哈希碰撞)与解决算法
  • 集合框架 (第 07 篇) 源码分析:jdk1.7版 HashMap
  • 集合框架 (第 08 篇) 源码分析:HashMap、Hashtable、ConcurrentHashMap之间的区别
  • 集合框架 (第 09 篇) 源码分析:jdk1.7版 ConcurrentHashMap
  • 集合框架 (第 10 篇) 源码分析:二叉树、平衡二叉树、二叉查找树、AVL树、红黑树
  • 集合框架 (第 11 篇) 源码分析:jdk1.8版 HashMap
  • 集合框架 (第 12 篇) 源码分析:jdk1.8版 ConcurrentHashMap
  • 集合框架 (第 13 篇) 源码分析:LinkedHashMap
  • 集合框架 (第 14 篇) 源码分析:TreeMap
  • 集合框架 (第 15 篇) 源码分析:Set<E> 集合
  • 集合框架 (第 16 篇) 源码分析:BlockingQueue 接口
  • 集合框架 (第 17 篇) 源码分析:CopyOnWriteArrayList 与 CopyOnWriteArraySet

原文持续更新链接: https://github.com/about-cloud/JavaCore

正文


一、树

树的基本术语

  1. 节点(Node):树中的每个元素称为 节点(Node);
  2. 根节点(Root Node):树最顶端的节点被称为根节点(树根),根节点无父节点;
  3. 父节点(Parent Node):节点的(上面的)前驱节点在树中被称为父节点;
  4. 子节点(Child Node):(下面的)后继节点被称为子节点;
  5. 子树(Subtree):子节点及其下面的节点组成的树称为子树 ;
  6. 一棵树最多只有一个根节点,树中的每个子节点最多只有一个父节点;
  7. 节点的度:一个节点含有的子树的个数称为该节点的度(叶子节点的度为0);
  8. 叶节点(Leaf Node)(叶子节点或终端节点):度为0的节点称为叶节点(也就是没有子节点的节点称为叶子节点);
  9. 非终端节点 或分支节点:度不为0的节点(拥有子节点的节点);
  10. 兄弟节点:具有相同父节点的节点互称为兄弟节点;
  11. 树的度:一棵树中,节点中最大的度称为树的度;
  12. 节点的层次:从根开始定义起,根为第1层,根的子节点为第2层,以此类推;
  13. 树的高度或深度:树中节点的最大层次;
  14. 堂兄弟节点:双亲在同一层的节点互为堂兄弟;
  15. 节点的祖先:从该节点上溯至根节点,所经分支上的所有节点;
  16. 子孙节点:该节点下面所有所有的节点称为该节点的子孙节点;
  17. 空树:没有节点的树称为空树;
  18. 森林:由多棵互不相交(没有重叠节点)的树组成的集合称为森林(单棵树可以认为是特殊的森林);

二、二叉树

二叉树的特性

  1. 在非空二叉树的 i 层上,至多有 个节点(i>=1)
  2. 在深度为 d 的二叉树上最多有 2d-1 个结点(d>=1);
  3. 对于任何一棵非空的二叉树,如果叶节点个数为 n0,度数为 2 的节点个数为 n2,则有: n0 = n2 + 1

二叉树的遍历

这里有两个关键词:访问次序访问 包括 增删改查次序 包括 前序中序后序前中后是以树的根节点作为参照物,又规定不管如何遍历 左子树 的访问顺序要排在 右子树 前面(左边)。

1、前序遍历(先序遍历)

2、中序遍历

中序遍历
中序遍历

3、后序遍历

后序遍历
后序遍历

三、平衡二叉树

平衡二叉树(Balanced Binary Tree)的 平衡性 体现在以下几点:

  1. 树的左、右子树的 高度差 的绝对值不超过1;
  2. 任意节点左、右子树也分别平衡二叉树;

一棵数频繁的删除和插入节点都有可能使数发生旋转。平衡二叉树中访问节点的操作(插入、查找、删除)的时间复杂度维持在一个“平衡”的水准,既最坏情况和最好情况的时间复杂度维持在 O(logN)

平衡二叉树
平衡二叉树

四、二叉查找树

二叉查找树(二叉搜索树 Binary Search Tree)的 查找 特性体现在以下几点:

  1. 如果它的左子树不空,则左子树上所有节点的值均小于它的根节点的值;
  2. 如果它的右子树不空,则右子树上所有节点的值均大于它的根节点的值;
  3. 任意节点左、右子树也分别为二叉查找树。
先序遍历
先序遍历

二叉查找树的查找过程

  1. 从树的根节点开始查找,并沿着这棵树中的一条简单路径向下进行;
  2. 若树为空树,则查找失败,返回 null
  3. 对于访问的每个节点 x,若指定的值 k 等于结点 x 的值,返回该节点x 并结束查找;
  4. 若指定的值 k 小于节点 x 的值,则在节点 x 的左子树中查找(根据上面二叉查找树的性质判断);
  5. 相反,若指定的值 k 大于节点 x 的值,则查找在节点 x 的右子树中继续;
  6. 若查找至 叶子节点 后仍未匹配到相等值,则表示不存在指定值的节点,返回null。

五、AVL树(高度平衡树)

AVL树 得名于它的两位发明者G. M. Adelson-Velsky和E. M. Landis的名字,树的特性是:

  1. :wink:本身首先是一棵二叉查找树;
  2. 每个节点的左右子树的高度之差的绝对值(平衡因子)最多为 1
AVL
AVL

ALV追求极限的平衡性,优点是在查找元素时,时间复杂度低,查找元素快。那么问题来了,在添加/删除元素时,AVL树为了追求“绝对的平衡性”,不断的通过循环来达到自平衡,增加时间复杂度。适所以AVL树适用于添加/删除元素少、查找操作多的环境下。

六、红黑树

红黑树(Red Black Tree) 也是一种 平衡二叉树(而平衡二叉树又是一种二叉查找树,所以红黑树也是一种二叉查找树),但它不像 AVL树 那样追求绝对的平衡,它这种于查找和添加/删除之间。特性是:

  1. 树中所有节点都被染成红色?或黑色⚫️(官方话语:节点是红色或黑色);
  2. 根节点和叶子节点都是黑色⚫️
  3. 每个红色节点?的两个子节点都是黑色⚫️(从每个叶子到根的所有路径上不能有两个连续的红色节点?);
  4. 从任一节点到其每个叶子的所有路径都包含相同数目的黑色节点⚫️。
红黑树
红黑树

上述特性构成了一个最关键的约束:从根节点到叶子节点的最长路径不大于最短路径的两倍长。

所以红黑树可以不是那么绝对的高度平衡。对于在树中添加/删除元素,红黑树也不像AVL树那样,为了达到绝对的自平衡而“使劲费力”地旋转整颗树了。

最差平衡二叉树即树退化成链表(可以看成特殊的树、没有叉的树),这样的树添加/删除元素快,不需要自平衡,但是查找慢,最坏情况要遍历整棵树。而从增删改查的时间复杂度来讲,红黑树 介于 二叉查找树链表 之间,这是在添加/删除和查找之间一个折中的选择。

总结:

链表:适用于添加/删除多、查找少的场景;

二叉查找树:适用于查找多、添加/删除少的场景;

红黑树:适用于查找、添加、删除都多的场景。

七、B-Tree、B+Tree、B*Tree

原文持续更新链接: https://github.com/about-cloud/JavaCore

举报

相关推荐

0 条评论