目录
一、什么是“平衡二叉查找树”?
二、如何定义一棵“红黑树”?
三、课后思考
一、什么是“平衡二叉查找树”?
1. 二叉树中任意一个节点的左右子树的高度相差不能大于 1。
2. 完全二叉树、满二叉树其实都是平衡二叉树,但是非完全二叉树也有可能是平衡二叉树。
3. AVL 树严格符合平衡二叉查找树的定义,即任何节点的左右子树高度相差不超过 1,是一种高度平衡的二叉查找树。
4.红黑树非严格定义的平衡二叉查找树,它从根节点到各个叶子节点的最长路径,有可能会比最短路径大一倍。
5.发明平衡二叉查找树这类数据结构的初衷是,解决普通二叉查找树在频繁的插入、删除等动态更新的情况下,出现时间复杂度退化的问题。
6.平衡二叉查找树中“平衡”的意思,其实就是让整棵树左右看起来比较“对称”、比较“平衡”,不要出现左子树很高、右子树很矮的情况。这样就能让整棵树的高度相对来说低一些,相应的插入、删除、查找等操作的效率高一些。
7.只要树的高度不比 log2n 大很多(比如树的高度仍然是对数量级的),尽管它不符合我们前面讲的严格的平衡二叉查找树的定义,但我们仍然可以说,这是一个合格的平衡二叉查找树;
8.平衡二叉查找树其实有很多,比如,Splay Tree(伸展树)、Treap(树堆)。
二、如何定义一棵“红黑树”?
1.红黑树的英文是“Red-Black Tree”,简称 R-B Tree。它是一种不严格的平衡二叉查找树
2.定义:红黑树中的节点,一类被标记为黑色,一类被标记为红色,几个要求:
1)根节点是黑色的;
2)每个叶子节点都是黑色的空节点(NIL),也就是说,叶子节点不存储数据;
3)任何相邻的节点都不能同时为红色,也就是说,红色节点是被黑色节点隔开的;
4)每个节点,从该节点到达其可达叶子节点的所有路径,都包含相同数目的黑色节点;
5)第二点要求“叶子节点都是黑色的空节点”,它主要是为了简化红黑树的代码实现而设置的;
3.为什么说红黑树是“近似平衡”的?
1)平衡”的意思可以等价为性能不退化,“近似平衡”就等价为性能不会退化的太严重。
2)首先,我们来看,如果我们将红色节点从红黑树中去掉,那单纯包含黑色节点的红黑树的高度是多少呢?
3)我们现在知道只包含黑色节点的“黑树”的高度,那我们现在把红色节点加回去,高度会变成多少呢?
4)在红黑树中,红色节点不能相邻,也就是说,有一个红色节点就要至少有一个黑色节点,将它跟其他红色节点隔开。红黑树中包含最多黑色节点的路径不会超过 log2n,所以加入红色节点之后,最长路径不会超过 2log2n,也就是说,红黑树的高度近似 2log2n。
5)红黑树的高度只比高度平衡的 AVL 树的高度(log2n)仅仅大了一倍,在性能上,下降得并不多。这样推导出来的结果不够精确,实际上红黑树的性能更好。
三、课后思考
1.为什么工程中都喜欢用红黑树,而不是其他平衡二叉查找树呢?
1)AVL 树是一种高度平衡的二叉树,所以查找的效率非常高,但是,有利就有弊,AVL 树为了维持这种高度的平衡,就要付出更多的代价。每次插入、删除都要做调整,就比较复杂、耗时。所以,对于有频繁的插入、删除操作的数据集合,使用 AVL 树的代价就有点高了。
2)红黑树只是做到了近似平衡,并不是严格的平衡,所以在维护平衡的成本上,要比 AVL 树要低。
3)所以,红黑树的插入、删除、查找各种操作性能都比较稳定。对于工程应用来说,要面对各种异常情况,为了支撑这种工业级的应用,我们更倾向于这种性能稳定的平衡二叉查找树。
4)红黑树是一种平衡二叉查找树。它是为了解决普通二叉查找树在数据更新的过程中,复杂度退化的问题而产生的。红黑树的高度近似 log2n,所以它是近似平衡,插入、删除、查找操作的时间复杂度都是 O(logn)。
5)因为红黑树是一种性能非常稳定的二叉查找树,所以,在工程中,但凡是用到动态插入、删除、查找数据的场景,都可以用到它。不过,它实现起来比较复杂,如果自己写代码实现,难度会有些高,这个时候,我们其实更倾向用跳表来替代它。
2.动态数据结构支持动态地数据插入、删除、查找操作,除了红黑树,我们前面还学习过哪些呢?能对比一下各自的优势、劣势,以及应用场景吗?
动态数据结构是支持动态的更新操作,里面存储的数据是时刻在变化的,通俗一点讲,它不仅仅支持查询,还支持删除、插入数据。而且,这些操作都非常高效。如果不高效,也就算不上是有效的动态数据结构了。所以,这里的红黑树算一个,支持动态的插入、删除、查找,而且效率都很高。链表、队列、栈实际上算不上,因为操作非常有限,查询效率不高。那现在你再想一下还有哪些支持动态插入、删除、查找数据并且效率都很高的的数据结构呢?
1)哈希链表
优势:高效地数据插入、删除、随机查找元素。
缺点:需要设计一个好的散列函数,把元素均匀分散到散列表中。
适用场景:适用于在海量数据中随机访问数据的场合。
2)跳表
优势:高效地查找、插入、删除数据。
缺点:需要额外的空间来构建索引链表
适用场景:适用于需要高效查找数据的场合。
3)二叉查找树
优势:高效地查找、插入、删除数据,实现简单。
缺点:需要动态地维护左右子树的高度平衡,否则数据查找会退化成链表的顺序查找。
适用场景:适用于需要高效查找数据的场合。