【 C++ 】AVL树

1、底层结构

2、AVL树的概念

3、AVL树节点的定义

4、基本框架

5、AVL树的插入

6、AVL树的旋转

左单旋

右单旋

左右双旋

右左双旋

7、AVL树的验证

8、AVL树的查找

9、AVL树的删除（了解）

10、AVL树的性能

11、源码链接

1、底层结构

前面对map、multimap、set、multiset进行了简单的介绍，这几个容器有个共同点是：其底层都是按照二叉搜索树来实现的，但是二叉搜索树有其自身的缺陷，假如往树中插入的元素有序或者接近有序，二叉搜索树就会退化成单支树，时间复杂度会退化成O(N)，因此map、set等关联式容器的底层结构是对二叉树进行了平衡处理，即采用平衡树来实现。

2、AVL树的概念

二叉搜索树虽可以缩短查找的效率，但如果数据有序或接近有序二叉搜索树将退化为单支树，查找元素相当于在顺序表中搜索元素，效率低下。因此，两位俄罗斯的数学家G.M.Adelson-Velskii和E.M.Landis在1962年发明了一种解决上述问题的方法：当向二叉搜索树中插入新结点后，如果能保证每个结点的左右子树高度之差的绝对值不超过1(需要对树中的结点进行调整)，即可降低树的高度，从而减少平均搜索长度。

一棵AVL树或者是空树，或者是具有以下性质的二叉搜索树：

它的左右子树都是AVL树

任何一颗左右子树高度之差(简称平衡因子)的绝对值不超过1(-1/0/1)

0代表左右高度相等

1代表右子树高1

-1代表左子树高1

下面给出一幅图来判断是否为AVL树：

如果一棵二叉搜索树是高度平衡的（相对平衡），它就是AVL树。如果它有n个结点，其高度可保持在
O(logN)，搜索时间复杂度O(logN)。

3、AVL树节点的定义

这里我们实现的AVL树为KV模型，自然节点的模板参数有两个，并且节点定义为三叉连结构（左孩子，右孩子，父亲），在二叉链表的基础上加了一个指向父结点的指针域，使得即便于查找孩子结点，又便于查找父结点。接着还需要创建一个变量_bf作为平衡因子（右子树 - 左子树的高度差）。最后写一个构造函数初始化变量即可。
//节点类
template<class K, class V>
struct AVLTreeNode
{//存储的键值对pair<K, V> _kv;//三叉连结构AVLTreeNode<K, V>* _left;//左孩子AVLTreeNode<K, V>* _right;//右孩子AVLTreeNode<K, V>* _parent;//父亲//平衡因子_bfint _bf;//右子树 - 左子树的高度差//构造函数AVLTreeNode(const pair<K, V>& kv):_kv(kv), _left(nullptr), _right(nullptr), _bf(0){}
};

4、基本框架

此部分内容为AVL树的类，主要作用是来完成后续的插入旋转删除……操作：
//AVL树的类
template<class K, class V>
class AVLTree
{typedef AVLTreeNode<K, V> Node;
public://……
private:Node* _root;
};

5、AVL树的插入

插入主要分为这几大步骤：

1、一开始为空树，直接new新节点

2、一开始非空树，寻找插入的合适位置

3、找到插入的合适位置后，进行父亲与孩子的双向链接

4、更新新插入的节点祖先的平衡因子

5、针对不合规的平衡因子进行旋转调整

接下来对其进行逐个分析：

1、一开始为空树，直接new新节点：

因为树为空的，所以直接new一个新插入的节点，将其作为根_root即可，接着更新平衡因子_bf为0，最后返回true。

2、一开始非空树，寻找插入的合适位置：

这里和二叉搜索树的寻找合适的插入位置的思想一样，都要遵循以下几步：

插入的值 > 节点的值，更新到右子树查找

插入的值 < 节点的值，更新到左子树查找

插入的值 = 节点的值，数据冗余插入失败，返回false

当循环结束的时候，就说明已经找到插入的合适位置，即可进行下一步链接。

3、找到插入的合适位置后，进行父亲与孩子的双向链接：

注意这里节点的构成为三叉链，因此最后链接后端孩子和父亲是双向链接，具体操作如下：

插入的值 > 父亲的值，把插入的值链接在父亲的右边

插入的值 < 父亲的值，把插入的值链接在父亲的左边

因为是三叉连，插入后记得双向链接（孩子链接父亲）

走到这，说明节点已经插入完毕，但是接下来就要更新平衡因子了

4、更新新插入的节点祖先的平衡因子：

当我们插入新节点后，子树的高度可能会发生变化，针对这一变化，我们给出以下要求：

子树的高度变了，就要继续往上更新

子树的高度不变，则更新完成

子树违反平衡规则（平衡因子的绝对值 >= 2），则停止更新，需要旋转子树进行调整

具体的更新规则如下：

新增结点在parent的右边，parent的平衡因子++

新增结点在parent的左边，parent的平衡因子 --

每更新完一个节点的平衡因子后，都要进行如下判断：

如果parent的平衡因子等于-1或者1（说明原先是0，左右登高，插入节点后使左子树或右子树增高了）。表明还需要继续往上更新平衡因子。

如果parent的平衡因子等于0（说明原先是1或-1，一高一低，插入节点后填上了矮的那一方）表明无需更新平衡因子了。

如果parent的平衡因子等于-2或者2（说明原先是1或-1，一高一低，插入节点后填上了高的那一方），表明此时以parent结点为根结点的子树已经不平衡了，需要进行旋转处理。

图示如下：

5、针对不合规的平衡因子进行旋转调整：

当父亲parent的平衡因子为2或-2时，就要进行旋转调整了，而又要分为以下4类进行旋转：

当parent的平衡因子为2，cur的平衡因子为1时，进行左单旋。

当parent的平衡因子为-2，cur的平衡因子为-1时，进行右单旋

当parent的平衡因子为-2，cur的平衡因子为1时，进行左右双旋。

当parent的平衡因子为2，cur的平衡因子为-1时，进行右左双旋。

代码如下：
//Insert插入
bool Insert(const pair<K, V>& kv)
{//1、一开始为空树，直接new新节点if (_root == nullptr){//如果_root一开始为空树，直接new一个kv的节点，更新_root和_bf_root = new Node(kv);_root->_bf = 0;return true;}//2、寻找插入的合适位置Node* cur = _root;//记录插入的位置Node* parent = nullptr;//保存parent为cur的父亲while (cur){if (cur->_kv.first < kv.first){//插入的值 > 节点的值parent = cur;cur = cur->_right;//更新到右子树查找}else if (cur->_kv.first > kv.first){//插入的值 < 节点的值parent = cur;cur = cur->_left;//更新到左子树查找}else{//插入的值 = 节点的值，数据冗余插入失败，返回falsereturn false;}}//3、找到了插入的位置，进行父亲与插入节点的链接cur = new Node(kv);if (parent->_kv.first < kv.first){//插入的值 > 父亲的值，链接在父亲的右边parent->_right = cur;}else{//插入的值 < 父亲的值，链接在父亲的左边parent->_left = cur;}//因为是三叉连，插入后记得双向链接（孩子链接父亲）cur->_parent = parent;//4、更新新插入节点的祖先的平衡因子while (parent)//最远要更新到根{if (cur == parent->_right){parent->_bf++;//新增结点在parent的右边，parent的平衡因子++}else{parent->_bf--;//新增结点在parent的左边，parent的平衡因子 --}//判断是否继续更新？if (parent->_bf == 0)// 1 or -1 -> 0 填上了矮的那一方{//1 or -1 -》 0 填上了矮的那一方，此时正好，无需更新break;}else if (parent->_bf == 1 || parent->_bf == -1){//0 -》 1或-1  此时说明插入节点导致一边变高了，继续更新祖先cur = cur->_parent;parent = parent->_parent;}else if (parent->_bf == 2 || parent->_bf == -2){//1 or -1 -》2或-2 插入节点导致本来高的一边又变更高了//此时子树不平衡，需要进行旋转if (parent->_bf == 2 && cur->_bf == 1){RotateL(parent);//右边高，左单旋}else if (parent->_bf == -2 && cur->_bf == -1){RotateR(parent);//左边高，右单旋}else if (parent->_bf == -2 && cur->_bf == 1){RotateLR(parent);//左右双旋}else if (parent->_bf == 2 && cur->_bf == -1){RotateRL(parent);//右左双旋}break;}else{//插入之前AVL树就存在不平衡树，|平衡因子| >= 2的节点//实际上根据前面的判断不可能走到这一步，不过这里其实是为了检测先前的插入是否存在问题assert(false);}}return true;
}

6、AVL树的旋转

AVL树的旋转分为4种：

左单旋

右单旋

左右双旋

右左双旋

AVL树的旋转要遵循下面两个原则：

1、保持搜索树的规则

2、子树变平衡

左单旋

条件：新节点插入较高右子树的右侧

图示：

鉴于左单旋的情况非常多，这里我们画一张抽象图来演示：

这里的长方形条（a、b、c）表示的是子树，h为子树的高度，而30和60为实打实的节点。上述左单旋操作主要是完成了四件事：

让subRL变成parent的右子树，更新subRL的父亲为parent

让subR变成根节点

让parent变成subR的左子树，更新parent的父亲为subR

更新平衡因子

注意：

parent可能为整棵树的一个子树，则需要链接parent的父亲和subR。

subRL可能为空，但是更新subRL的父亲为parent是建立在subRL不为空的前提下完成的。

解释为何上述左单旋的可行性：

首先，根据底层二叉搜索树的结构：b节点的值肯定是在30~60之间的，b去做30的右子树没有任何问题，且这里把60挪到根部，随即把30作为60的右子树，这样整体的变化就像是一个左旋一样，而且也满足二叉搜索树的性质且均平衡。

代码如下：
void RotateL(Node* parent)
{Node* subR = parent->_right;Node* subRL = subR->_left;Node* ppNode = parent->_parent;//提前保持parent的父亲//1、建立parent和subRL之间的关系parent->_right = subRL;if (subRL)//防止subRL为空{subRL->_parent = parent;}//2、建立subR和parent之间的关系subR->_left = parent;parent->_parent = subR;//3、建立ppNode和subR之间的关系if (parent == _root){_root = subR;_root->_parent = nullptr;}else{if (parent == ppNode->_left){ppNode->_left = subR;}else{ppNode->_right = subR;}subR->_parent = ppNode;//三叉链双向链接关系}//4、更新平衡因子subR->_bf = parent->_bf = 0;
}

右单旋

条件：新节点插入较高左子树的左侧

图示：

同样这里的长方形条（a、b、c）表示的是子树，h为子树的高度，而30和60为实打实的节点。上述左单旋操作主要是完成了四件事：

让subLR变成parent的左子树，更新subLR的父亲为parent

让subL变成根节点

让parent变成subL的右子树，更新parent的父亲为subL

更新平衡因子

注意：

parent可能为整棵树的一个子树，则需要链接parent的父亲和subL。

subLR可能为空，但是更新subLR的父亲为parent是建立在subLR不为空的前提下完成的。

代码如下：
//2、右单旋
void RotateR(Node* parent)
{Node* subL = parent->_left;Node* subLR = subL->_right;Node* ppNode = parent->_parent;//1、建立parent和subLR之间的关系parent->_left = subLR;if (subLR){subLR->_parent = parent;}//2、建立subL和parent之间的关系subL->_right = parent;parent->_parent = subL;//3、建立ppNode和subL的关系if (parent == _root){_root = subL;_root->_parent = nullptr;}else{if (parent == ppNode->_left){ppNode->_left = subL;}else{ppNode->_right = subL;}subL->_parent = ppNode;//三叉链双向关系}//4、更新平衡因子subL->_bf = parent->_bf = 0;
}

左右双旋

条件：新节点插入较高左子树的右侧

接下来图示解析左右双旋的具体解法。

1、插入新节点：

此类模型既不满足左单旋的条件也不满足右单旋的条件，但是我们可以将其组合起来，即左右双旋（先左单旋，再右单旋）的办法重新建立平衡。接下来执行下一步左单旋：

2、以节点30（subL）为旋转点左单旋：

此时再观察这幅图，这部就是一个妥妥的右单旋模型吗，把60的左子树看成一个整体，此时新插入的节点即插入较高左子树的左侧，刚好符合右单旋的性质，接下来即可进行右单旋：

3、以节点90（parent）为旋转点进行右单旋：

此时左右双旋已经完成，最后一步为更新平衡因子，但是更新平衡因子又分如下三类：

1、当subLR原始平衡因子是-1时，左右双旋后parent、subL、subLR的平衡因子分别更新为1、0、0。

2、当subLR原始平衡因子是1时，左右双旋后parent、subL、subLR的平衡因子分别更新为0、-1、0。

3、当subLR原始平衡因子是0时，左右双旋后parent、subL、subLR的平衡因子分别更新为0、0、0。

这里可以看出唯有subLR平衡因子为0的情况下在进行左右旋转后，三个节点的平衡因子都要更新为0。

代码如下：
//3、左右双旋
void RotateLR(Node* parent)
{Node* subL = parent->_left;Node* subLR = subL->_right;int bf = subLR->_bf;//提前记录subLR的平衡因子//1、以subL为根传入左单旋RotateL(subL);//2、以parent为根传入右单旋RotateR(parent);//3、重新更新平衡因子if (bf == 0){parent->_bf = 0;subL->_bf = 0;subLR->_bf = 0;}else if (bf == 1){parent->_bf = 0;subL->_bf = -1;subLR->_bf = 0;}else if (bf == -1){parent->_bf = 1;subL->_bf = 0;subLR->_bf = 0;}else{assert(false);//此时说明旋转前就有问题，检查}
}

右左双旋

条件：新节点插入较高右子树的左侧

接下来图示解析左右双旋的具体解法。

1、插入新节点：

注意这里的新节点插在了较高右子树的左侧，不能用上文的单旋转以及左右旋转，相反而应使用右左旋转（先右单旋，再左单旋）来解决，接下来执行下一步右单旋：

2、以节点90（subR）为旋转点右单旋：

此时再观察这幅图，这部就是一个妥妥的左单旋模型吗，把60的右子树看成一个整体，此时新插入的节点即插入较高右子树的右侧，刚好符合左单旋的性质，接下来即可进行左单旋：

3、以节点30（parent）为旋转点左单旋：

此时左右双旋已经完成，最后一步为更新平衡因子，但是更新平衡因子又分如下三类：

1、当subRL原始平衡因子是-1时，右左双旋后parent、subR、subRL的平衡因子分别更新为0、1、0。

2、当subRL原始平衡因子是1时，右左双旋后parent、subR、subRL的平衡因子分别更新为-1、0、0。

3、当subRL原始平衡因子是0时，右左双旋后parent、subR、subRL的平衡因子分别更新为0、0、0。

这里可以看出唯有subRL平衡因子为0的情况下在进行左右旋转后，三个节点的平衡因子都要更新为0。

代码如下：
//4、右左双旋
void RotateRL(Node* parent)
{Node* subR = parent->_right;Node* subRL = subR->_left;int bf = subRL->_bf;//提前记录subLR的平衡因子//1、以subL为根传入左单旋RotateR(subR);//2、以parent为根传入右单旋RotateL(parent);//3、重新更新平衡因子if (bf == 0){parent->_bf = 0;subR->_bf = 0;subRL->_bf = 0;}else if (bf == 1){parent->_bf = -1;subR->_bf = 0;subRL->_bf = 0;}else if (bf == -1){parent->_bf = 0;subR->_bf = 1;subRL->_bf = 0;}else{assert(false);//此时说明旋转前就有问题，检查}
}

7、AVL树的验证

AVL树是在二叉搜索树的基础上加入了平衡性的限制，因此要验证AVL树，就是看它是否为二叉搜索树，以及是否为一颗平衡树。接下来分别讨论：

1、验证其为二叉搜索树：

这里我们只需要进行中序遍历看看结果是否可得到一个有序的序列，如果可以则证明是二叉搜索树，而中序遍历的实现非常简单，先前的二叉搜索树的实现已然完成过，这里直接给出代码：
//中序遍历的子树
void _InOrder(Node* root)
{if (root == nullptr)return;_InOrder(root->_left);cout << root->_kv.first << " ";_InOrder(root->_right);
}
//中序遍历
void InOrder()
{_InOrder(_root);cout << endl;
}
检测是否为二叉搜索树的代码实现后，接下来开始验证是否为平衡树。

2、验证其为平衡树：

规则如下：（递归的思想）

空树也是平衡树，一开始就要判断

封装一个专门计算高度的函数（递归计算高度）后续用来计算高度差（平衡因子diff）

如过diff不等于root的平衡因子（root->_bf），或root平衡因子的绝对值超过1，则一定不是AVL树

继续递归到子树&&右树，直至结束

代码如下：
//验证一棵树是否为平衡树
bool IsBalanceTree()
{return _IsBalanceTree(_root);
}
//判读是否平衡的子树
bool _IsBalanceTree(Node* root)
{//空树也是AVL树if (nullptr == root)return true;//计算root节点的平衡因子diff：即root左右子树的高度差int leftHeight = _Height(root->_left);int rightHeight = _Height(root->_right);int diff = rightHeight - leftHeight;//如果计算出的平衡因子与root的平衡因子不相等，或root平衡因子的绝对值超过1，则一定不是AVL树if ((abs(diff) > 1)){cout << root->_kv.first << "节点平衡因子异常" << endl;return false;}if (diff != root->_bf){cout << root->_kv.first << "节点平衡因子与root的平衡因子不等，不符合实际" << endl;return false;}//继续递归检测，直到结束return _IsBalanceTree(root->_left) && _IsBalanceTree(root->_right);
}
//求高度的子树
int _Height(Node* root)
{if (root == nullptr)return 0;int lh = _Height(root->_left);int rh = _Height(root->_right);return lh > rh ? lh + 1 : rh + 1;
}
综合上述两大步骤的操作即可对一棵树充分的验证是否为AVL树。

8、AVL树的查找

Find查找函数的思路很简单，定义cur指针从根部开始按如下规则遍历：

若key值小于当前结点的值，则应该在该结点的左子树当中进行查找。

若key值大于当前结点的值，则应该在该结点的右子树当中进行查找。

若key值等于当前结点的值，则查找成功，返回true。

若遍历一圈cur走到nullptr了说明没有此结点，返回false
//Find查找
bool Find(const K& key)
{Node* cur = _root;while (cur){if (cur->_key < key){cur = cur->_right;//若key值大于当前结点的值，则应该在该结点的右子树当中进行查找。}else if (cur->_key > key){cur = cur->_left;//若key值小于当前结点的值，则应该在该结点的左子树当中进行查找。}else{return true;//若key值等于当前结点的值，则查找成功，返回true。}}return false;//遍历一圈没找到返回false
}

9、AVL树的删除（了解）

因为AVL树也是二叉搜索树，主要是三个大思路：

按二叉搜索树的规则删除

更新平衡因子

出现不平衡，需要旋转调整

只不过与搜索二叉树的删除不同的是，删除节点后的平衡因子需要不断更新，最差情况下一直要调整到根节点的位置。具体这里就不再实现了，因为着实有点复杂。不过《算法导论》或《数据结构-用面向对象方法与C++描述》殷人昆版这两本书上是有详细的讲解的哈。

10、AVL树的性能

AVL树是一棵绝对平衡的二叉搜索树，其要求每个节点的左右子树高度差的绝对值都不超过1，这样可以保证查询时高效的时间复杂度，即O(logN)。但是如果要对AVL树做一些结构修改的操作，性能非常低下，比如：插入时要维护其绝对平衡，旋转的次数比较多，更差的是在删除时，有可能一直要让旋转持续到根的位置。因此：如果需要一种查询高效且有序的数据结构，而且数据的个数为静态的(即不会改变)，可以考虑AVL树，但一个结构经常修改，就不太适合。

11、源码链接

链接直达：AVL树的模拟实现完整版

【 C++ 】AVL树相关推荐

AVL树、splay树(伸展树)和红黑树比较
AVL树.splay树(伸展树)和红黑树比较一.AVL树: 优点:查找.插入和删除,最坏复杂度均为O(logN).实现操作简单如过是随机插入或者删除,其理论上可以得到O(logN)的复杂度,但是实 ...
算法基础知识科普：8大搜索算法之AVL树（上）
前段时间介绍了二叉搜索树(BST),我们知道这种搜索结构存在的弊端是对输入序列存在强依赖,若输入序列基本有序,则BST近似退化为链表.这样就会大大降低搜索的效率.AVL树以及Red-Black树就是为 ...
【漫画】以后在有面试官问你AVL树，你就把这篇文章扔给他。
S 推荐阅读对于另一半,你真正的爱过吗? 背景西天取经的路上,一样上演着编程的乐趣..... 1.若它的左子树不为空,则左子树上所有的节点值都小于它的根节点值. 2.若它的右子树不为空,则右子树上 ...
【从蛋壳到满天飞】JS 数据结构解析和算法实现-AVL树（一）
前言 [从蛋壳到满天飞]JS 数据结构解析和算法实现,全部文章大概的内容如下: Arrays(数组).Stacks(栈).Queues(队列).LinkedList(链表).Recursion(递归思 ...
数据结构与算法——AVL树类的C++实现
关于AVL树的简单介绍能够參考: 数据结构与算法--AVL树简单介绍关于二叉搜索树(也称为二叉查找树)能够參考:数据结构与算法--二叉查找树类的C++实现 AVL-tree是一个"加上了额 ...
纸上谈兵: AVL树
作者:Vamei 出处:http://www.cnblogs.com/vamei 欢迎转载,也请保留这段声明.谢谢! 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 ...
AVL树入门（转载）
原文链接:http://lib.csdn.net/article/datastructure/9204 作者:u011469062 前言:本文不适合给一组数据15分钟就能实现AV ...
PAT1123 Is It a Complete AVL Tree（AVL树完全二叉树）
题意: 给出一系列数,要求组成AVL树,最后层序输出,并且判断是否为一个完全二叉树要点: 这题就是一个AVL树的插入和判断完全二叉树,之前分别都有出现过,AVL树的建立需要记忆. #include& ...
Linux内核之于红黑树and AVL树
为什么Linux早先使用AVL树而后来倾向于红黑树? 实际上这是由红黑树的实用主义特质导致的结果,本短文依然是形而上的观点.红黑树可以直接由2-3树导出,我们可以不再提红黑树,而只提2- ...
算法（6） —— AVL树
AVL树二叉查找树的一种,所以其操作和二叉查找树的很多操作是相同的. 1. 1 #ifndef AVLTREE_H 2 #define AVLTREE_H 3 4 struct AvlNode; 5 ...

【 C++ 】AVL树

1、底层结构

2、AVL树的概念

3、AVL树节点的定义

4、基本框架

5、AVL树的插入

6、AVL树的旋转

左单旋

右单旋

左右双旋

右左双旋

7、AVL树的验证

8、AVL树的查找

9、AVL树的删除（了解）

10、AVL树的性能

11、源码链接

【 C++ 】AVL树相关推荐

最新文章

热门文章