当前位置:   article > 正文

算法导论笔记:13-04红黑树以及其他平衡树_加权平衡树

加权平衡树

一:红黑树的其他特点

       1:对于一颗用RB-INSERT插入n个结点形成的红黑树,如果n>1,则该树至少有一个红结点。

 

       2: 如果用RB-INSERT将节点x插入一颗红黑树,然后接着用RB-DELETE删除,则结果红黑树是否和原始红黑树一样?

       不一样,因为RB-INSERT可能会进行旋转而改变树的结构,比如;

 

 

二:AVL树

       AVL树是比红黑树还要平衡的二叉搜索树,他满足的性质是:任意结点的左子树和右子树的高度差的绝对值不超过1

 

       定义结点的平衡因子BF为:该节点左子树的高度减去右子树的高度。在AVL树上,任何结点的BF值只可能是-1, 0, 1。如果有一个结点的平衡因子的绝对值大于1,则就不是AVL树。如下图分别描述了AVL树和非AVL树:

 

       证明:一颗有n个结点的AVL树,它的高度为O(lg n)

       证明:如果高度为h的AVL树,至少包含个结点。所以, = 1, ,因为是AVL树,所以 = + + 1。这个和斐波那契类似,根据斐波那契堆的性质,所以有:一颗有n个结点的AVL树,它的高度为O(lg n)。

 

       AVL树的插入和删除操作有可能会破坏AVL树的性质,也就是使得某个结点的BF值由1 -> 2,或者是 -1 -> -2。总共有4种可能使得这样的情况发生,在左子树插入可以使得BF值由1 -> 2,在右子树插入可以使得BF值由-1 -> -2。其中两种情况是左右对称的,所以只看在左子树插入的情况,如下图:

图1

       如果当前BH(A) = 1,添加新的结点后,使得BH(A) = 2,则该新节点一定加在了左子树,也就是bl或者br中。

       我们只查看改变AVL性质的最小情况,所以BH(B) = 0,如果BH(B) != 0,则将新节点插入B子树中高度较小的子树,只会使BH(B) = 0而不会改变ABH值。如果将新节点插入B子树中高度较大的子树,则会使BH(B) = 2/-2,所以,不考虑BH(B) != 0的情况。

 

 

1:LL

       参见图1,如果新节点插入bl,则是LL型。 根据之前的讨论,在加入新节点之前,有BH(A) = 1, BH(B) = 0。所以可以得到下面的性质:

       h(bl) = h(br) =h(C)

       整个分支的高度为h(br)+2

 

       插入后h(bl)的值加1。此时,只需要对A结点进行右旋即可,得到下图:

图2

       因原来有h(bl) = h(br) = h(C),而且h(br)h(C)没有发生变化,h(bl)的值加1所以:BH(A) = 0,BH(B) = 0。整个分支的高度为h(br) + 2。所以,整个分支的高度没变。因而不需要调整之上的分支。

 

2:LR型

       首先对图1进行扩展,得到图3:

 


图3

       如果新节点插入br,则是LR型,根据之前的讨论,在加入新节点之前,有BH(A) = 1, BH(B) = 0, BH(br) = 0。所以,可得下面的性质:

       h(brl) = h(brr)

       h(bl) = h(C) = h(br) = h(brl)+1 = h(brr)+1

       整个分支的高度为h(bl)+2

 

       这种情况下,不管新节点插入brl还是brr,都是进行相同的操作:首先是对B进行左旋,得到下图:

图4

然后对A进行右旋,得到下图:

图5

       原来的性质是:

       h(brl) = h(brr)

       h(bl) = h(C) = h(br) = h(brl)+1 =h(brr)+1

       整个分支的高度为h(bl)+2


       如果新节点插在了brl,所以h(brl) = h(brl) +1。

现在,因h(brr)+1 = h(C),所以,BH(A)= -1;

h(bl) = h(brl),所以,BH(B) = 0;

h(bl) + 2 = h(C) + 2,所以,BH(br)= 0

符合AVL的性质,同时,整个分支的高度为h(bl) + 2,所以,整个分支的高度不变。

 

       如果新节点插在了brr,所以h(brr)= h(brr) + 1

现在,因h(bl) = h(brl) + 1,所以,BH(B)= 1;

h(C) = h(brr),所以BH(A)=0;

h(bl) + 2 = h(C) + 2,所以,BH(br)= 0

符合AVL的性质,同时,整个分支的高度为h(bl) + 2,所以,整个分支的高度不变。

 

       如果BH值由-1变为了-2,则跟上面的情况对称,分别为RRRL,进行的操作也对称,不再赘述。

 

 

三:Treap

1:概念:

       如果一个二叉搜索树节点插入的顺序是随机的,这样我们得到的二叉搜索树大多数情况下是平衡的,即使存在一些极端情况,但是这种情况发生的概率很小,所以我们可以这样建立一棵二叉搜索树,而不必要像AVL那样旋转,可以证明随机顺序建立的二叉搜索树在期望高度是O(log n),但是某些时候我们并不能得知所有的待插入节点,打乱以后再插入。所以我们需要一种规则来实现这种想法,并且不必要所有节点。也就是说节点是顺序输入的,我们实现这一点可以用Treap。

 

       Treap=Tree+Heap。Treap本身是一棵二叉搜索树,它的左子树和右子树也分别是一个Treap,和一般的二叉搜索树不同的是,Treap记录一个额外的数据,就是优先级。

       Treap在以key构成二叉搜索树的同时,还按优先级来满足最小的性质(在这里我们假设节点的优先级小于该节点的孩子的优先级)。但是这里要注意的是Treap和二叉堆有一点不同,就是二叉堆必须是完全二叉树,而Treap可以并不一定是。

 

       Treap有一个特性,就是每个子树的形态在优先级和key唯一确定的情况下都是唯一的,不受其他因素影响。这是因为:根节点一定是优先级最小的元素,这是唯一确定的,左子树是key比根小的元素集合,右子树是key比根大的元素集合,所以,左右子树的集合中的元素是确定的。而这些集合中,再找出优先级最小的元素,就分别是左右子树的根了。然后依次推理下去,所以,对于一组元素,如果key和优先级都唯一确定的话,那么Treap也是唯一确定的。

      

       根据上面的性质,可以看出,Treap相当于先把所有节点按照优先级排序,然后依次插入,又因为优先级在插入的时候,是随机给出的,所以实质上就相当于以随机顺序建立的二叉搜索树,所以Treap的期望高度为O(logn)

 

2:插入

       给节点随机分配一个优先级,和二叉搜索树的插入一样,先把要插入的点插入到一个叶子上,然后跟维护堆一样,如果当前节点的优先级比父节点小就旋转,如果当前节点是父节点的左儿子就右旋,如果当前节点是父节点的右儿子就左旋。

 

       由于旋转是O(1)的,最多进行h次(h是树的高度),插入的复杂度是O(h)的,在期望情况下h=O(log n),所以它的期望复杂度是O(log n)。


 

3:删除

       有了旋转的操作之后,Treap的删除比二叉搜索树还要简单。因为Treap满足堆性质,所以我们只需要把要删除的节点旋转到叶节点上,然后直接删除就可以了。具体的方法就是每次找到优先级最小的儿子,向与其相反的方向旋转,直到那个要删除的节点被旋转到了叶节点,然后直接删除即可。删除最多进行O(h)次旋转,期望复杂度是O(log n)。

 

关于Treap的其他内容参见论文《平衡树Treap的方法与应用》。

声明:本文内容由网友自发贡献,不代表【wpsshop博客】立场,版权归原作者所有,本站不承担相应法律责任。如您发现有侵权的内容,请联系我们。转载请注明出处:https://www.wpsshop.cn/w/寸_铁/article/detail/762482
推荐阅读
相关标签
  

闽ICP备14008679号