赞
踩
AVL树是最早发明的自平衡二叉搜索树之一,其名字来源于两位发明它的科学家G. M. Adelson-Velsky 和 E. M. Landis(来自苏联的科学家)。
AVL树中的每个节点都有一个平衡因子(Balance Factor),即左右子树高度之差。AVL树的特点如下:
假如我们对下面这棵AVL树中插入17。
那么插入后的结果因应该如下所示。
此时可以很明显的发现,节点14左右子树的高度差为-2了(绝对值大于1),也就是说节点14失衡了。此外,失衡的状态还在向上蔓延,节点18也失衡了,但节点10并没有失衡。而对于17的父节点16也没有失衡,事实上,新插入节点的父节点(只是父节点,不包括其他祖先节点)永远不可能失衡。这是因为在插入之前父节点16一定处于平衡状态,即使它的左子树不像图中一样为空,左子树的高度最大也只能为1,否则就失衡了。而对于新插入节点的非祖先节点(如节点10左子树中的所有节点),由于他们平衡因子的计算与新节点无关,所以也不可能失衡。至此我们可以得出结论:
既然添加节点后导致了一系列节点的失衡,但AVL树并不能允许失衡节点的存在,所以我们势必要对这棵AVL树进行调整,但进行的调整也不能太大动干戈,尝试用尽量的调整使树回到平衡状态,否则就失去了降低复杂度的初衷。
在AVL树中,采用左旋或者右旋的操作对失衡的节点进行调整。该方法的思路是:由于失衡的一系列节点只能可能是插入节点的祖父节点或祖祖…父节点,我们可以从插入节点出发,一路向上找到第一个失衡的祖先节点,然后对以该节点为根节点的二叉树进行左旋或者右旋(也可能进行两次)调整,将其调整为平衡状态,并将高度恢复至与原来相同,那么该节点已恢复平衡,且更上层的祖先节点由于其高度与原来一致,于是也恢复到了平衡状态。
下次用一个例子来演示一下右旋操作。
1.下面的AVL树,由于新插入节点-8而导致了节点4(第一个失衡的祖先节点)和10失衡了,但我们只需考虑第一个失衡的祖先节点,即4。
2.由于新增节点在节点4左子树的左子树,在此我们将这种情况记为LL,而对于LL我们就需要进行右旋操作。如下所示。
3.将线条拉直后。
4.此时节点4成为了它原来左节点1的右节点,并获得了节点1的右子树作为它的左子树,且该节点1成为了子树新的根节点。可以发现,节点4已经恢复平衡,且右旋前以4为根节点的子树与现在以1为根节点的子树高度相同,也是说,更高层的祖父节点也恢复了平衡,整棵树的平衡也得以恢复了。
5.那么为什么右旋操作可以将LL的情况恢复平衡呢?原因是:既然是左侧的左侧(LL情况)高度增加导致的失衡,那么我们假设增加节点前第一个祖父节点左子树的高度是h,那么增加后左子树高度为h+1,又产生了失衡,则可知右子树的高度一定是h-1,如下所示。
此时进行右旋操作,相当于把原子树头节点4下放为右节点,将原左节点1上移为根节点,相对于原来的子树(以4为根节点)而言,相当于左子树向上抬了一个台阶,右子树下移了一个台阶,导致两边的高度都回到了h,且整棵子树仍保留着满足二叉搜索树的顺序。
左旋操作显然是RR的情况,除了方向相反,其他于右旋完全相同。
1.如在下面这棵树中插入35。
显然新增节点在失衡节点的右子树的右子树,是RR的情况,需要进行左旋。
3.将线条拉直后可以发现,整棵树恢复平衡了。
刚才讨论了LL于RR的情况,那么如果出现LR或是RL呢?还是分别举例说明。
1.下面这棵树显然就是RL的情况,新增节点在第一个失衡节点的左子树的右子树。这种情况下,为了更加清晰,我们可以将失衡节点记为g(grandParent)、新增节点所在一侧失衡节点的子节点记为p(parent)、新增节点所在一侧p的子节点记为n(node)。标记如下所示。
2.此时我们可以对节点p进行一次右旋,显然通过刚才推导我们知道,右旋操作会让进行右旋的节点的左子树高度减1,而右子树高度加1。而由于添加节点导致了失衡,p的左子树高度是一定高于右子树,且p并不是第一个失衡的节点(从下往上寻找),所以p一定平衡,所以此时右子树的高度只比左子树少1。那么对p进行右旋操作后,可以预见右侧的高度将比左侧高1,且情况转化为了RR,如下图所示。
3.此时我们可以发现的确转换为了RR的情况。
4.再在对g进行左旋操作,AVL树就恢复平衡了。
LR情况的旋转顺序正好与RL相反,需要先左旋再右旋。示例如下。
1.新增节点16造成LR的失衡情况。
对节点p进行左旋操作。
再对节点g右旋。
此时AVL树恢复平衡。
Copyright © 2003-2013 www.wpsshop.cn 版权所有,并保留所有权利。