二叉搜索树 --- C++实现

目录

1.二叉搜索树的概念

2.二叉搜索树的操作

3. 二叉树的实现

4.二叉搜索树的应用

5. 二叉树的性能分析

6. 二叉树进阶练习题

1.二叉搜索树的概念

二叉搜索树又称二叉排序树，它或者是一棵空树，或者是具有以下性质的二叉树：

  • 若它的左子树不为空，则左子树上所有节点的值都小于根节点的值
  • 若它的右子树不为空，则右子树上所有节点的值都大于根节点的值
  • 它的左右子树也分别为二叉搜索树

二叉搜索树（BST，Binary Search Tree），也称二叉排序树或二叉查找树。

2.二叉搜索树的操作

int a[] = {8, 3, 1, 10, 6, 4, 7, 14, 13};

1. 二叉搜索树的查找

  • a、从根开始比较，查找，比根大则往右边走查找，比根小则往左边走查找。
  • b、最多查找高度次，走到到空，还没找到，这个值不存在。

2. 二叉搜索树的插入

    插入的具体过程如下：

  • a. 树为空，则直接新增节点，赋值给root指针
  • b. 树不空，按二叉搜索树性质查找插入位置，插入新节点
     

3. 二叉搜索树的删除

        首先查找元素是否在二叉搜索树中，如果不存在，则返回，否则要删除的结点可能分下面四种情况：

  • a. 要删除的结点无孩子结点
  • b. 要删除的结点只有左孩子结点
  • c. 要删除的结点只有右孩子结点
  • d. 要删除的结点有左、右孩子结点

        看起来有待删除节点有4中情况，实际情况a可以与情况b或者c合并起来，把一个孩子看作空节点，因此真正的删除过程如下：

  • 情况b：删除该结点且使被删除节点的双亲结点指向被删除节点的左孩子结点，然后直接删除该节点 -- 即直接删除。
  • 情况c：删除该结点且使被删除节点的双亲结点指向被删除结点的右孩子结点，然后直接删除该节点 -- 即直接删除。
  • 情况d：在它的右子树中寻找中序下的第一个结点(关键码最小)，用它的值填补到被删除节点中，再来处理该结点的删除问题 -- 替换法删除。即用左子树的最大节点，或右子树的最小节点来替换。

3. 二叉树的实现

代码中有每个操作都有两种写法，一种是非递归写法，一种是递归写法。 

namespace key
{template<class K>struct BSTreeNode{BSTreeNode<K>* left;BSTreeNode<K>* right;K _key;BSTreeNode(const K& key = K()):left(nullptr), right(nullptr), _key(key){}};template<class K>class BSTree{typedef BSTreeNode<K> Node;public:BSTree():_root(nullptr){}//C++11 强制生成默认构造//BSTree() = default; BSTree(const BSTree<K>& root){_root = Copy(root._root);}BSTree<K>& operator=(BSTree<K> tree){swap(tree._root, _root);return *this;}bool Insert(const K& key)//插入{if (_root == nullptr){_root = new Node(key);return true;}else{Node* cur = _root;Node* parent = nullptr;while (cur){parent = cur;if (cur->_key > key){cur = cur->left;}else if (cur->_key < key){cur = cur->right;}else{return false;}}cur = new Node(key);if (cur->_key < parent->_key){parent->left = cur;}else{parent->right = cur;}return true;}}bool Find(const K& key){Node* cur = _root;while (cur){if (cur->_key == key){return true;}else if (cur->_key < key){cur = cur->right;}else{cur = cur->left;}}return false;}bool Erase(const K& key)//删除{Node* cur = _root;Node* parent = nullptr;while (cur){if (cur->_key > key){parent = cur;cur = cur->left;}else if (cur->_key < key){parent = cur;cur = cur->right;}else//找到删除{if (cur->left == nullptr){//左为空if (parent == nullptr)//根节点{_root = cur->right;}else{if (cur == parent->left){parent->left = cur->right;}else if (cur == parent->right){parent->right = cur->right;}delete cur;}}else if (cur->right == nullptr){//右为空if (parent == nullptr)//根节点{_root = cur->left;}else{if (cur == parent->left){parent->right = cur->left;}else if (cur == parent->right){parent->right = cur->left;}delete cur;}}else{//左右都不为空//右树的最小节点（最左节点）Node* subLeft = cur->right;Node* parent = cur;while (subLeft->left){parent = subLeft;subLeft = subLeft->left;}if (subLeft == cur->right)//右树的最左节点是根，最左节点不是父节点的左孩子{swap(subLeft->_key, cur->_key);parent->right = subLeft->right;}else{swap(subLeft->_key, cur->_key);parent->left = subLeft->right;}delete subLeft;}return true;}}return false;}//递归遍历void InOrder(){_InOrder(_root);cout << endl;}//递归查找bool FindR(const K& key){return _FindR(_root, key);}//递归插入bool InsertR(const K& key){return _InsertR(_root, key);}//递归删除bool EraseR(const K& key){return _EraseR(_root, key);}~BSTree(){Destroy(_root);}private:Node* Copy(Node* root){if (root == nullptr){return nullptr;}Node* newRoot = new Node(root->_key);newRoot->left = Copy(root->left);newRoot->right = Copy(root->right);return newRoot;}void Destroy(Node*& root)//auto不能做函数参数{if (root == nullptr){return;}Destroy(root->left);Destroy(root->right);delete root;root = nullptr;}bool _EraseR(Node*& root, const K& key){if (root == nullptr){return false;}if (root->_key > key){return _EraseR(root->left, key);}if (root->_key < key){return _EraseR(root->right, key);}else{//删除,用引用十分巧妙if (root->right == nullptr){//引用的是父节点的一个指针Node* del = root;root = root->left;delete del;return true;}else if (root->left == nullptr){Node* del = root;root = root->right;delete del;return true;}else{Node* subLeft = root->right;while (subLeft->left){subLeft = subLeft->left;}swap(subLeft->_key, root->_key);//让子树递归删除 return _EraseR(root->right, key);}}}bool _InsertR(Node*& root, const K& key){//这里root用引用if (root == nullptr){root = new Node(key);return true;}if (root->_key < key){//引用的是父节点的右孩子_InsertR(root->right, key);}if (root->_key > key){_InsertR(root->left, key);}else{return false;}}//bool _InsertR(Node* root, const K& key)//{//	if (root == nullptr)//	{//		_root = new Node(key);//		return true;//	}//	if (key == root->_key)//	{//		return false;//	}//	if (key < root->_key)//	{//		if (root->left == nullptr)//		{//			root->left = new Node(key);//			return true;//		}//		else//		{//			return _InsertR(root->left, key);//		}//	}//	if (key > root->_key)//	{//		if (root->right == nullptr)//		{//			root->right = new Node(key);//			return true;//		}//		else//		{//			return _InsertR(root->right, key);//		}//	}//}bool _FindR(Node* root, const K& key){if (root == nullptr){return false;}else if (root->_key == key){return true;}else if (root->_key < key){return _FindR(root->right, key);}else{return _FindR(root->left, key);}}void _InOrder(Node* root){if (root == nullptr){return;}_InOrder(root->left);cout << root->_key << " ";_InOrder(root->right);}private:Node* _root = nullptr;};
}

4.二叉搜索树的应用

1. K模型：K模型即只有key作为关键码，结构中只需要存储Key即可，关键码即为需要搜索到的值。

比如：给一个单词word，判断该单词是否拼写正确，具体方式如下：

  1. 以词库中所有单词集合中的每个单词作为key，构建一棵二叉搜索树
  2. 在二叉搜索树中检索该单词是否存在，存在则拼写正确，不存在则拼写错误。

2. KV模型：每一个关键码key，都有与之对应的值Value，即<Key, Value>的键值对。该种方式在现实生活中非常常见：

  1. 比如英汉词典就是英文与中文的对应关系，通过英文可以快速找到与其对应的中文，英文单词与其对应的中文<word, chinese>就构成一种键值对；
  2. 再比如统计单词次数，统计成功后，给定单词就可快速找到其出现的次数，单词与其出现次数就是<word, count>就构成一种键值对
     
//改造后的 key_value 结构
namespace key_value
{template<class K, class V>struct BSTreeNode{BSTreeNode<K,V>* left;BSTreeNode<K,V>* right;K _key;V _value;BSTreeNode(const K& key = K(),const V& value = V()):left(nullptr), right(nullptr), _key(key), _value(value){} };template<class K, class V>class BSTree{typedef BSTreeNode<K,V> Node;public:bool Insert(const K& key,const V& value){if (_root == nullptr){_root = new Node(key,value);return true;}else{Node* cur = _root;Node* parent = nullptr;while (cur){parent = cur;if (cur->_key > key){cur = cur->left;}else if (cur->_key < key){cur = cur->right;}else{return false;}}cur = new Node(key,value);if (cur->_key < parent->_key){parent->left = cur;}else{parent->right = cur;}return true;}}Node* Find(const K& key){Node* cur = _root;while (cur){if (cur->_key == key){return cur;}else if (cur->_key < key){cur = cur->right;}else{cur = cur->left;}}return nullptr;}bool Erase(const K& key){Node* cur = _root;Node* parent = nullptr;while (cur){if (cur->_key > key){parent = cur;cur = cur->left;}else if (cur->_key < key){parent = cur;cur = cur->right;}else//找到删除{if (cur->left == nullptr){//左为空if (parent == nullptr)//根节点{_root = cur->right;}else{if (cur == parent->left){parent->left = cur->right;}else if (cur == parent->right){parent->right = cur->right;}delete cur;}}else if (cur->right == nullptr){//右为空if (parent == nullptr)//根节点{_root = cur->left;}else{if (cur == parent->left){parent->right = cur->left;}else if (cur == parent->right){parent->right = cur->left;}delete cur;}}else{//左右都不为空//右树的最小节点（最左节点）Node* subLeft = cur->right;Node* parent = cur;while (subLeft->left){parent = subLeft;subLeft = subLeft->left;}if (subLeft == cur->right)//右树的最左节点是根，最左节点不是父节点的左孩子{swap(subLeft->_key, cur->_key);parent->right = subLeft->right;}else{swap(subLeft->_key, cur->_key);parent->left = subLeft->right;}delete subLeft;}return true;}}return false;}//递归遍历void InOrder(){_InOrder(_root);cout << endl;}private:void _InOrder(Node* root){if (root == nullptr){return;}_InOrder(root->left);cout << root->_key << ":" << root->_value << endl;_InOrder(root->right);}private:Node* _root = nullptr;};
}

5. 二叉树的性能分析

插入和删除操作都必须先查找，查找效率代表了二叉搜索树中各个操作的性能。

对有n个结点的二叉搜索树，若每个元素查找的概率相等，则二叉搜索树平均查找长度是结点在二叉搜索树的深度的函数，即结点越深，则比较次数越多。

但对于同一个关键码集合，如果各关键码插入的次序不同，可能得到不同结构的二叉搜索树：

最优情况下，二叉搜索树为完全二叉树(或者接近完全二叉树)，其时间复杂度为：O(logN)。

最差情况下，二叉搜索树退化为单支树(或者类似单支)，其时间复杂度为：O(N)。

问题：如果退化成单支树，二叉搜索树的性能就失去了。那能否进行改进，不论按照什么次序插入关键码，二叉搜索树的性能都能达到最优？那么我们后续文章学习的AVL树和红黑树就可以上场了。

6. 二叉树进阶练习题

这些题目更适合使用C++完成，难度也更大一些

  1. 二叉树创建字符串。OJ链接
  2. 二叉树的分层遍历1。OJ链接
  3. 二叉树的分层遍历2。OJ链接
  4. 给定一个二叉树, 找到该树中两个指定节点的最近公共祖先 。OJ链接
  5. 二叉树搜索树转换成排序双向链表。OJ链接
  6. 根据一棵树的前序遍历与中序遍历构造二叉树。OJ链接
  7. 根据一棵树的中序遍历与后序遍历构造二叉树。OJ链接
  8. 二叉树的前序遍历，非递归迭代实现 。OJ链接
  9. 二叉树中序遍历 ，非递归迭代实现。OJ链接
  10. 二叉树的后序遍历 ，非递归迭代实现。OJ链接

本篇详细代码可查看我的Gitee

本篇结束！

本文来自互联网用户投稿，该文观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如若转载，请注明出处：http://www.hqwc.cn/news/295134.html

如若内容造成侵权/违法违规/事实不符，请联系编程知识网进行投诉反馈email:809451989@qq.com，一经查实，立即删除！

相关文章

服务器经常死机怎么办？如何处理

服务器经常死机怎么办？如何处理

关于服务器死机这一话题相信大家是不会陌生的&#xff0c;平时在使用服务器的过程中&#xff0c;或多或少都是会有遇到过。轻则耽误业务开展&#xff0c;重则造成数据丢失&#xff0c;相信每个人都不想碰到服务器死机的情况。下文我也简单的介绍下服务器死机的原因以及对应的预…
阅读更多...
【HDFS联邦（1）】ViewFs与联邦理论知识详解

【HDFS联邦（1）】ViewFs与联邦理论知识详解

文章目录 一.ViewFs介绍二. 联邦之前的旧世界1. 单个 namenode集群2. 路径使用逻辑 三. 新世界 – 联邦与ViewFs1. How The Clusters Look2. 使用 ViewFs 为每个集群创建全局的Namespace2. 路径使用逻辑3. 路径使用最佳实践&#xff08;ing&#xff09; 本文主要想讨论 HDFS Vi…
阅读更多...
3. 结构型模式 - 组合模式

3. 结构型模式 - 组合模式

亦称&#xff1a; 对象树、Object Tree、Composite 意图 组合模式是一种结构型设计模式&#xff0c; 你可以使用它将对象组合成树状结构&#xff0c; 并且能像使用独立对象一样使用它们 问题 如果应用的核心模型能用树状结构表示&#xff0c; 在应用中使用组合模式才有价值。 …
阅读更多...
C++ Qt开发：Charts折线图绘制详解

C++ Qt开发：Charts折线图绘制详解

Qt 是一个跨平台C图形界面开发库&#xff0c;利用Qt可以快速开发跨平台窗体应用程序&#xff0c;在Qt中我们可以通过拖拽的方式将不同组件放到指定的位置&#xff0c;实现图形化开发极大的方便了开发效率&#xff0c;本章将重点介绍QCharts折线图的常用方法及灵活运用。 折线图…
阅读更多...
医学实验室检验科LIS信息系统源码

医学实验室检验科LIS信息系统源码

实验室信息管理是专为医院检验科设计的一套实验室信息管理系统&#xff0c;能将实验仪器与计算机组成网络&#xff0c;使病人样品登录、实验数据存取、报告审核、打印分发&#xff0c;实验数据统计分析等繁杂的操作过程实现了智能化、自动化和规范化管理。 实验室管理系统功能介…
阅读更多...
12.18构建哈夫曼树（优先队列），图的存储方式，一些细节（auto,pair用法，结构体指针）

12.18构建哈夫曼树（优先队列），图的存储方式，一些细节（auto,pair用法，结构体指针）

为结构体自身时&#xff0c;用.调用成员变量&#xff1b;为结构体指针时&#xff0c;用->调用成员变量 所以存在结构体数组时&#xff0c;调用数组元素里的成员变量&#xff0c;就是要用. 结构体自身只有在new时才会创建出来&#xff0c;而其指针可以随意创建 在用new时&…
阅读更多...
【3D生成与重建】SSDNeRF：单阶段Diffusion NeRF的三维生成和重建

【3D生成与重建】SSDNeRF：单阶段Diffusion NeRF的三维生成和重建

系列文章目录 题目&#xff1a;Single-Stage Diffusion NeRF: A Unified Approach to 3D Generation and Reconstruction 论文&#xff1a;https://arxiv.org/pdf/2304.06714.pdf 任务&#xff1a;无条件3D生成&#xff08;如从噪音中&#xff0c;生成不同的车等&#xff09;、…
阅读更多...
Proxmox VE 超融合集群不停服务新增配置（磁盘）

Proxmox VE 超融合集群不停服务新增配置（磁盘）

五个节点的Proxmox VE超融合集群&#xff0c;创建了两个Ceph Pool,一个是高速的Nvme存储池&#xff0c;另一个是大容量SATA存储池。现在需要将原有的SATA磁盘全部拔出来&#xff0c;换成高速Nvme磁盘。 ​ ​ 首先&#xff0c;先销毁由SATA机械盘组成的“hdd_pool”&#xff…
阅读更多...
本地使用 docker 运行OpenSearch + Dashboard + IK 分词插件

本地使用 docker 运行OpenSearch + Dashboard + IK 分词插件

准备基础镜像 注意一定要拉取和当前 IK 分词插件版本一致的 OpenSearch 镜像: https://github.com/aparo/opensearch-analysis-ik/releases 写这篇文章的时候 IK 最新版本 2.11.0, 而 dockerhub 上 OpenSearch 最新版是 2.11.1 如果版本不匹配的话是不能用的, 小版本号对不上…
阅读更多...
探索栈数据结构：深入了解其实用与实现（c语言实现栈）

探索栈数据结构：深入了解其实用与实现（c语言实现栈）

上次结束了链表部分的内容&#xff1a;链接未来&#xff1a;深入理解链表数据结构&#xff08;二.c语言实现带头双向循环链表&#xff09; 然而&#xff0c;当我们涉及特定问题时&#xff0c;另一个非常有用的数据结构也开始显得至关重要——栈 栈与链表有着截然不同的特性&a…
阅读更多...
用友U8CRM系统help2 任意文件读取漏洞复现

用友U8CRM系统help2 任意文件读取漏洞复现

用友U8CRM系统的help2文件中接口存在任意文件读取漏洞&#xff0c;攻击者在未登录情况下即可进行漏洞利用。 1.1 漏洞级别 高危 1.2 快速检索 fofa语法&#xff1a; title"用友U8CRM"1.3 漏洞复现 该漏洞利用非常简单&#xff0c;只需构造get请求 访问该地址即可…
阅读更多...
STL中优先队列的模拟实现与仿函数的介绍

STL中优先队列的模拟实现与仿函数的介绍

文章目录 仿函数优先队列的模拟实现 仿函数 上回我们说到&#xff0c;优先队列的实现需要用到仿函数的特性 让我们再回到这里 这里我们发现他传入的用于比较的东西竟然是一个类模板&#xff0c;而不是我们所见到的函数 我们可以先创建一个类&#xff0c;用于比较大小 struc…
阅读更多...
推荐文章
最新文章

Copyright @ 2022~2023