数据结构之树结构（下）

各种各样的大树

平衡二叉树 (AVL树)

普通二叉树存在的问题

  1. 左子树全部为空，从形式上看，更像一个单链表

  2. 插入速度没有影响

  3. 查询速度明显降低（因为需要依次比较），不能发挥BST的优势，因为每次还需要比较左子树，其查询速度比单链表还慢

  4. 解决方案-平衡二叉树(AVL)

基本介绍

  • 平衡二叉树也叫平衡二叉搜索树(Self-balancing binary search tree)又被称为AVL树，可以保证查询效率较高。
  • 具有以下特点：它是一棵空树或它的左右两个子树的高度差的绝对值不超过1，
    并且左右两个子树都是一棵平衡二叉树。平衡二叉树的常用实现方法有红黑树、
    AVL、替罪羊树、Treap、伸展树等，

应用案例

判断树的高度

// 返回左子树的高度
public int leftHeight() {if (left == null) {return 0;}return left.height();
}// 返回右子树的高度
public int rightHeight() {if (right == null) {return 0;}return right.height();
}// 返回当前结点的高度，以该结点为根结点的树的高度
public int height() {return Math.max(left == null ? 0 : left.height(), right == null ? 0 : right.height()) + 1;
}
单旋转（左旋转）

左旋转步骤

  • 前提条件： r i g h t H e i g h t ( ) − l e f t H e i g h t ( ) > 1 rightHeight() - leftHeight() > 1 rightHeight()−leftHeight()>1
  1. 创建一个新的节点newNode(以root 这个值创建)，创建一个新的节点，值等于当前根节点的值，把新节点的左子树设置了当前节点的左子树
    // newNode.left = left
  2. 把新节点的右子树设置为当前节点的右子树的左子树
    // newNode.right =right.left;
  3. 把当前节点的值换为右子节点的值
    // value=right.value;
  4. 把当前节点的右子树设置成当前结点的右子树的右子树
    // right=right.right;
  5. 把当前节点的左子树设置为新节点
    // left=newLeft;
// 左旋转
private void leftRotate() {// 1. 创建一个新的节点newNode(以root 这个值创建)// 创建一个新的节点，值等于当前根节点的值，把新节点的左子树设置了当前节点的左子树Node newNode = new Node(value);newNode.left = left;// 2.把新节点的右子树设置为当前节点的右子树的左子树newNode.right = right.left;// 3.把当前节点的值换为右子节点的值value = right.value;// 4.把当前节点的右子树设置成当前结点的右子树的右子树right = right.right;// 5.把当前节点的左子树设置为新节点left = newNode;
}
单旋转（右旋转）

步骤

  1. 创建一个新的节点newNode(以root 这个值创建），创健一个新的节点，值等于当前根节点的值
  2. 把新节点的右子树设置了当前节点的右子树
    // newNode.right right
  3. 把新节点的左子树设置为当前节点的左子树的右子树
    // newNode.left =left.right;
  4. 把当前节点的值换为左子节点的值
    // value=left.value;
  5. 把当前节点的左子树设置成左子树的左子树
    // left=left.left;
  6. 把当前节点的右子树设置为新节点
    // right=newLeft;
// 右旋转
public void rightRotate() {// 1.创建一个新的节点newNode(以root 这个值创建）// 创健一个新的节点，值等于当前根节点的值Node newNode = new Node(value);// 2.把新节点的右子树设置了当前节点的右子树newNode.right = right;// 3.把新节点的左子树设置为当前节点的左子树的右子树newNode.left = left.right;// 4.把当前节点的值换为左子节点的值value = left.value;// 5.把当前节点的左子树设置成左子树的左子树left = left.left;// 6.把当前节点的右子树设置为新节点right = newNode;
}
双旋转

在单旋转中 (即一次旋转) 就可以将非平衡二叉树转成平衡二叉树，但是在某些情况下，单旋转不能完成平衡二叉树的转换

情况1️⃣

在这里插入图片描述

实现步骤

  1. 当右旋转的条件时

    • 如果它的左子树的右子树高度大于它的左子树的右子树的高度
    • 先对当前这个结点的左节点进行左旋转
    • 再对当前结点进行右旋转

  2. 当左旋转时

    • 如果它的右子树的左子树高度大于它的右子树的右子树的高度
    • 先对当前这个结点的右结点进行右旋转
    • 再对当前结点进行左旋转
/*** 添加在Node类的添加结点的方法里边* 每添加一个结点就判断一次
*/
// 单旋转
// 当添加完一个结点后，如果：(右子树的高度-左子树的高度) > 1，左旋转
if (rightHeight() - leftHeight() > 1) {// 如果它的右子树的左子树高度大于它的右子树的右子树的高度if (right != null && right.rightHeight() > right.leftHeight()) {// 先对当前这个结点的右结点进行右旋转rightRotate();}leftRotate();  // 左旋转return; // 一定要返回，否则会出现其他问题，提高VM处理速度
}
// 当添加完一个结点后，如果：(左子树的高度-右子树的高度) > 1，右旋转
if (leftHeight() - rightHeight() > 1) {// 如果它的左子树的右子树高度大于它的左子树的右子树的高度if (left != null && left.rightHeight() > left.leftHeight()) {// 先对当前这个结点的左节点进行左旋转left.leftRotate();}rightRotate();  // 右旋转
}
总代码
package com.xiaolu.avl;/*** @author 林小鹿* @version 1.0*/
public class AvlTreeDemo {public static void main(String[] args) {
//        int[] arr = {4, 3, 6, 5, 7, 8};
//        int[] arr = {10, 12, 8, 9, 7, 6};int[] arr = {10, 11, 7, 6, 8, 9};AVLTree avlTree = new AVLTree();// 添加结点for (int i = 0; i < arr.length; i++) {avlTree.add(new Node(arr[i]));}// 中序遍历avlTree.infixOrder();System.out.println("平衡处理 (左旋转)~~~");System.out.println("树的高度:" + avlTree.getRoot().height()); // 4System.out.println("树的左子树高度:" + avlTree.getRoot().leftHeight()); // 1System.out.println("树的右子树高度:" + avlTree.getRoot().rightHeight()); // 3System.out.println("当前根结点 = " + avlTree.getRoot());}
}// 创建AVLTree
class AVLTree {private Node root;public Node getRoot() {return root;}// 查找要删除的结点public Node search(int value) {if (root == null) {return null;} else {return root.search(value);}}// 查找要删除的父结点public Node searchParent(int value) {if (root == null) {return null;} else {return root.searchParent(value);}}/*** 删除node 为根结点的二叉排序树的最小结点的值的同时返回以node 为根结点的二叉排序树的最小结点** @param node 传入的结点 (当做二叉排序树的根结点)* @return 返回以node 为根结点的二叉排序树的最小结点的值*/public int delRightTreeMin(Node node) {Node target = node;// 循环的查找左结点，就会找到最小值while (target.left != null) {target = target.left;}// 这是target就指向了最小结点// 删除最小结点delNode(target.value);return target.value;}// 删除结点public void delNode(int value) {if (root == null) {return;} else {// 找到需要删除的结点 targetNodeNode targetNode = search(value);// 如果没有找到要删除的结点if (targetNode == null) {return;}// 如果这颗二叉排序树只有一个结点 (即本身就是父节点)if (root.left == null && root.right == null) {root = null;return;}// 查询父节点Node parent = searchParent(value);// 如果待删除的结点是叶子结点if (targetNode.left == null && targetNode.right == null) {// 删除叶子结点// 判断 targetNode 是父节点的左子结点还是右子节点if (parent.left != null && parent.left.value == value) {parent.left = null;} else if (parent.right != null && parent.right.value == value) {parent.right = null;}} else if (targetNode.left != null && targetNode.right != null) {// 删除有两颗子树的结点int minVal = delRightTreeMin(targetNode.right);targetNode.value = minVal;} else {// 删除只有一颗子树的结点// 如果要删除的结点有左子结点if (targetNode.left != null) {if (parent != null) {// 如果targetNode 是parent 的左子结点if (parent.left.value == value) {parent.left = targetNode.left;} else {// 如果targetNode 是parent 的右子结点parent.right = targetNode.left;}} else {root = targetNode.left;}} else {if (parent != null) {// 如果要删除的结点有右子结点if (parent.left.value == value) {// 如果targetNode 是parent 的左子结点parent.left = targetNode.right;} else {// 如果targetNode 是parent 的右子结点parent.right = targetNode.right;}} else {root = targetNode.right;}}}}}// 添加结点public void add(Node node) {if (root == null) {// 如果root为空则直接让root指向noderoot = node;} else {root.add(node);}}// 中序遍历public void infixOrder() {if (root == null) {System.out.println("二叉树为空，无法遍历");} else {root.infixOrder();}}
}// 创建Node结点
class Node {int value;Node left;Node right;public Node(int value) {this.value = value;}// 返回左子树的高度public int leftHeight() {if (left == null) {return 0;}return left.height();}// 返回右子树的高度public int rightHeight() {if (right == null) {return 0;}return right.height();}// 返回当前结点的高度，以该结点为根结点的树的高度public int height() {return Math.max(left == null ? 0 : left.height(), right == null ? 0 : right.height()) + 1;}// 左旋转private void leftRotate() {// 1. 创建一个新的节点newNode(以root 这个值创建)// 创建一个新的节点，值等于当前根节点的值，把新节点的左子树设置了当前节点的左子树Node newNode = new Node(value);newNode.left = left;// 2.把新节点的右子树设置为当前节点的右子树的左子树newNode.right = right.left;// 3.把当前节点的值换为右子节点的值value = right.value;// 4.把当前节点的右子树设置成当前结点的右子树的右子树right = right.right;// 5.把当前节点的左子树设置为新节点left = newNode;}// 右旋转public void rightRotate() {// 1.创建一个新的节点newNode(以root 这个值创建）// 创健一个新的节点，值等于当前根节点的值Node newNode = new Node(value);// 2.把新节点的右子树设置了当前节点的右子树newNode.right = right;// 3.把新节点的左子树设置为当前节点的左子树的右子树newNode.left = left.right;// 4.把当前节点的值换为左子节点的值value = left.value;// 5.把当前节点的左子树设置成左子树的左子树left = left.left;// 6.把当前节点的右子树设置为新节点right = newNode;}/*** 查找要删除的结点** @param value 待删除的结点的值* @return 如果找到则返回该结点，否则返回空*/public Node search(int value) {if (value == this.value) {return this;} else if (value < this.value) {// 如果查找的值小于当前结点，就向左子树递归查找if (this.left == null) {// 如果左子树为空return null;}return this.left.search(value);} else {// 如果查找的值不小于当前结点，向右子树递归查找if (this.right == null) {// 如果右子树为空return null;}return this.right.search(value);}}/*** 查找要删除结点的父结点** @param value 要找到的结点的值* @return 返回的是要删除的结点的父结点，如果没有就返回null*/public Node searchParent(int value) {// 如果当前结点就是要删除的结点的父节点，就返回if ((this.left != null && this.left.value == value)|| (this.right != null && this.right.value == value)) {return this;} else {// 如果查找的值小于或大于当前结点的值，并且当前结点的左子节点不为空if (value < this.value && this.left != null) {return this.left.searchParent(value); // 向左子树递归查找} else if (value > this.value && this.right != null) {return this.right.searchParent(value); // 向右子树递归查找} else {return null; // 没有找到父节点}}}// 按二叉排序树的形式递归添加结点public void add(Node node) {if (node == null) {return;}// 判断传入的结点的值与当前子树的根结点的值关系if (node.value < this.value) {if (this.left == null) {this.left = node;} else {// 递归得向左子树添加 nodethis.left.add(node);}} else { // 添加的结点的值大于当前结点的值if (this.right == null) {this.right = node;} else {// 递归得向右子树添加 nodethis.right.add(node);}}// 单旋转// 当添加完一个结点后，如果：(右子树的高度-左子树的高度) > 1，左旋转if (rightHeight() - leftHeight() > 1) {// 如果它的右子树的左子树高度大于它的右子树的右子树的高度if (right != null && right.leftHeight() > right.rightHeight()) {// 先对当前这个结点的右结点进行右旋转rightRotate();}leftRotate();  // 左旋转return; // 一定要返回，否则会出现其他问题，提高VM处理速度}// 当添加完一个结点后，如果：(左子树的高度-右子树的高度) > 1，右旋转if (leftHeight() - rightHeight() > 1) {// 如果它的左子树的右子树高度大于它的左子树的右子树的高度if (left != null && left.rightHeight() > left.leftHeight()) {// 先对当前这个结点的左节点进行左旋转left.leftRotate();}rightRotate();  // 右旋转}}// 中序遍历public void infixOrder() {if (this.left != null) {this.left.infixOrder();}System.out.println(this);if (this.right != null) {this.right.infixOrder();}}@Overridepublic String toString() {return "Node[" +"value=" + value +']';}
}

多路查找树

在这里插入图片描述

二叉树存在的问题

  • 二叉树需要加载到内存的，如果二叉树的节点少，没有什么问题，但是如果二叉树的节点很多（比如1亿)，就存在如下问题

  • 问题1：在构建二叉树时，需要多次进行 I / O I/O I/O 操作海量数据存在数据库或文件中)，节点海量，构建二叉树时，速度有影响

  • 问题2：节点海量，也会造成二叉树的高度很大，会降低操作速度

多叉树

在二叉树中，每个节点有数据项，最多有两个子节点，如果允许每个节点可以有更多的数据项和更多的子节点，就是多叉树（multiway tree）

多叉树通过重新组织节点，减少树的高度，能对二叉树进行优化

2-3树

2-3树是最简单的B-树结构，其他像2-3-4树同理

特点

  • 2-3树的所有叶子节点都在同一层.（只要是B树都满足这个条件）
  • 有两个子节点的节点叫二节点，二节点要么没有子节点，要么有两个子节点
  • 有三个子节点的节点叫三节点，三节点要么没有子节点，要么有三个子节点.
  • 2-3树是由二节点和三节点构成的树。

插入规则：

1）2-3树的所有叶子节点都在同一层.（只要是B树都满足这个条件)
2）有两个子节点的节点叫二节点，二节点要么没有子节点，要么有两个子节点

3）有三个子节点的节点叫三节点，三节点要么没有子节点，要么有三个子节点
4)当按照规则插入一个数到某个节点时，不能满足上面三个要求，就需要拆，先向上拆，如果上层满，则拆本层，拆后仍然需要满足上面3个条件。
5)对于三节点的子树的值大小仍然遵守(BST 二叉排序树)的规则

B树

B-tree，B即Balanced

基本介绍

  • B树的阶：节点的最多子节点个数。比如2-3树的阶是3，2-3-4树的阶是4
  • B树的搜索，从根结点开始，对结点内的关键字（有序）序列进行二分查找，如果命中侧结束，否测进入查询关键字所属范围的儿子结点；重复，直到所对应的儿子指针为空，或已经是叶子结点
  • 关键字集合分布在整颗树中，即叶子节点和非叶子节点都存放数据
  • 搜索有可能在非叶子结点结束
  • 其搜索性能等价于在关键字全集内做一次二分查找

在这里插入图片描述

B+树

B+树是B树的变体，也是一种多路搜索树

基本介绍

  • B+树的搜索与B树也基本相同，区别是B+树只有达到叶子结点才命中（B树可以在非叶子结点命中），其性能也等价于在关键字全集做一次二分查找
  • 所有关键字都出现在叶子结点的链表中（即数据只能在叶子节点【也叫稠密索引】)，且链表中的关键字数据恰好是有序的。
  • 不可能在非叶子结点命中
  • 非叶子结点相当于是叶子结点的索引（稀疏索引）叶子结点相当于是存储（关键字）数据的数据层
  • 更适合文件索引系统
  • B树和B+时各有自己的应用场景，不能说B+完全比B树好，反之亦然

在这里插入图片描述

B*树

B*树是B+树的变体，在B+树的非根和非叶子结点再增加指向兄弟的指正

基本说明

  • B*树定义了非叶子结点关键字个数至少为(2/3)*M，即块的最低使用率为2/3，而B+树的块的最低使用率为B+树的1/2。
  • 从第1个特点我们可以看出，B*树分配新结点的概率比B+树要低，空间使用率更高

在这里插入图片描述

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/499982.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

TeXiFy IDEA 编译后文献引用为 “[?]“

TeXiFy IDEA 编译后文献引用为 “[?]“

文章目录 1. 问题描述2. 原因分析3. 解决方案3.1 添加自动化脚本3.2 附录——配置一览表 1. 问题描述 在 IDEA 中使用 TeXiFy IDEA 编译后的文章文献引用是 [?] 2. 原因分析 根据网上教程所生成的目录结构如下&#xff1a; 报错日志&#xff1a; 根据 /out 目录结构&#x…
阅读更多...
C++的继承和多态

C++的继承和多态

继承和多态 继承继承的权限继承的子父类访问派生类的默认成员函数菱形继承&#xff08;C独有&#xff09;【了解】虚拟继承什么是菱形继承&#xff1f;菱形继承的问题是什么&#xff1f;什么是菱形虚拟继承&#xff1f;如何解决数据冗余和二义性的继承和组合的区别&#xff1f;…
阅读更多...
数据库之间数据迁移工具datax

数据库之间数据迁移工具datax

简介 DataX 是阿里云 DataWorks数据集成 的开源版本&#xff0c;在阿里巴巴集团内被广泛使用的离线数据同步工具/平台。DataX 实现了包括 MySQL、Oracle、OceanBase、SqlServer、Postgre、HDFS、Hive、ADS、HBase、TableStore(OTS)、MaxCompute(ODPS)、Hologres、DRDS, databe…
阅读更多...
Linux Shell脚本练习（三）

Linux Shell脚本练习（三）

1、测试用户名与密码是否正确。 2、输出1-1000内的素数。 3、对 100 以内的所有正整数相加求和(1234...100)。 4、输出9*9 乘法表。 5、编写脚本,显示进度条。 、 6、输入三个数并进行升序排序
阅读更多...
Linux系统---nginx（4）负载均衡

Linux系统---nginx（4）负载均衡

目录 1、服务器配置指令 ​编辑 1.1 服务器指令表 1.2 服务器指令参数 2、负载均衡策略指令 2.1 轮询 &#xff08;1) 加权轮询 &#xff08;2) 平滑轮询 2.2 URL 哈希&#xff08;一致性哈希&#xff09; 2.3 IP哈希策略 2.4 最少连接 Nginx 负载均衡是由代理模块和上…
阅读更多...
力扣hot100题解（python版33-35题）

力扣hot100题解（python版33-35题）

33、排序链表 给你链表的头结点 head &#xff0c;请将其按 升序 排列并返回 排序后的链表 。 示例 1&#xff1a; 输入&#xff1a;head [4,2,1,3] 输出&#xff1a;[1,2,3,4]示例 2&#xff1a; 输入&#xff1a;head [-1,5,3,4,0] 输出&#xff1a;[-1,0,3,4,5]示例 3&a…
阅读更多...
小(2)型土石坝安全监测设施配置详解

小(2)型土石坝安全监测设施配置详解

小(2)型土石坝的安全监测是确保大坝稳定、安全运行的重要环节。为此&#xff0c;合理配置安全监测设施显得尤为重要。以下是对小(2)型土石坝安全监测设施配置的详细介绍。 一、渗流量监测 渗流量是反映大坝安全状况的关键指标之一。为准确监测渗流量&#xff0c;我们采用仪器量…
阅读更多...
解释一下前端框架中的虚拟DOM（virtual DOM）和实际DOM（real DOM）之间的关系。

解释一下前端框架中的虚拟DOM（virtual DOM）和实际DOM（real DOM）之间的关系。

聚沙成塔每天进步一点点 ⭐ 专栏简介 前端入门之旅&#xff1a;探索Web开发的奇妙世界 欢迎来到前端入门之旅&#xff01;感兴趣的可以订阅本专栏哦&#xff01;这个专栏是为那些对Web开发感兴趣、刚刚踏入前端领域的朋友们量身打造的。无论你是完全的新手还是有一些基础的开发…
阅读更多...
Google大模型Bard更名Gemini，现在实力如何？（VS gpt系列）

Google大模型Bard更名Gemini，现在实力如何？（VS gpt系列）

名人说&#xff1a;一花独放不是春&#xff0c;百花齐放花满园。——《增广贤文》 作者&#xff1a;Code_流苏(CSDN)&#xff08;一个喜欢古诗词和编程的Coder&#x1f60a;&#xff09; 目录 一、简要介绍1、Gemini是什么&#xff1f;2、主要特点3、Gemini的版本4、应用潜力5、…
阅读更多...
部署若依前后端分离项目，连接数据库失败

部署若依前后端分离项目，连接数据库失败

部署若依前后端分离项目&#xff0c;连接数据库失败&#xff0c;异常如下&#xff1a; 解决方案&#xff1a;application配置文件里&#xff0c;连接数据库的参数useSSL的值改为false
阅读更多...
android Service 与 activity 通信 并不断传数据

android Service 与 activity 通信 并不断传数据

注&#xff1a;这只是个Demo 以下载为案例&#xff0c;实现开启下载&#xff0c;暂停下载&#xff0c;下载进度不断发送给activity class DownloadService : Service() {override fun onBind(intent: Intent?): IBinder? {return MyBinder()}inner class MyBinder : Binder…
阅读更多...
机器学习｜决策树

机器学习｜决策树

左图的点是一种线性不可分的情况&#xff0c;无法拿一条直线去将进行分开。 每一个节点都代表一个决策&#xff0c;从而导致节点的分流。 最终的目标肯定是要达到分类。 但取得目标的过程是有所谓的好坏。 而这个好坏用熵/信息增益来衡量。 熵是一种用于反映系统混乱程度的物理…
阅读更多...
推荐文章
最新文章

Copyright @ 2022~2023