数据结构中的平衡搜索树 --- 红黑树 （如何旋转与变色）

目录

红黑树的概念

红黑树的性质

红黑树节点的定义

红黑树的插入

1. 按照二叉搜索的树规则插入新节点

2. 检测新节点插入后，红黑树的性质是否造到破坏

红黑树的概念

        红黑树，是一种二叉搜索树，但在每个结点上增加一个存储位表示结点的颜色，可以是Red或Black。 通过对任何一条从根到叶子的路径上各个结点着色方式的限制，红黑树确保没有一条路径会比其他路径长出俩倍，因而是接近平衡的。

红黑树的性质

  • 1. 每个结点不是红色就是黑色
  • 2. 根节点是黑色的 
  • 3. 如果一个节点是红色的，则它的两个孩子结点是黑色的 
  • 4. 对于每个结点，从该结点到其所有后代叶结点的简单路径上，均包含相同数目的黑色结点
  • 5. 每个叶子结点都是黑色的(此处的叶子结点指的是空结点)

红黑树节点的定义

enum Color
{RED,BLACK,
};template<class K,class V>
struct RBTreeNode
{RBTreeNode<K, V>* _left;RBTreeNode<K, V>* _right;RBTreeNode<K, V>* _parent;pair<K, V> _kv;Color _col; //节点颜色RBTreeNode(const pair<K,V>& kv):_left(nullptr),_right(nullptr),_parent(nullptr),_kv(kv),_col(RED)  //默认红色{}
};

为什么构造函数中的节点默认给的是红色？ 通过红黑树的性质能总结出：

性质3 - 代表着不能出现连续的红色节点

性质4 - 每条路径上都有相同数量的黑色节点

        这时会发现违反性质3比违反性质4的代价要更小，而事实上也的确是这样做的，可能会有疑问，这样还是红黑树嘛，其实新增节点之后是需要通过变色来达到红黑树的结构的。（如下）

示例：

此时我们会发现，最后的结构是符合红黑树的：没有出现连续的红色节点；每条路径上的黑色节点数量相同。

红黑树的插入

红黑树是在二叉搜索树的基础上加上其平衡限制条件，因此红黑树的插入可分为两步：

1. 按照二叉搜索的树规则插入新节点
template<class K, class V>
class RBTree
{typedef RBTreeNode<K, V> Node;bool Insert(const pair<K, V>& kv){if (_root == nullptr){_root = new Node(kv);_root->_col = BLACK;return true;}Node* cur = _root;Node* parent = nullptr;   //记录cur的父节点，方便进行链接while (cur){if (kv.first < cur->_kv.first)  //插入的值小于存储的值{parent = cur;cur = cur->_left;}else if (kv.first > cur->_kv.first) //插入的值大于存储的值{parent = cur;cur = cur->_right;}else{return false; //相等，插入失败}}//注意：新增的节点构造是红色，所以这里不用给颜色cur = new Node(kv);  if (kv.first < parent->_kv.first){parent->_left = cur;}else{parent->_right = cur;}cur->_parent = parent; //...调整颜色return true;}protected:Node* _root = nullptr;
};
2. 检测新节点插入后，红黑树的性质是否造到破坏

注意：关于旋转处理可以参考AVL树的旋转处理

        因为新节点的默认颜色是红色，因此：如果其双亲节点的颜色是黑色，没有违反红黑树任何性质，则不需要调整；但当新插入节点的双亲节点颜色为红色时，就违反了性质三不能有连在一起的红色节点，此时需要对红黑树分情况来讨论：

约定：1.grandfather->_left = parent;  grandfather->_right = uncle; (父节点在左，叔节点在右）
grandfather为黑，parent为红，cur（新增节点）为红
① uncle节点存在且为红色  ----》 parent , uncle 改黑，grandfather改红，继续向上调整

② uncle节点不存在 or  存在且为黑  - 单旋

③ uncle节点不存在 or  存在且为黑  - 双旋


 

约定：2.grandfather->_left = uncle;  grandfather->_right = parent; （叔节点在左，父节点在右） 

（参考上面）

具体代码演示：

        //旋转+更改颜色while (parent && parent->_col == RED){//记录祖先节点Node* grandfather = parent->_parent;//父节点是祖先节点的左子树if (grandfather->_left == parent){Node* uncle = grandfather->_right;//①uncle节点存在且为红if (uncle && uncle->_col == RED){parent->_col = uncle->_col = BLACK;grandfather->_col = RED;//继续向上调整cur = grandfather;parent = cur->_parent; //注意需要重新计数parent}else {//②uncle不存在 or 存在且为黑 ->  变色 + 旋转if (cur == parent->_left) {//单旋RotateR(grandfather); parent->_col = BLACK;grandfather->_col = RED;}else{//双旋RotateL(parent); RotateR(grandfather);parent->_col = grandfather->_col = RED;cur->_col = BLACK;}break;}}else if (grandfather->_right == parent) //父节点是祖先节点的右子树{Node* uncle = grandfather->_left;if (uncle && uncle->_col == RED){parent->_col = uncle->_col = BLACK;grandfather->_col = RED;cur = grandfather;parent = cur->_parent; }else{if (cur == parent->_right){//单旋RotateL(grandfather);parent->_col = BLACK;grandfather->_col = RED;}else{//双旋RotateR(parent);RotateL(grandfather);parent->_col = grandfather->_col = RED;cur->_col = BLACK;}break;}}else{assert(false); }}//结尾做保险处理，无论什么情况，根节点置成黑_root->_col = BLACK;

附上红黑树(测试是否是红黑树）部分代码：

                                                                                                RBTree.h

#pragma once
#include <iostream>
#include <assert.h>
#include <string>using namespace std;enum Color
{RED,BLACK,
};template<class K,class V>
struct RBTreeNode
{RBTreeNode<K, V>* _left;RBTreeNode<K, V>* _right;RBTreeNode<K, V>* _parent;pair<K, V> _kv;Color _col; //节点颜色RBTreeNode(const pair<K,V>& kv):_left(nullptr),_right(nullptr),_parent(nullptr),_kv(kv),_col(RED)  //默认红色{}
};template<class K, class V>
class RBTree
{typedef RBTreeNode<K, V> Node;public:void InOrder(){_InOrder(_root);cout << endl;}//检查是否是红黑树bool IsBalance(){//检查1：根节点颜色if (_root && _root->_col != BLACK){cout << "根节点为红" << endl;return false;}//检查2：是否存在连续红色节点//检查3：每条路径上的黑色节点是否相同return _Check(_root, 0);}bool Insert(const pair<K, V>& kv){if (_root == nullptr){_root = new Node(kv);_root->_col = BLACK;return true;}Node* cur = _root;Node* parent = nullptr;   //记录cur的父节点，方便进行链接while (cur){if (kv.first < cur->_kv.first)  //插入的值小于存储的值{parent = cur;cur = cur->_left;}else if (kv.first > cur->_kv.first) //插入的值大于存储的值{parent = cur;cur = cur->_right;}else{return false; //相等，插入失败}}//注意：新增的节点构造是红色，所以这里不用给颜色cur = new Node(kv);  if (kv.first < parent->_kv.first){parent->_left = cur;}else{parent->_right = cur;}cur->_parent = parent; //旋转+更改颜色while (parent && parent->_col == RED){//记录祖先节点Node* grandfather = parent->_parent;//父节点是祖先节点的左子树if (grandfather->_left == parent){Node* uncle = grandfather->_right;//①uncle节点存在且为红if (uncle && uncle->_col == RED){parent->_col = uncle->_col = BLACK;grandfather->_col = RED;//继续向上调整cur = grandfather;parent = cur->_parent; //注意需要重新计数parent}else {//②uncle不存在 or 存在且为黑 ->  变色 + 旋转if (cur == parent->_left) {//单旋RotateR(grandfather); parent->_col = BLACK;grandfather->_col = RED;}else{//双旋RotateL(parent); RotateR(grandfather);parent->_col = grandfather->_col = RED;cur->_col = BLACK;}break;}}else if (grandfather->_right == parent) //父节点是祖先节点的右子树{Node* uncle = grandfather->_left;if (uncle && uncle->_col == RED){parent->_col = uncle->_col = BLACK;grandfather->_col = RED;cur = grandfather;parent = cur->_parent; }else{if (cur == parent->_right){//单旋RotateL(grandfather);parent->_col = BLACK;grandfather->_col = RED;}else{//双旋RotateR(parent);RotateL(grandfather);parent->_col = grandfather->_col = RED;cur->_col = BLACK;}break;}}else{assert(false); }}//结尾做保险处理，无论什么情况，根节点置成黑_root->_col = BLACK;return true;}protected:void _InOrder(Node* root){if (root == nullptr)return;_InOrder(root->_left);cout << root->_kv.first << " ";_InOrder(root->_right);}bool _Check(Node* root, int BlackNums){if (root == nullptr){cout <<BlackNums << endl;return true;}//这里是传值返回if (root->_col == BLACK)++BlackNums;//root与root的子树不好判断，因为节点不一定有子树，但是一定有父节点if (root->_col == RED &&root->_parent && root->_parent->_col == RED){cout << "存在连续的红色节点" << endl;return false;}return _Check(root->_left, BlackNums)&& _Check(root->_right, BlackNums);}//左单旋void RotateL(Node* parent){Node* subR = parent->_right;Node* subRL = subR->_left;parent->_right = subRL;if (subRL)subRL->_parent = parent;//提前记录祖先节点Node* pparent = parent->_parent;subR->_left = parent;parent->_parent = subR;//值得注意的是，parent节点不一定为根节点，也就是旋转的可能是一棵子树而不是整棵树if (pparent == nullptr) //意味着parent节点是根节点{_root = subR;_root->_parent = nullptr;}else{//判断parent 在 祖先节点的左还是右if (pparent->_right == parent){pparent->_right = subR;}else{pparent->_left = subR;}subR->_parent = pparent;  //更改subR的父节点}}//右单旋void RotateR(Node* parent){Node* subL = parent->_left;Node* subLR = subL->_right;parent->_left = subLR;if (subLR)subLR->_parent = parent;//提前记录祖先节点Node* pparent = parent->_parent;subL->_right = parent;parent->_parent = subL;if (parent == _root){_root = subL;_root->_parent = nullptr;}else{//判断parent 在 祖先节点的左还是右if (pparent->_right == parent){pparent->_right = subL;}else{pparent->_left = subL;}subL->_parent = pparent;  //更改subR的父节点}}protected:Node* _root = nullptr;
};void Test_RBTree1()
{int arr1[] = { 16, 3, 7, 11, 9, 26, 18, 14, 15 };int arr2[] = { 4, 2, 6, 1, 3, 5, 15, 7, 16, 14 };RBTree<int, int> t1;for (auto e : arr1){t1.Insert(make_pair(e, e));cout << e << "插入:" << t1.IsBalance() << endl;  //插入进行检查}t1.InOrder();cout << t1.IsBalance() << endl;
}

红黑树与AVL树的比较
        红黑树和AVL树都是高效的平衡二叉树，增删改查的时间复杂度都是O($log_2 N$)，红黑树不追求绝对平衡，其只需保证最长路径不超过最短路径的2倍，相对而言，降低了插入和旋转的次数，所以在经常进行增删的结构中性能比AVL树更优，而且红黑树实现比较简单，所以实际运用中红黑树更多。

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/534982.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

嵌入式学习38-数据库

嵌入式学习38-数据库

数据库软件: 关系型数据库: Mysql &#xff08;开源&#xff09; Oracle SqlServer Sqlite &#xff08;小型数据&#xff09; 非关系型数据库&#xff1a;&#xff08;快速查找数据&#xff09; Redis NoSQ…
阅读更多...
快速搭建kerberos认证的HDFS环境

快速搭建kerberos认证的HDFS环境

1)、搭建hdfs单机服务器搭建 2)、kdc单机kerberos认证 我的服务器：192.168.1.166 1、安装kerberos 1.1 执行命令：yum -y install krb5-libs krb5-server krb5-workstation 1.2 修改host文件：vim /etc/hosts,加入 192.168.1.166 myli 192.168.1.166 kerberos.example.co…
阅读更多...
腾讯云轻量应用服务器地域如何选择？

腾讯云轻量应用服务器地域如何选择？

腾讯云轻量应用服务器地域如何选择&#xff1f;地域就近选择&#xff0c;北方选北京地域、南方选广州地域&#xff0c;华东地区选上海地域。广州上海北京地域有什么区别&#xff1f;哪个好&#xff1f;区别就是城市地理位置不同&#xff0c;其他的差不多&#xff0c;不区分好坏…
阅读更多...
使用vue动态在列表中添加或者删除某一行

使用vue动态在列表中添加或者删除某一行

** 使用vue动态在列表中添加或者删除某一行 ** 先看一下展示的效果&#xff1a; 好了上代码&#xff1a; 样式界面&#xff1a; <template><div class"container"><h4 style"margin-left: 20px;">线路停靠站站点</h4><el-b…
阅读更多...
jeecg 项目 springcloud 项目有一个模块 没加载进来 只需要 把这个模块放到 可以加载到模块的位置 刷新依赖

jeecg 项目 springcloud 项目有一个模块 没加载进来 只需要 把这个模块放到 可以加载到模块的位置 刷新依赖

springcloud 项目有一个模块 没加载进来 只需要 把这个模块放到 可以加载到模块的位置 刷新依赖
阅读更多...
多线程系列(二十一) -ForkJoin使用详解

多线程系列(二十一) -ForkJoin使用详解

一、摘要 从 JDK 1.7 开始&#xff0c;引入了一种新的 Fork/Join 线程池框架&#xff0c;它可以把一个大任务拆成多个小任务并行执行&#xff0c;最后汇总执行结果。 比如当前要计算一个数组的和&#xff0c;最简单的办法就是用一个循环在一个线程中完成&#xff0c;但是当数…
阅读更多...
字节跳动的 SDXL-LIGHTNING : 体验飞一般的文生图

字节跳动的 SDXL-LIGHTNING : 体验飞一般的文生图

TikTok 的母公司字节跳动推出了最新的文本到图像生成人工智能模型&#xff0c;名为SDXL-Lightning。顾名思义&#xff0c;这个新模型只需很轻量的推理步骤&#xff08;1&#xff0c;4 或 8 步&#xff09;即可实现极其快速且高质量的文本到图像生成功能。与原始 SDXL 模型相比&…
阅读更多...
vue项目因内存溢出启动报错

vue项目因内存溢出启动报错

前端能正常启动&#xff0c;但只要一改动就报错启动出错。 解决办法&#xff1a; 安装依赖 npm install cross-env increase-memory-limit 然后再做两件事&#xff1a;在node 在package.json 里的 script 里进行配置 LIMIT是你想分配的内存大小&#xff0c;这里的8192单位…
阅读更多...
基于最小二乘递推算法的系统参数辨识matlab仿真

基于最小二乘递推算法的系统参数辨识matlab仿真

目录 1.程序功能描述 2.测试软件版本以及运行结果展示 3.核心程序 4.本算法原理 5.完整程序 1.程序功能描述 基于最小二乘递推算法的系统参数辨识。对系统的参数a1&#xff0c;b1&#xff0c;a2&#xff0c;b2分别进行估计&#xff0c;计算估计误差以及估计收敛曲线&#…
阅读更多...
人力资源管理软件好处：提升效率利器 !为什么选择合适软件很重要

人力资源管理软件好处：提升效率利器 !为什么选择合适软件很重要

高效运用合适的人力资源管理软件对企业发展大有裨益&#xff0c;下面我将详解运用适宜的人力资源管理软件对企业发展有什么好处&#xff0c;以及企业挑选适宜的人力资源软件应考虑的关键步骤。 一&#xff0e;使用合适的人力资源管理软件好处分析 招聘流程的优化 通过人力资…
阅读更多...
Python常用图片数据方法

Python常用图片数据方法

文章目录 1. 常用图片数据类型2. 图片的显示2.1 plt.imshow()2.2 使用 turtle 来绘制图片 3.图片ndarray数据的常用切片操作使用 cv2 来读取图片打印数据R G B 通道的获取BGR 转成 RGBcv2 不支持中文路径的解决方法 4 PIL.Image 转成 QImage 或 QPixmap 1. 常用图片数据类型 使…
阅读更多...
基于Redis实现分布式锁、限流操作（基于SpringBoot）的实现

基于Redis实现分布式锁、限流操作（基于SpringBoot）的实现

基于Redis实现分布式锁、限流操作——基于SpringBoot实现 本文总结了一种利用Redis实现分布式锁、限流的较优雅的实现方式本文原理介绍较为通俗&#xff0c;希望能帮到有需要的人本文的demo地址&#xff1a;https://gitee.com/rederxu/lock_distributed.git 一、本文基本实现…
阅读更多...
推荐文章
最新文章

Copyright @ 2022~2023