数据结构-AVL树

目录

什么是 AVL 树

ASL 度量查找效率

结构体定义

平衡调整

调整类型

左旋和右旋

右旋

左旋

左、右平衡调整

左平衡调整

右平衡调整

插入数据

模拟建立 AVL 树


什么是 AVL 树

        二叉排序树的形状取决于数据集,当二叉树的高度越小、结构越合理,搜索的性能就越好,时间复杂度 O(log2n)。G. M. Adelson-Velsky 和 E. M. Landis 在1962年的论文《An algorithm for the organization of information》中发表了一种名为 AVL 树的数据结构,它就能很好地解决这个问题。AVL 树具有以下 2 个性质:

  1. 左子树和右子树的深度之差的绝对值不超过 1;
  2. 左子树和右子树通通都是 AVL 树。

        其中为了度量左右子树的深度之差,我们引入平衡因子 (BF)"的概念。例如下面的二叉搜索树的平衡因子为:

        对于一棵 AVL 树,里面的所有结点的平衡因子只能取值于:-1、0、1


ASL 度量查找效率

        为了更好地理解 AVL 树,请认真观察下面 2 个二叉搜索树,我们发现第二个二叉搜索树是 AVL 树,树的高度更小,查找的比较次数也更少,效率更高。


        现在计算一下该 AVL 树的 ASL:

ASL(成功):(1 + 2 × 2 + 3 × 4) ÷ 6 = 17/6
ASL(失败):4 × 8 ÷ 8 = 4

        和二叉搜索树对比,发现无论是成功还是失败的 ASL,AVL 树的都较小,说明效率更高。


结构体定义

typedef struct BiTNode
{int data;int bf;  //平衡因子struct BiTNode *lchild, *rchild;
}BiTNode, *BiTree;

平衡调整

调整类型

        由于二叉搜索树的结点是一个一个插入的,在插入时可能会造成结点的平衡因子的绝对值超过 1。造成失衡一共有 4 种情况:RR 型、LL 型、RL 型、LR 型,如图所示:

        虽然有 4 种情况,但是需要遵循的原则是一样的——在尽可能减小高度的前提下,保持二叉搜索树的性质。下面就看一下 4 种情况的调整示意图,不难发现都是遵循这个原则进行调整的。


        需要注意的是,当有多个结点失衡时,需要选择最小失衡子树来调整。


左旋和右旋

右旋

        右旋可以形象地理解为把最上面的结点掰下来,这种操作称之为“右旋”。右旋操作后指向新的根结点,即操作之前的根结点的左结点。

void R_Rotate(BiTree &T)
{ BiTree L;      //L 表示 T 的左子树L = T->lchild;    //L 指向 T 的左子树 T->lchild = L->rchild;      //T 的左子树更改为 T 的左子树的右子树  L->rchild = T;      //T 的左子树的右子树修改为 TT = ptr;      //根结点修改为右旋之前 T 的左子树
}

左旋

        对于 RR 型的调整,可以形象地理解为把最上面的结点掰下来,这种操作称之为“左旋”。左旋操作后指向新的根结点,即操作之前的根结点的右结点。

void L_Rotate(BiTree &T)
{ BiTree R;      //R 表示 T 的右子树R = T->rchild;        //R 指向 T 的右子树  T->rchild = R->lchild;      //T 的右子树更改为 T 的右子树的左子树  R->lchild = T;      //T 的右子树的左子树修改为 TT = R;      //根结点修改为左旋之前 T 的右子树
}

左、右平衡调整

左平衡调整

        这个函数为左平衡旋转,将 RL 型和 LL 型进行判断和操作。需要考虑涉及结点所连接的子树,对每个结点的 BF 都进行修正。

void LeftBalance(BiTree &T)
{ BiTree L;      //L 表示 T 的左子树BiTree Lr;      //Lr 表示 L 的右子树L = T->lchild;      //L 指向 T 的左结点 switch(L->bf)      //根据 T 的左子树的 BF 作相应平衡处理{case 1:          //LL 型,新结点插入在 T 的左结点的左子树{T->bf = L->bf = 0;      //修正 BF 均为 0R_Rotate(T);      //右旋操作break;}case -1:          //RL 型,新结点插入在 T 的左结点的右子树,要做双旋操作{Lr = L->rchild;       //Lr 指向示 L 的右结点switch(Lr->bf)      //修正 T 及其左结点的平衡因子{ case 1:            //Lr 平衡因子为 1{T->bf = -1;L->bf = 0;break;}case 0:            //Lr 平衡因子为 0{T->bf = L->bf = 0;break;}case -1:            //Lr 平衡因子为 -1{T->bf = 0;L->bf = 1;break;}}Lr->bf = 0;      //修正 Lr 平衡因子为 0L_Rotate(T->lchild);       //对 T 的左子树作左旋操作  R_Rotate(T);      //对 T 作右旋操作break;}}
}

右平衡调整

        这个函数为右平衡旋转,将 LR 型和 RR 型进行判断和操作。需要考虑涉及结点所连接的子树,对每个结点的 BF 都进行修正。

void RightBalance(BiTree &T)
{ BiTree R;      //R 表示 T 的右子树BiTree Rl;      //Rl 表示 R 的左子树R = T->rchild;      //R 指向 T 的右结点 switch(R->bf)      //根据 T 的右子树的 BF 作相应平衡处理{case -1:          //RR 型,新结点插入在 T 的右结点的右子树{T->bf = R->bf = 0;      //修正 BF 均为 0L_Rotate(T);      //左旋操作break;}case 1:          //LR 型,新结点插入在 T 的右结点的左子树,要做双旋操作{Rl = R->lchild;       //Rl 指向 R 的左结点switch(Rl->bf)      //修正 T 及其右结点的平衡因子{ case -1:            //Rl 平衡因子为 -1{T->bf = 1;R->bf = 0;break;}case 0:            //Rl 平衡因子为 0{T->bf = R->bf = 0;break;}case 1:            //Rl 平衡因子为 1{T->bf = 0;R->bf = -1;break;}}Rl->bf = 0;      //修正 Rl 平衡因子为 0R_Rotate(T->rchild);       //对 T 的右子树作右旋操作  L_Rotate(T);      //对 T 作左旋操作break;}}
}

插入数据

        要插入一个数据,首先需要判断这个数据是否已存在,若在 AVL 树中不存在要插入的数据,则执行插入操作。函数将通过递归找到合适的插入位置,如果在插入时出现失去平衡的情况,要进行对应的平衡旋转处理。

bool InsertAVL(BiTree &T, int e, bool &taller) {// taller 表示树的高度是否发生变化if (T == NULL) { // 若传入的 T 为空树,将创建根结点T = new BiTNode;T->data = e;T->bf = 0;T->lchild = T->rchild = NULL;taller = true; // 表示树的高度是否发生变化} else {if (e == T->data) { // 和 e 有相同数据的结点已存在taller = false;return false;}if (e < T->data) { // 进入左子树搜索插入位置if (InsertAVL(T->lchild, e, taller) == false) { // 结点已存在return false;}if (taller == true) { // 数据插入 T 的左子树中并且高度发生变化switch (T->bf) { // 检查 T 的 BF 判断是否调整case 1: // 原本左子树比右子树高,需要进行左平衡处理LeftBalance(T); // 左平衡处理taller = false;break;case 0: // 原本左、右子树等高,仍保持平衡,修正 BFT->bf = 1;taller = true;break;case -1: // 原本右子树比左子树高,仍保持平衡,修正 BFT->bf = 0;taller = false;break;}}} else { // 进入右子树搜索插入位置if (InsertAVL(T->rchild, e, taller) == false) { // 结点已存在return false;}if (taller == true) { // 数据插入 T 的左子树中并且高度发生变化switch (T->bf) { // 检查 T 的 BF 判断是否调整case 1: // 原本右子树比左子树高,仍保持平衡,修正 BFT->bf = 0;taller = false;break;case 0: // 原本左、右子树等高,仍保持平衡,修正 BFT->bf = -1;taller = true;break;case -1: // 原本右子树比左子树高,需要进行右平衡处理RightBalance(T);taller = false;break;}}}}return true;
}

模拟建立 AVL 树

        按照整数序列 {4,5,7,2,1,3,6} 依次插入的顺序构造相应平衡二叉树。
        首先结点 4 加入 AVL 树成为根结点。

        结点 5 加入 AVL 树。

        结点 7 加入 AVL 树,此时结点 4 的平衡因子为 -2,需要进行调整。


        进行 RR 型调整。

        结点 2 加入 AVL 树。

        结点 1 加入 AVL 树,此时结点 4 的平衡因子为 2,需要进行调整。

        进行 LL 型调整。

        结点 3 加入 AVL 树,此时结点 5 的平衡因子为 2,需要进行调整。

        进行 LR 型调整。

        结点 6 加入 AVL 树,此时结点 5 的平衡因子为 -2,需要进行调整。

        进行 RL 型调整。

        到此为止,AVL 树建立完毕。完整的代码实现如下:

#include <stdio.h>
#include <stdlib.h>// AVL树的节点结构
typedef struct BiTNode {int data;int bf; // 平衡因子struct BiTNode *lchild, *rchild;
} BiTNode, *BiTree;// 右旋转
void R_Rotate(BiTree *P) {BiTree L;L = (*P)->lchild;(*P)->lchild = L->rchild;L->rchild = (*P);*P = L;
}// 左旋转
void L_Rotate(BiTree *P) {BiTree R;R = (*P)->rchild;(*P)->rchild = R->lchild;R->lchild = (*P);*P = R;
}// 左平衡旋转处理
void LeftBalance(BiTree *T) {BiTree L, Lr;L = (*T)->lchild;switch (L->bf) {case 1:(*T)->bf = L->bf = 0;R_Rotate(T);break;case -1:Lr = L->rchild;switch (Lr->bf) {case 1:(*T)->bf = -1;L->bf = 0;break;case 0:(*T)->bf = L->bf = 0;break;case -1:(*T)->bf = 0;L->bf = 1;break;}Lr->bf = 0;L_Rotate(&(*T)->lchild);R_Rotate(T);}
}// 右平衡旋转处理
void RightBalance(BiTree *T) {BiTree R, Rl;R = (*T)->rchild;switch (R->bf) {case -1:(*T)->bf = R->bf = 0;L_Rotate(T);break;case 1:Rl = R->lchild;switch (Rl->bf) {case 1:(*T)->bf = 0;R->bf = -1;break;case 0:(*T)->bf = R->bf = 0;break;case -1:(*T)->bf = 1;R->bf = 0;break;}Rl->bf = 0;R_Rotate(&(*T)->rchild);L_Rotate(T);}
}// 插入节点到AVL树中
int InsertAVL(BiTree *T, int key, int *taller) {if (!*T) {*T = (BiTree)malloc(sizeof(BiTNode));(*T)->data = key;(*T)->lchild = (*T)->rchild = NULL;(*T)->bf = 0;*taller = 1;} else {if (key == (*T)->data) { // 树中已存在相同的节点*taller = 0;return 0;}if (key < (*T)->data) { // 插入到左子树if (!InsertAVL(&((*T)->lchild), key, taller))return 0;if (*taller) { // 高度增加了switch ((*T)->bf) {case 1:LeftBalance(T);*taller = 0;break;case 0:(*T)->bf = 1;*taller = 1;break;case -1:(*T)->bf = 0;*taller = 0;break;}}} else { // 插入到右子树if (!InsertAVL(&((*T)->rchild), key, taller))return 0;if (*taller) { // 高度增加了switch ((*T)->bf) {case 1:(*T)->bf = 0;*taller = 0;break;case 0:(*T)->bf = -1;*taller = 1;break;case -1:RightBalance(T);*taller = 0;break;}}}}return 1;
}int main() {int count;      // 数据元素的个数BiTree T = NULL;int taller, flag; // taller 反映 T 的高度是否变化int a_num;      // 暂存输入数据scanf("%d", &count);for (int i = 0; i < count; i++) {scanf("%d", &a_num);flag = InsertAVL(&T, a_num, &taller); // 向 AVL 树中插入 a_num}return 0;
}

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/669996.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

Java请求第三方接口的一些步骤

一、前言 Java请求第三方接口的一些步骤。 在Java中请求第三方接口通常涉及以下步骤。这些步骤涵盖了从准备请求到处理响应的整个过程。 1. 确定接口详情 接口URL&#xff1a;你要请求的URL。请求方法&#xff1a;如GET、POST、PUT、DELETE等。请求参数&#xff1a;包括URL…

机器人操作系统ROS2学习 1

随着智能化时代的进程&#xff0c;机器人也在向着高度智能化的方向发展&#xff0c;这对应的机器人操作系统也就相应而生了。机器人操作系统ROS (Robot Operating System)的诞生为机器人系统的开发与应用带来了很大方便&#xff0c;也聚集了全球大量的应用开发人员推动ROS的发展…

Debian是什么?有哪些常用命令

目录 一、Debian是什么&#xff1f; 二、Debian常用命令 三、Debian和CentOS的区别 四、Debian和CentOS的优缺点 五、Debian和CentOS的运用场景 一、Debian是什么&#xff1f; Debian是一种流行的开源Linux操作系统。 Debian是一个以Linux内核为基础的操…

【Git】Github创建远程仓库并与本地互联

创建仓库 点击生成新的仓库 创建成功后会生成一个这样的文件 拉取到本地 首先先确保本地安装了git 可以通过终端使用 git --version来查看是否安装好了git 如果显示了版本信息&#xff0c;说明已经安装好了git&#xff0c;这时候我们就可以进入我们想要clone到问目标文件夹 …

Prometheus Metrics指标类型 Histogram、Summary分析数据分布情况

​​​Histogram 直方图 、Summary 摘要 使用Histogram和Summary分析数据分布情况 除了 Counter 和 Gauge 类型的监控指标以外&#xff0c;Prometheus 还定义了 Histogram 和 Summary 的指标类型。Histogram 和 Summary 主用用于统计和分析样本的分布情况。 在大多数情况下人们…

数据库大作业——基于qt开发的图书管理系统 (一)环境的配置与项目需求的分析

前言 博主最近数据库原理结课要做课程设计了,要求开发基于数据库实现的图书管理系统&#xff0c;博主想了想决定做一个基于Qt的图书管理系统,博主在此之前其实也没有用过多少Qt&#xff0c;仅以此专栏记录博主学习与开发的全过程&#xff0c;大家一起学习&#xff0c;一起进步…

[leetcode] 64. 最小路径和

文章目录 题目描述解题方法动态规划java代码复杂度分析 相似题目 题目描述 给定一个包含非负整数的 m x n 网格 grid &#xff0c;请找出一条从左上角到右下角的路径&#xff0c;使得路径上的数字总和为最小。 说明&#xff1a;每次只能向下或者向右移动一步。 示例 1&#…

区块链开发用的是哪种编程语言?

区块链技术作为近年来备受瞩目的新兴技术之一&#xff0c;其核心的特性之一就是去中心化、安全性高、透明度高和可扩展性强。而区块链的开发语言则是实现这一技术的关键因素之一。那么&#xff0c;区块链开发语言是哪一种编程语言呢&#xff1f; 一、区块链开发语言的特点和选…

Whisper、Voice Engine推出后,训练语音大模型的高质量数据去哪里找?

近期&#xff0c;OpenAI 在语音领域又带给我们惊喜&#xff0c;通过文本输入以及一段 15 秒的音频示例&#xff0c;可以生成既自然又与原声极为接近的语音。值得注意的是&#xff0c;即使是小模型&#xff0c;只需一个 15 秒的样本&#xff0c;也能创造出富有情感且逼真的声音。…

.[[MyFile@waifu.club]].svh勒索病毒数据库恢复方案

.[[MyFilewaifu.club]].svh勒索病毒有什么特点&#xff1f; .[[MyFilewaifu.club]].svh是一种最近多发的勒索病毒&#xff0c;它通过加密受害者的文件并要求支付赎金来解锁&#xff0c;从而达到勒索钱财的目的。恢复重要数据请添加技术服务号(safe130)。以下是关于这种病毒的详…

同创优配正规股票港股市场炒股加仓!中国资产,火了

查查配近日,受国内利好政策不断、全球资金对中国市场信心提升等多重因素影响,市场风险偏好明显上升,A股、港股市场均表现强劲,上证指数站上3100点,恒生指数也上演九连阳,创下2018年以来的最长连涨纪录。从资金动向来看,机构加仓明显,北向资金持续净买入,A股ETF也被大幅加仓,部分…

分割出三个面的点云数据或者四个面的矩形点云数据分割 附python代码

目的:把下图的三维空间的墙壁点云分割开,最后的效果如下图 思路:先把点云转成二维的点云,然后找到四个角的点的位置,然后根据4个点的之间两两连成的线段,来判断每个点和每条线段之间的距离,从而得到每个点处于哪个线段上,这样就最终得到了三个面或四个面的三维点云的分…