目錄
1. AVL樹簡介
2. AVL樹添加節點
原始子樹1:
添加節點情況1(平衡):
添加節點情況2.1 (LL):
添加節點情況2.2 (LL):
添加節點情況3.1 (LR):
添加節點情況3.2 (LR):
原始子樹2:
添加節點情況1(平衡):
添加節點情況2.1(RR):
添加節點情況2.2(RR):
添加節點情況3.1(RL):
添加節點情況3.2(RL):
原始子樹3
統一所有旋轉操作
3. AVL樹删除節點
删除導緻的失衡:
LL – 右旋轉
RR – 左旋轉
LR – RR左旋轉,LL右旋轉
RL – LL右旋轉,RR左旋轉
複雜度分析
1. AVL樹簡介
AVL樹是最早發明的自平衡二叉搜尋樹之一
平衡因子(Balance Factor):某結點的左右子樹的高度差
AVL樹的特點:
每個節點的平衡因子隻可能是 1、0、-1(絕對值 ≤ 1,如果超過 1,稱之為“失衡”)
每個節點的左右子樹高度差不超過 1
搜尋、添加、删除的時間複雜度是 O(logn)
AVL樹中子樹失衡後, 恢複平衡,該子樹的高度前後保持一緻
2. AVL樹添加節點
AVL樹失衡情況分析:
BF: Balance Factor(該節點的平衡因子)
H: Height(節點高度)
注意: 下面在分析模型時表述旋轉時是以p為中心旋轉, 但在旋轉方法中傳入的旋轉節點是g, 因為g節點可以同時相容上層節點引用和下層節點引用
原始子樹1:
添加節點n
添加節點情況1(平衡):
添加在節點n之後, 該子樹仍然處于平衡狀态
添加節點情況2.1 (LL):
新添加節點為節點p的左節點, 而p也為節點g的左節點;
在添加節點n之後, 子樹失衡; 從節點g開始失衡, 而新添加節點作為g的Left的Left節點, 是以在旋轉時可以使用 LL-右旋
LL-右旋轉
添加節點情況2.2 (LL):
上面為添加n節點導緻g節點失衡, 也有可能是n的左子樹中添加節點導緻失衡
說明: T0,T1,T2,T3 為n,p,g節點子樹; 如果在n的平衡因子為0, p的平衡因子為0, g的平衡因子為1的情況下, 在n的左子樹中增加一個節點, 使得n的平衡因子變為1, 則g節點将出現失衡且平衡因子變為2; 可以采用LL-右旋
節點變更操作:
- g.left = p.right
- p.right = g
- 讓p成為這棵子樹的根節點
- 仍然是一棵二叉搜尋樹:T0 < n < T1 < p < T2 < g < T3
- 整棵樹都達到平衡
注意維護的内容:
- T2、p、g 的 parent 屬性
- 先後更新 g、p 的高度
添加節點情況3.1 (LR):
新添加節點為節點p的右節點, 而p為節點g的左節點;
在添加節點n之後, 子樹失衡; 從節點g開始失衡, 而新添加節點作為g的Left的Right節點, 是以在旋轉時可以使用 LR-RR左旋, LL右旋
RR-左旋:
LL-右旋:
添加節點情況3.2 (LR):
上面為添加n節點導緻g節點失衡, 也有可能是n的右子樹中添加節點導緻失衡
說明: T0,T1,T2,T3 為n,p,g節點子樹; 如果在n的平衡因子為0, p的平衡因子為0, g的平衡因子為1的情況下, 在n的左子樹中增加一個節點, 使得n的平衡因子變為-1, 則g節點将出現失衡且平衡因子變為2; 可以采用LR-RR左旋, LL右旋
原始子樹2:
添加節點
添加節點情況1(平衡):
添加節點n後, 子樹仍然平衡
添加節點情況2.1(RR):
新添加節點為節點p的右節點, 而p也為節點p的右節點;
在添加節點n之後, 子樹失衡; 從節點g開始失衡, 而新添加節點作為g的Right的Right節點, 是以在旋轉時可以使用RR左旋
RR-左旋
添加節點情況2.2(RR):
上面為添加n節點導緻g節點失衡, 也有可能是n的右子樹中添加節點導緻失衡
RR-左旋
說明: T0,T1,T2,T3 為n,p,g節點子樹; 如果在n的平衡因子為0, p的平衡因子為0, g的平衡因子為-1的情況下, 在n的右子樹中增加一個節點, 使得n的平衡因子變為-1, 則g節點将出現失衡且平衡因子變為-2; 可以采用RR-左旋
節點變更操作:
- g.right = p.left
- p.left = g
- 讓p成為這棵子樹的根節點
- 仍然是一棵二叉搜尋樹:T0 < g < T1 < p < T2 < n < T3
- 整棵樹都達到平衡
注意維護的内容:
- T1、p、g 的 parent 屬性
- 先後更新 g、p 的高度
添加節點情況3.1(RL):
新添加節點為節點p的左節點, 而p為節點p的右節點;
在添加節點n之後, 子樹失衡; 從節點g開始失衡, 而新添加節點作為g的Right的Left節點, 是以在旋轉時可以使用LR-LL右旋,RR左旋
LL-右旋
RR-左旋
添加節點情況3.2(RL):
上面為添加n節點導緻g節點失衡, 也有可能是n的左子樹中添加節點導緻失衡
LL-右旋
RR-左旋
說明: T0,T1,T2,T3 為n,p,g節點子樹; 如果在n的平衡因子為0, p的平衡因子為0, g的平衡因子為-1的情況下, 在n的左子樹中增加一個節點, 使得n的平衡因子變為1, 則g節點将出現失衡且平衡因子變為-2; 可以采用LR-LL右旋,RR左旋
原始子樹3
此種情況, 在任何位置插入一個節點, 該子樹都将保持平衡
LL-右旋, RR-左旋代碼示例:
/**
* 新增節點後的操作(更新高度或者恢複平衡)
*/
@Override
protected void afterAdd(Node<E> node) {
while ((node = node.parent) != null) {
if (isBalanced(node)) {
// 更新高度
updateHeight(node);
} else {
// 恢複平衡
rebalance2(node);
// 整棵樹恢複平衡
break;
}
}
}
/**
* 恢複平衡
* @param grand 高度最低的那個不平衡節點
*/
@SuppressWarnings("unused")
private void rebalance2(Node<E> grand) {
Node<E> parent = ((AVLNode<E>)grand).tallerChild();
Node<E> node = ((AVLNode<E>)parent).tallerChild(); //node節點為新添加的節點
if (parent.isLeftChild()) { // L
if (node.isLeftChild()) { // LL
rotateRight(grand);
} else { // LR
rotateLeft(parent);
rotateRight(grand);
}
} else { // R
if (node.isLeftChild()) { // RL
rotateRight(parent);
rotateLeft(grand);
} else { // RR
rotateLeft(grand);
}
}
}
/**
* 左旋
* @param grand 高度最低的那個不平衡節點
*/
private void rotateLeft(Node<E> grand) {
Node<E> parent = grand.right;
Node<E> child = parent.left;
grand.right = child;
parent.left = grand;
afterRotate(grand, parent, child);
}
/**
* 右旋
* @param grand 高度最低的那個不平衡節點
*/
private void rotateRight(Node<E> grand) {
Node<E> parent = grand.left;
Node<E> child = parent.right;
grand.left = child;
parent.right = grand;
afterRotate(grand, parent, child);
}
private void afterRotate(Node<E> grand, Node<E> parent, Node<E> child) {
// 讓parent稱為子樹的根節點
parent.parent = grand.parent;
if (grand.isLeftChild()) {
grand.parent.left = parent;
} else if (grand.isRightChild()) {
grand.parent.right = parent;
} else { // grand是root節點
root = parent;
}
// 更新child的parent
if (child != null) {
child.parent = grand;
}
// 更新grand的parent
grand.parent = parent;
// 更新高度
updateHeight(grand);
updateHeight(parent);
}
統一所有旋轉操作
根據四種旋轉平衡初始與結果情況可以看出, 在進行不同的旋轉操作後, 所有子樹的排列保持一緻, 其中, 節點a與節點g未發生變化,是以可以統一四種旋轉操作....
/**
* 恢複平衡
* @param grand 高度最低的那個不平衡節點
*/
private void rebalance(Node<E> grand) {
Node<E> parent = ((AVLNode<E>)grand).tallerChild();
Node<E> node = ((AVLNode<E>)parent).tallerChild();
if (parent.isLeftChild()) { // L
if (node.isLeftChild()) { // LL
rotate(grand, node, node.right, parent, parent.right, grand);
} else { // LR
rotate(grand, parent, node.left, node, node.right, grand);
}
} else { // R
if (node.isLeftChild()) { // RL
rotate(grand, grand, node.left, node, node.right, parent);
} else { // RR
rotate(grand, grand, parent.left, parent, node.left, node);
}
}
}
private void rotate(
Node<E> r, // 子樹的根節點
Node<E> b, Node<E> c,
Node<E> d,
Node<E> e, Node<E> f) {
// 讓d成為這棵子樹的根節點
d.parent = r.parent;
if (r.isLeftChild()) {
r.parent.left = d;
} else if (r.isRightChild()) {
r.parent.right = d;
} else {
root = d;
}
//b-c
b.right = c;
if (c != null) {
c.parent = b;
}
updateHeight(b);
// e-f
f.left = e;
if (e != null) {
e.parent = f;
}
updateHeight(f);
// b-d-f
d.left = b;
d.right = f;
b.parent = d;
f.parent = d;
updateHeight(d);
}
3. AVL樹删除節點
删除導緻的失衡:
示例:删除子樹中的 16
可能會導緻父節點或祖先節點失衡(隻有1個節點會失衡),其他節點,都不可能失衡
LL – 右旋轉
如果綠色節點不存在,更高層的祖先節點可能也會失衡,需要再次恢複平衡,然後又可能導緻更高層的祖先節點失衡...
極端情況下,所有祖先節點都需要進行恢複平衡的操作,共 O(logn) 次調整
RR – 左旋轉
LR – RR左旋轉,LL右旋轉
RL – LL右旋轉,RR左旋轉
删除節點後恢複平衡代碼示例:
//node為真正删除的節點(因為删除度為2的節點時, 真正删除的節點時該節點的前驅節點或者後繼節點)
protected void afterRemove(Node<E> node) {
while ((node = node.parent) != null) {
if (isBalanced(node)) {
// 更新高度
updateHeight(node);
} else {
// 恢複平衡
rebalance(node);
}
}
}
複雜度分析
添加
可能會導緻所有祖先節點都失衡
隻要讓高度最低的失衡節點恢複平衡,整棵樹就恢複平衡【僅需 O(1) 次調整】
删除
可能會導緻父節點或祖先節點失衡(隻有1個節點會失衡)
恢複平衡後,可能會導緻更高層的祖先節點失衡【最多需要 O(logn) 次調整】
平均時間複雜度
搜尋:O(logn)
添加:O(logn),僅需 O(1) 次的旋轉操作
删除:O(logn),最多需要 O(logn) 次的旋轉操作
參考資料: 小碼哥教育<<戀上資料結構與算法>>