内容简介:二叉查找树,又叫二叉排序树,二叉搜索树,是一种有特定规则的二叉树,定义如下:二叉查找树的特点是,一直往左儿子往下找左儿子,可以找到最小的元素,一直往右儿子找右儿子,可以找到最大的元素。
二叉查找树
二叉查找树,又叫二叉 排序 树,二叉搜索树,是一种有特定规则的二叉树,定义如下:
- 它是一颗二叉树,或者是空树。
- 左子树所有节点的值都小于它的根节点,右子树所有节点的值都大于它的根节点。
- 左右子树也是一颗二叉查找树。
二叉查找树的特点是,一直往左儿子往下找左儿子,可以找到最小的元素,一直往右儿子找右儿子,可以找到最大的元素。
看起来,我们可以用它来实现元素排序,可是我们却使用了二叉堆来实现了堆排序,因为二叉查找树不保证是一个平衡的二叉树,最坏情况下二叉查找树会退化成一个链表,也就是所有节点都没有左子树或者没有右子树,树的层次太深导致排序性能太差。
使用二分查找,可以很快在一颗二叉查找树中找到我们需要的值。
我们来分析二叉查找树添加,删除,查找元素的方法。
一、添加元素
以下是一个二叉查找树的表示:
// 二叉查找树 type BinarySearchTree struct { Root *BinarySearchTreeNode // 树根节点 } // 二叉查找树节点 type BinarySearchTreeNode struct { Value int64 // 值 Times int64 // 值出现的次数 Left *BinarySearchTreeNode // 左子树 Right *BinarySearchTreeNode // 右字树 } // 初始化一个二叉查找树 func NewBinarySearchTree() *BinarySearchTree { return new(BinarySearchTree) }
一个节点代表一个元素,节点的 Value
值是用来进行二叉查找的关键,当 Value
值重复时,我们将值出现的次数 Times
加 1。添加元素代码如下:
// 添加元素 func (tree *BinarySearchTree) Add(value int64) { // 如果没有树根,证明是颗空树,添加树根后返回 if tree.Root == nil { tree.Root = &BinarySearchTreeNode{Value: value} return } // 将值添加进去 tree.Root.Add(value) } func (node *BinarySearchTreeNode) Add(value int64) { if value < node.Value { // 如果插入的值比节点的值小,那么要插入到该节点的左子树中 // 如果左子树为空,直接添加 if node.Left == nil { node.Left = &BinarySearchTreeNode{Value: value} } else { // 否则递归 node.Left.Add(value) } } else if value > node.Value { // 如果插入的值比节点的值大,那么要插入到该节点的右子树中 // 如果右子树为空,直接添加 if node.Right == nil { node.Right = &BinarySearchTreeNode{Value: value} } else { // 否则递归 node.Right.Add(value) } } else { // 值相同,不需要添加,值出现的次数加1即可 node.Times = node.Times + 1 } }
如果添加元素时是颗空树,那么初始化根节点。
然后添加的值和根节点比较,判断是要插入到根节点左子树还是右子树,还是不用插入。
当值比根节点小时,元素要插入到根节点的左子树中,当值比根节点大时,元素要插入到根节点的右子树中,相等时不插入,只更新次数。
然后再分别对根节点的左子树和右子树进行递归操作即可。
二、查找最大值或最小值的元素
查找最大值和最小值比较简单,一直往左儿子往下找左儿子,可以找到最小的元素,一直往右儿子找右儿子,可以找到最大的元素。
// 找出最小值的节点 func (tree *BinarySearchTree) FindMinValue() *BinarySearchTreeNode { if tree.Root == nil { // 如果是空树,返回空 return nil } return tree.Root.FindMinValue() } func (node *BinarySearchTreeNode) FindMinValue() *BinarySearchTreeNode { // 左子树为空,表面已经是最左的节点了,该值就是最小值 if node.Left == nil { return node } // 一直左子树递归 return node.Left.FindMinValue() } // 找出最大值的节点 func (tree *BinarySearchTree) FindMaxValue() *BinarySearchTreeNode { if tree.Root == nil { // 如果是空树,返回空 return nil } return tree.Root.FindMaxValue() } func (node *BinarySearchTreeNode) FindMaxValue() *BinarySearchTreeNode { // 右子树为空,表面已经是最右的节点了,该值就是最大值 if node.Right == nil { return node } // 一直右子树递归 return node.Right.FindMaxValue() }
三、查找指定元素
二分查找的技巧也在这里有用武之地了:
// 查找节点 func (tree *BinarySearchTree) Find(value int64) *BinarySearchTreeNode { if tree.Root == nil { // 如果是空树,返回空 return nil } return tree.Root.Find(value) } func (node *BinarySearchTreeNode) Find(value int64) *BinarySearchTreeNode { if value == node.Value { // 如果该节点刚刚等于该值,那么返回该节点 return node } else if value < node.Value { // 如果查找的值小于节点值,从节点的左子树开始找 if node.Left == nil { // 左子树为空,表示找不到该值了,返回nil return nil } return node.Left.Find(value) } else { // 如果查找的值大于节点值,从节点的右子树开始找 if node.Right == nil { // 右子树为空,表示找不到该值了,返回nil return nil } return node.Right.Find(value) } }
如果是空树,返回 nil,否则与根节点比较。
如果刚刚好等于根节点的值,返回该节点,否则根据值的比较,继续往左子树或右字树递归查找。
四、查找指定元素的父亲
与查找指定元素一样,只不过追踪的是该元素的父亲节点。
// 查找指定节点的父亲 func (tree *BinarySearchTree) FindParent(value int64) *BinarySearchTreeNode { if tree.Root == nil { // 如果是空树,返回空 return nil } // 如果根节点等于该值,根节点其没有父节点,返回nil if tree.Root.Value == value { return nil } return tree.Root.FindParent(value) } func (node *BinarySearchTreeNode) FindParent(value int64) *BinarySearchTreeNode { // 外层没有值相等的判定,因为在内层已经判定完毕后返回父亲节点。 if value < node.Value { // 如果查找的值小于节点值,从节点的左子树开始找 leftTree := node.Left if leftTree == nil { // 左子树为空,表示找不到该值了,返回nil return nil } // 左子树的根节点的值刚好等于该值,那么父亲就是现在的node,返回 if leftTree.Value == value { return node } else { return leftTree.FindParent(value) } } else { // 如果查找的值大于节点值,从节点的右子树开始找 rightTree := node.Right if rightTree == nil { // 右子树为空,表示找不到该值了,返回nil return nil } // 右子树的根节点的值刚好等于该值,那么父亲就是现在的node,返回 if rightTree.Value == value { return node } else { return rightTree.FindParent(value) } } }
代码相应的进行了调整,方便获取到父亲节点。
如果返回的父亲节点为空,表示没有父亲。
五、删除元素
删除元素有四种情况:
- 第一种情况,删除的是根节点,且根节点没有儿子,直接删除即可。
- 第二种情况,删除的节点有父亲节点,但没有子树,也就是删除的是叶子节点,直接删除即可。
- 第三种情况,删除的节点下有两个子树,因为右子树的值都比左子树大,那么用右子树中的最小元素来替换删除的节点,这时二叉查找树的性质又满足了。右子树的最小元素,只要一直往右子树的左边一直找一直找就可以找到。
- 第四种情况,删除的节点只有一个子树,那么该子树直接替换被删除的节点即可。
代码实现如下:
// 删除指定的元素 func (tree *BinarySearchTree) Delete(value int64) { if tree.Root == nil { // 如果是空树,直接返回 return } // 查找该值是否存在 node := tree.Root.Find(value) if node == nil { // 不存在该值,直接返回 return } // 查找该值的父亲节点 parent := tree.Root.FindParent(value) // 第一种情况,删除的是根节点,且根节点没有儿子 if parent == nil && node.Left == nil && node.Right == nil { // 置空后直接返回 tree.Root = nil return } else if node.Left == nil && node.Right == nil { // 第二种情况,删除的节点有父亲节点,但没有子树 // 如果删除的是节点是父亲的左儿子,直接将该值删除即可 if parent.Left != nil && value == parent.Left.Value { parent.Left = nil } else { // 删除的原来是父亲的右儿子,直接将该值删除即可 parent.Right = nil } return } else if node.Left != nil && node.Right != nil { // 第三种情况,删除的节点下有两个子树,因为右子树的值都比左子树大,那么用右子树中的最小元素来替换删除的节点。 // 右子树的最小元素,只要一直往右子树的左边一直找一直找就可以找到,替换后二叉查找树的性质又满足了。 // 找右子树中最小的值,一直往右子树的左边找 minNode := node.Right for minNode.Left != nil { minNode = minNode.Left } // 把最小的节点删掉 tree.Delete(minNode.Value) // 最小值的节点替换被删除节点 node.Value = minNode.Value node.Times = minNode.Times } else { // 第四种情况,只有一个子树,那么该子树直接替换被删除的节点即可 // 父亲为空,表示删除的是根节点,替换树根 if parent == nil { if node.Left != nil { tree.Root = node.Left } else { tree.Root = node.Right } return } // 左子树不为空 if node.Left != nil { // 如果删除的是节点是父亲的左儿子,让删除的节点的左子树接班 if parent.Left != nil && value == parent.Left.Value { parent.Left = node.Left } else { parent.Right = node.Left } } else { // 如果删除的是节点是父亲的左儿子,让删除的节点的右子树接班 if parent.Left != nil && value == parent.Left.Value { parent.Left = node.Right } else { parent.Right = node.Right } } } }
首先查找到要删除元素的节点: tree.Root.Find(value)
,然后找到该节点父亲: tree.Root.FindParent(value)
,根据四种不同情况对删除节点进行补位。核心在于,第三种情况下,删除的节点有两个子树情况下,需要用右子树中最小的节点来替换被删除节点。
上面的代码可以优化,可以在查找删除元素的节点时顺道查出其父亲节点,不必要分开查询父亲节点,在第三种情况下查出右子树的最小节点时可以直接将其移除,不必递归使用 tree.Delete(minNode.Value)
。
由于这种通用形式的二叉查找树实现甚少使用,大部分程序都使用了AVL树或红黑树,以上优化理解即可。
六、中序遍历(实现排序)
使用二叉查找树可以实现排序,只需要对树进行中序遍历即可。
我们先打印出左子树,然后打印根节点的值,再打印右子树,这是一个递归的过程。
// 中序遍历 func (tree *BinarySearchTree) MidOrder() { tree.Root.MidOrder() } func (node *BinarySearchTreeNode) MidOrder() { if node == nil { return } // 先打印左子树 node.Left.MidOrder() // 按照次数打印根节点 for i := 0; i <= int(node.Times); i++ { fmt.Println(node.Value) } // 打印右子树 node.Right.MidOrder() }
七、完整代码
package main import ( "fmt" ) // 二叉查找树节点 type BinarySearchTree struct { Root *BinarySearchTreeNode // 树根节点 } // 二叉查找树节点 type BinarySearchTreeNode struct { Value int64 // 值 Times int64 // 值出现的次数 Left *BinarySearchTreeNode // 左子树 Right *BinarySearchTreeNode // 右字树 } // 初始化一个二叉查找树 func NewBinarySearchTree() *BinarySearchTree { return new(BinarySearchTree) } // 添加元素 func (tree *BinarySearchTree) Add(value int64) { // 如果没有树根,证明是颗空树,添加树根后返回 if tree.Root == nil { tree.Root = &BinarySearchTreeNode{Value: value} return } // 将值添加进去 tree.Root.Add(value) } func (node *BinarySearchTreeNode) Add(value int64) { if value < node.Value { // 如果插入的值比节点的值小,那么要插入到该节点的左子树中 // 如果左子树为空,直接添加 if node.Left == nil { node.Left = &BinarySearchTreeNode{Value: value} } else { // 否则递归 node.Left.Add(value) } } else if value > node.Value { // 如果插入的值比节点的值大,那么要插入到该节点的右子树中 // 如果右子树为空,直接添加 if node.Right == nil { node.Right = &BinarySearchTreeNode{Value: value} } else { // 否则递归 node.Right.Add(value) } } else { // 值相同,不需要添加,值出现的次数加1即可 node.Times = node.Times + 1 } } // 找出最小值的节点 func (tree *BinarySearchTree) FindMinValue() *BinarySearchTreeNode { if tree.Root == nil { // 如果是空树,返回空 return nil } return tree.Root.FindMinValue() } func (node *BinarySearchTreeNode) FindMinValue() *BinarySearchTreeNode { // 左子树为空,表面已经是最左的节点了,该值就是最小值 if node.Left == nil { return node } // 一直左子树递归 return node.Left.FindMinValue() } // 找出最大值的节点 func (tree *BinarySearchTree) FindMaxValue() *BinarySearchTreeNode { if tree.Root == nil { // 如果是空树,返回空 return nil } return tree.Root.FindMaxValue() } func (node *BinarySearchTreeNode) FindMaxValue() *BinarySearchTreeNode { // 右子树为空,表面已经是最右的节点了,该值就是最大值 if node.Right == nil { return node } // 一直右子树递归 return node.Right.FindMaxValue() } // 查找指定节点 func (tree *BinarySearchTree) Find(value int64) *BinarySearchTreeNode { if tree.Root == nil { // 如果是空树,返回空 return nil } return tree.Root.Find(value) } func (node *BinarySearchTreeNode) Find(value int64) *BinarySearchTreeNode { if value == node.Value { // 如果该节点刚刚等于该值,那么返回该节点 return node } else if value < node.Value { // 如果查找的值小于节点值,从节点的左子树开始找 if node.Left == nil { // 左子树为空,表示找不到该值了,返回nil return nil } return node.Left.Find(value) } else { // 如果查找的值大于节点值,从节点的右子树开始找 if node.Right == nil { // 右子树为空,表示找不到该值了,返回nil return nil } return node.Right.Find(value) } } // 查找指定节点的父亲 func (tree *BinarySearchTree) FindParent(value int64) *BinarySearchTreeNode { if tree.Root == nil { // 如果是空树,返回空 return nil } // 如果根节点等于该值,根节点其没有父节点,返回nil if tree.Root.Value == value { return nil } return tree.Root.FindParent(value) } func (node *BinarySearchTreeNode) FindParent(value int64) *BinarySearchTreeNode { // 外层没有值相等的判定,因为在内层已经判定完毕后返回父亲节点。 if value < node.Value { // 如果查找的值小于节点值,从节点的左子树开始找 leftTree := node.Left if leftTree == nil { // 左子树为空,表示找不到该值了,返回nil return nil } // 左子树的根节点的值刚好等于该值,那么父亲就是现在的node,返回 if leftTree.Value == value { return node } else { return leftTree.FindParent(value) } } else { // 如果查找的值大于节点值,从节点的右子树开始找 rightTree := node.Right if rightTree == nil { // 右子树为空,表示找不到该值了,返回nil return nil } // 右子树的根节点的值刚好等于该值,那么父亲就是现在的node,返回 if rightTree.Value == value { return node } else { return rightTree.FindParent(value) } } } // 删除指定的元素 func (tree *BinarySearchTree) Delete(value int64) { if tree.Root == nil { // 如果是空树,直接返回 return } // 查找该值是否存在 node := tree.Root.Find(value) if node == nil { // 不存在该值,直接返回 return } // 查找该值的父亲节点 parent := tree.Root.FindParent(value) // 第一种情况,删除的是根节点,且根节点没有儿子 if parent == nil && node.Left == nil && node.Right == nil { // 置空后直接返回 tree.Root = nil return } else if node.Left == nil && node.Right == nil { // 第二种情况,删除的节点有父亲节点,但没有子树 // 如果删除的是节点是父亲的左儿子,直接将该值删除即可 if parent.Left != nil && value == parent.Left.Value { parent.Left = nil } else { // 删除的原来是父亲的右儿子,直接将该值删除即可 parent.Right = nil } return } else if node.Left != nil && node.Right != nil { // 第三种情况,删除的节点下有两个子树,因为右子树的值都比左子树大,那么用右子树中的最小元素来替换删除的节点,这时二叉查找树的性质又满足了。 // 找右子树中最小的值,一直往右子树的左边找 minNode := node.Right for minNode.Left != nil { minNode = minNode.Left } // 把最小的节点删掉 tree.Delete(minNode.Value) // 最小值的节点替换被删除节点 node.Value = minNode.Value node.Times = minNode.Times } else { // 第四种情况,只有一个子树,那么该子树直接替换被删除的节点即可 // 父亲为空,表示删除的是根节点,替换树根 if parent == nil { if node.Left != nil { tree.Root = node.Left } else { tree.Root = node.Right } return } // 左子树不为空 if node.Left != nil { // 如果删除的是节点是父亲的左儿子,让删除的节点的左子树接班 if parent.Left != nil && value == parent.Left.Value { parent.Left = node.Left } else { parent.Right = node.Left } } else { // 如果删除的是节点是父亲的左儿子,让删除的节点的右子树接班 if parent.Left != nil && value == parent.Left.Value { parent.Left = node.Right } else { parent.Right = node.Right } } } } // 中序遍历 func (tree *BinarySearchTree) MidOrder() { tree.Root.MidOrder() } func (node *BinarySearchTreeNode) MidOrder() { if node == nil { return } // 先打印左子树 node.Left.MidOrder() // 按照次数打印根节点 for i := 0; i <= int(node.Times); i++ { fmt.Println(node.Value) } // 打印右子树 node.Right.MidOrder() } func main() { values := []int64{3, 6, 8, 20, 9, 2, 6, 8, 9, 3, 5, 40, 7, 9, 13, 6, 8} // 初始化二叉查找树并添加元素 tree := NewBinarySearchTree() for _, v := range values { tree.Add(v) } // 找到最大值或最小值的节点 fmt.Println("find min value:", tree.FindMinValue()) fmt.Println("find max value:", tree.FindMaxValue()) // 查找不存在的99 node := tree.Find(99) if node != nil { fmt.Println("find it 99!") } else { fmt.Println("not find it 99!") } // 查找存在的9 node = tree.Find(9) if node != nil { fmt.Println("find it 9!") } else { fmt.Println("not find it 9!") } // 删除存在的9后,再查找9 tree.Delete(9) node = tree.Find(9) if node != nil { fmt.Println("find it 9!") } else { fmt.Println("not find it 9!") } // 中序遍历,实现排序 tree.MidOrder() }
运行程序后,结果:
find min value: &{2 0 <nil> <nil>} find max value: &{40 0 <nil> <nil>} not find it 99! find it 9! not find it 9! 2 3 3 5 6 6 6 7 8 8 8 13 20 40
八、总结
二叉查找树可能退化为链表,也可能是一颗非常平衡的二叉树,查找,添加,删除元素的时间复杂度取决于树的高度 h
。
- 当二叉树是满的时,树的高度是最小的,此时树节点数量
n
和高度h
的关系为:h = log(n)
。 - 当二叉树是一个链表时,此时树节点数量
n
和高度h
的关系为:h = n
。
二叉查找树的效率来源其二分查找的特征,时间复杂度在于二叉树的高度,因此查找,添加和删除的时间复杂度范围为 log(n)~n
。
为了提高二叉查找树查找的速度,树的高度要尽可能的小。AVL树和红黑树都是相对平衡的二叉查找树,因为特殊的旋转平衡操作,树的高度被大大压低。它们查找效率较高,添加,删除,查找操作的平均时间复杂度都为 log(n)
,经常在各种程序中被使用。
二叉查找树是后面要学习的高级数据结构AVL树,红黑树的基础。
Golang
的后端开发工程师。
欢迎阅读我亲自写的 数据结构和算法(Golang实现)
以上所述就是小编给大家介绍的《数据结构和算法(Golang实现)(27)查找算法-二叉查找树》,希望对大家有所帮助,如果大家有任何疑问请给我留言,小编会及时回复大家的。在此也非常感谢大家对 码农网 的支持!
猜你喜欢:本站部分资源来源于网络,本站转载出于传递更多信息之目的,版权归原作者或者来源机构所有,如转载稿涉及版权问题,请联系我们。
谷歌和亚马逊如何做产品
梅 (Chris Vander Mey) / 刘亦舟 / 人民邮电出版社 / 2014-6-1 / CNY 49.00
软件在交付之前,面临产品、方案、项目和工程管理等诸多挑战,如何做到游刃有余并打造出极致产品?本书作者曾任谷歌和亚马逊高级产品经理、现任Facebook产品经理,他将自己在达特茅斯学院钻研的理论知识和在领先的互联网公司十年的工作经验尽数总结在此,从定义产品开始,一步步指导你完成管理项目、迭代、发布、市场推广等交付流程,让你身临其境地体验到极致产品如何取得成功。 本书主要内容: 如何清晰定......一起来看看 《谷歌和亚马逊如何做产品》 这本书的介绍吧!