内容简介:近期准备补一下数据结构,尤其是关于Tree系列的,其中,二叉树(Binary Tree)可以算是最简单的之一,所以打算从之入手,将各种Tree的结构和操作都进一步了解一遍,以来充实自己的闲余时间!本文主要围绕二叉树中最简单的实现:二叉搜索树(Binary Search Tree),也叫作
近期准备补一下数据结构,尤其是关于Tree系列的,其中,二叉树(Binary Tree)可以算是最简单的之一,所以打算从之入手,将各种Tree的结构和操作都进一步了解一遍,以来充实自己的闲余时间!
本文主要围绕二叉树中最简单的实现: 二叉搜索树 。
介绍
二叉搜索树(Binary Search Tree),也叫作 二叉 排序 树 (Binary Sort Tree),后文中统一简称为BST,顾名思义,它的每个结点的叶子数量不得超过两个:
BST插入都是按照一定的规则顺序的,例如图中的结点,F的左边一定比F的值小,F右边一定比F的值大,当然这些都是可以自定义的,不过到头来,总是要有一定的规则进行存储,这样才会方便我们用来检索需要的内容。
BST的基本操作相对于平衡树或者红黑树来讲算是非常简单的,BST并不在乎整个树的平衡性,仅仅保证了结点的有序规则不被打乱,这种问题将会导致大量结点下的查询性能下降,因此便引出了更高级的树种(之后也将会进一步学习)。因此,实现一个BST并不难,我们可以通过 Java 去实现一个简单的BST来加深对二叉树的了解!
实现
首先是实现思路,我们主要实现插入、查询和删除的功能,其中查询是最简单的,因为不需要变动整个树的结构,删除是较复杂的,接下来将会一一解析其实现思路。
插入
被插入结点与root结点做比较,如果大于,则取root的右结点继续比较,反之则取左结点继续比较,如果相等,则更新当前结点的值。
public Object insert(int index, Object value, Node cur) { while(true) { if(cur.index == index) { //命中则更新 cur.value = value; break; }else { if(index < cur.index) { if(null == cur.left) { //无命中则添加 cur.left = new Node(index, value, cur); cur.left.isLeft = true; size ++; break; }else { //指向左结点 cur = cur.left; } }else{ if(null == cur.right) { //无命中则添加 cur.right = new Node(index, value, cur); size ++; break; }else { //指向右结点 cur = cur.right; } } } } return value; } 复制代码
这就是一个简单的深度查找过程,如果使用递归可能更好理解一些,但是为了防止StackOverFlow,并没用采用之。
代码中从 cur
这个结点开始,首先判断是否命中目标,也就是 cur.index == index
如果为true,则代表命中,命中的话则直接更新。
如果没有命中,则要向 cur
结点的分支方向搜索,如果到了叶子结点还未命中,则要进行插入操作(直接加结点),否则就修改 cur
指针,继续重复当前动作。
查询
查询类似于插入操作,不同的是查询更为简单:
public Node find(int index, Node cur) { while(cur != null && cur.index != index) { cur = index < cur.index ? cur.left : cur.right; } return cur; } 复制代码
深度搜索即可!
删除
BST的删除是比较复杂的,不像插入那般,只需要操作一个结点的 left
或者 right
变量引用就可以了,它涉及着多个结点的变化:
@Override public Object remove(int index) { //首先寻找该结点 Node target = find(index, root); if(target == null) { //该结点为空则直接返回null return null; }else { //优先考虑将被移除结点的左结点连接到右结点的左分支 Node n = target.right != null ? target.right : target.left; if(target.left != null && target.right != null) { Node leftLoopStarter = n; //寻找目标结点的右结点下的最左结点 while(leftLoopStarter.left != null) { leftLoopStarter = leftLoopStarter.left; } leftLoopStarter.setLeft(target.left); } if(target.parent == null) { //只剩下root结点不允许删除 if(target.left == null && target.right == null) { throw new RuntimeException("再删就没了!"); }else { //当删除root结点时,优先考虑将它的右结点作为新的root结点 root = n; n.parent = null; } }else { //移除响应的结点 if(target.isLeft) { target.parent.setLeft(n); }else { target.parent.setRight(n); } } size --; return target.value; } } 复制代码
上述代码不足表达整个过程,我们以具体的demo来演示删除过程,假如初始的树形状如下:
8 4 12 2 6 10 16 1 3 5 7 # 11 14 17 复制代码
移除结点1,叶子结点,直接移除:
8 4 12 2 6 10 16 # 3 5 7 # 11 14 17 复制代码
移除结点2,用右结点代替之:
8 4 12 3 6 10 16 # # 5 7 # 11 14 17 复制代码
移除结点4,其左结点放于右结点最左结点之后,并用右结点代替之:
8 6 12 5 7 10 16 3 # # # # 11 14 17 复制代码
移除结点16,同上:
8 6 12 5 7 10 17 3 # # # # 11 14 # 复制代码
移除结点8,同上:
12 10 17 6 11 14 # 5 7 # # # # # # 3 # # # # # # # # # # # # # # # 复制代码
格式化
在调试树的正确性时,无法避免要去查看当前树结点的状态,所以将树格式化并显示出来很有必要,再着手之前,我们首先要 找规律 :
a //4-15 首距2^4-1 无结点间隔 b c //3-7 首距2^3-1 结点间隔15 d e f g //2-3 首距2^2-1 结点间隔7 h i g k l m n o //1-1 首距2^1-1 结点间隔3 a a a a a a a a a a a a a a a a //0-0 首距2^0-1 结点间隔1 设高度为n 求出首距的公式:2^n-1 求出两结点间隔的公式:2^(n+1)-1 复制代码
由上引出,二叉树的格式化还是很有规律的,我们便可以依据以上公式去写一个算法来格式化输出BST:
@Override public String toString() { //保存树形 StringBuilder builder = new StringBuilder(); //按层序保留结点 List<Object> cache = new ArrayList<>(50); //使用栈对树做层序遍历 Queue<Node> queue = new LinkedBlockingQueue<Node>(); queue.add(root); int depth = 0; //临时深度 int maxDepth = getMaxDepth(); //最大深度 while(! queue.isEmpty()) { Node cur = queue.poll(); if(cur.left != null) { queue.add(cur.left); }else if(cur.depth() < maxDepth){ //填补空缺 queue.add(new Node(0, '#', cur)); } if(cur.right != null) { queue.add(cur.right); }else if(cur.depth() < maxDepth){ //填补空缺 queue.add(new Node(0, '#', cur)); } if(depth != cur.depth()) { //深度切换,将高度保存 depth = cur.depth(); cache.add(depth); } //加入该结点 cache.add(cur); } //将保留结点渲染为树形 for(int index = 0; index < cache.size(); index ++) { Object o = cache.get(index); if(o instanceof Integer) { builder.append(System.lineSeparator()); builder.append(getOffset(maxDepth - (Integer)o)); }else { if(index == 0) { builder.append(getOffset(maxDepth)); } builder.append(((Node)o).value); builder.append(getOffset(maxDepth - ((Node)o).depth() + 1)); } } return builder.toString(); } /** * @param height 当前结点高度 = 最大深度 - 当前结点深度 * @return 首距或者两结点的间隔距离 */ public String getOffset(double height) { StringBuilder builder = new StringBuilder(); int count = (int) Math.pow(2d, height) - 1; while(count -- > 0) { builder.append(" "); } return builder.toString(); } /** * @return 当前树的最大深度 */ public int getMaxDepth() { Queue<Node> queue = new LinkedBlockingQueue<Node>(); queue.add(root); int depth = 0; while(! queue.isEmpty()) { Node cur = queue.poll(); if(cur.left != null) queue.add(cur.left); if(cur.right != null) queue.add(cur.right); if(depth != cur.depth()) depth = cur.depth(); } return depth; } 复制代码
以上就是本文的全部内容,希望对大家的学习有所帮助,也希望大家多多支持 码农网
猜你喜欢:- 数据结构 1 线性表详解 链表、 栈 、 队列 结合JAVA 详解
- Runtime数据结构详解
- conntrack中的数据结构详解
- 数据结构之单链表详解二
- 数据结构之单链表详解一
- 3.10 solidity数据结构详解
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。
Rails Cookbook
奥西尼 / 江苏东南大学 / 2007-6 / 68.00元
Rails是业界领先的新一代Web 2.0应用程序开发框架,而这本《Rails Cookbook》里充满了为了让你成为Rails开发专家而准备的各种解决方案。讨论范围覆盖了从基本概念,如安装Rails及设置开发环境,到最新的各种技巧,如开发符合REST协议规范的Web服务等。 Rails可提供更轻量级的代码、更丰富的功能和更快捷的量身定制过程,由此带来了一场Web开发革命。《Rails Co......一起来看看 《Rails Cookbook》 这本书的介绍吧!