红黑树和 AVL 树的旋转调整以及性能分析

最新推荐文章于 2025-05-09 16:51:53 发布

原创最新推荐文章于 2025-05-09 16:51:53 发布 · 4.5k 阅读

10 ·

本内容遵循CC 4.0 BY-SA版权协议

收录于

学习篇---数据结构

本文详细介绍了AVL树的节点定义、旋转分类及其特点与性能分析，包括右单旋、左单旋和双旋等。接着探讨了红黑树的引入原因、特性、插入操作及旋转调整，强调了红黑树在实际应用中的优势。内容涵盖两种平衡二叉搜索树的验证方法和应用场景。

一、AVL 平衡搜索树

二叉搜索树虽可以缩短查找的效率，但如果数据极端，退化为链表，搜索时间复杂度为O(N),所以引入了ALV树，在二叉搜索树的基础加入平衡因子

平衡因子：当向二叉搜索树中插入新结点后，如果能保证每个结点的左右子树高度之差的绝对值不超过1

1、节点定义

template<class T>
struct AVLTreeNode{
	AVLTreeNode(const T& data)
		: _pLeft(nullptr)
		, _pRight(nullptr)
		, _pParent(nullptr)
		, _data(data)
		, _bf(0)//平衡因子，初始值为0，默认已经平衡
	{}
	AVLTreeNode<T>* _pLeft; // 该节点的左孩子
	AVLTreeNode<T>* _pRight; // 该节点的右孩子
	AVLTreeNode<T>* _pParent; // 该节点的双亲
	T _data;
	int _bf; // 该节点的平衡因子
};

2、AVL 树旋转分类

2.1. 右单旋

在这里插入图片描述
45节点的存在与否都不重要，如果40 没有右子树，那么它依然要进行单旋。上面的案列 50 没有双亲节点，如果有父节点，那该怎么调整呢？

就拿上列来说，我们假设 50 还有双亲节点

	void RotateRight1(Node* pParent){
		// pParent 代表的是 50 节点
		// pSubL: pParent的左孩子 40
		// pSubLR: pParent左孩子的右孩子 45 
		Node* pSubL = pParent->_pLeft;
		Node* pSubLR = pSubL->_pRight;
		// 旋转完成之后，40 的右孩子作为双亲的左孩子
		pParent->_pLeft = pSubLR;
		
		// 如果 50 的左子树的右孩子存在，更新亲双亲
		// 使 45 的双亲指向 50
		if (pSubLR) {
			pSubLR->_pParent = pParent;
		}
		
		// 50 作为 40 的右孩子
		pSubL->_pRight = pParent;
		// 因为 50 可能是棵子树，因此在更新其双亲前必须先保存 50 的双亲
		Node* pPParent = pParent->_pParent;
		// 更新 50 的双亲
		pParent->_pParent = pSubL;
		// 更新 40 的双亲
		pSubL->_pParent = pPParent;
		// 如果 50 是根节点，根新指向根节点的指针
		if (nullptr == pPParent){
			pRoot = pSubL;
			pSubL->_pParent = nullptr;
		}
		else{
			// 如果 50 是子树，可能是其双亲的左子树，也可能是右子树
			if (pPParent->_pLeft == pParent) {
				pPParent->_pLeft = pSubL;
			}
			else {
				pPParent->_pRight = pSubL;
			}
		}
		// 根据调整后的结构更新部分节点的平衡因子
		pParent->_bf = pSubL->_bf = 0;
	}

2.2 左单旋

和右单旋正好相反

2.3. 双旋 — 先左单旋再右单旋

在这里插入图片描述

2.4. 双旋 — 先右单旋再左单旋

和上面的正好相反

2.5. 总结

在这里插入图片描述
旋转完成后，原 pParent 为根的子树个高度降低，已经平衡，不需要再向上更新

3、AVL树的特点与性能分析

需要通过多次的旋转来保证搜索性能
左右子树都是AVL树
左右子树高度之差(简称平衡因子)的绝对值不超过1(-1/0/1)
搜索时间复杂度O(log₂N )

4、AVL树的验证

AVL树是在二叉搜索树的基础上加入了平衡性的限制，因此要验证AVL树，可以分两步：

验证其为二叉搜索树，如果中序遍历可得到一个有序的序列，就说明为二叉搜索树
验证其为平衡树，判断每个节点的左子树高度和右子树高度，如果全部都在 -1 ~ 1 的范围，则说明平衡

	//计算深度
	int Height(Node* pRoot){
		if (root == NULL){
			return 0;
		}
		if (root->left == NULL && root->right == NULL){
			return 1;
		}
		int left = GetHeight(root->left);
		int right = GetHeight(root->right);
		return max(left,right)+1;
	}

	//判断是否平衡
	bool IsBalanceTree(Node* pRoot){
		if (nullptr == pRoot) {
			return true;
		}
		// 计算pRoot节点的平衡因子：即pRoot左右子树的高度差
		int leftHeight = Height(pRoot->_pLeft);
		int rightHeight = Height(pRoot->_pRight);
		int diff = abs(rightHeight - leftHeight);
		if (diff > 1)){
			return false;
		}
		return IsBalanceTree(pRoot->_pLeft) && IsBalanceTree(pRoot->_pRight);
	}