《数据结构、算法与应用C++语言描述》- 平衡搜索树 -全网唯一完整详细实现插入和删除操作的模板类

平衡搜索树

完整可编译运行代码见：Github::Data-Structures-Algorithms-and-Applications/_34Balanced search tree

概述

本章会讲AVL、红-黑树、分裂树、B-树。

平衡搜索树的应用？

AVL 和红-黑树和分裂树适合内部存储的应用。

B-树适合外部存储的应用，例如，存储在磁盘上的大型词典。

STL类map 和 multimap使用的是红-黑树结构，以保证查找、插入和删除操作具有对数级的时间性能。

什么时候适合用平衡搜索树？

  • 按关键字实施字典操作，而且操作时间不能超过指定的范围。
  • 按名次实施的查找和删除操作。
  • 不按精确的关键字匹配所进行的字典操作(例如寻找关键字大于k的最小元素)。

AVL和红-黑树的旋转？

AVL树对每个插人操作最多需要一次旋转，对每个删除操作最多需要O(logn)次旋转。

红-黑树对每个插入和删除操作，都只需要一次旋转。

当一次旋转只需用时 Θ ( 1 ) \Theta(1) Θ(1)时，他们之间的区别不明显。但是当一次旋转的时间复杂度比较高时，比如平衡优先搜索树。平衡优先搜索树用于描述具有二维关键字的元素，此时，每个关键字是一数对(x，y)。它是关于y的优先队列，同时又是关于x的搜索树。在这样的树中，每一次旋转都需耗时 O(logn)。如果用红-黑树来描述平衡优先搜索树，则因为每一次插入或删除仅需要执行一次旋转，所以插入或删除操作的总时间仍保持为O(logn)。当使用AVL树时，则删除操作的时间将变为 O ( l o g 2 n ) O(log^2n) O(log2n)。

AVL树

定义

如果搜索树的高度总是O（logn），我们就能保证查找、插人和删除的时间为O（logn）。最坏情况下的高度为O（logn）的树称为平衡树（balanced tree）。比较流行的一种平衡树是AVL树（AVL tree），它是Adelson-Velskii 和 Landis在 1962年提出的。

定义15-1一棵空的二叉树是AVL树；如果T是一棵非空的二叉树， T L T_L TL​和 T R T_R TR​分别是其左子树和右子树，那么当T满足以下条件时，T是一棵AVL树：

1） T L T_L TL​和 T R T_R TR​是AVL树；2） ∣ h L − h R ∣ < 1 |h_L-h_R|<1 ∣hL​−hR​∣<1，其中 h L h_L hL​和 h R h_R hR​分别是 T L T_L TL​和 T R T_R TR​的高。

一棵AVL搜索树既是二叉搜索树，也是AVL树。

一棵索引AVL搜索树既是索引二叉搜索树，也是AVL树。

用AVL搜索树来描述字典的要求

如果用AVL搜索树来描述字典，并在对数级时间内完成每一种字典操作，那么，我们必须确定AVL树的下述特征：
1）一棵n个元素的AVL树，其高度是O（logn）。

2）对于每一个n， n ≥ 0 n\geq 0 n≥0，都存在一棵AVL树。

3）对一棵n元素的AVL搜索树，在O（高度）=O（logn）的时间内可以实现查找。

4）将一个新元素插入一棵n元素的AVL搜索树中，可以得到一棵n+1个元素的AVL树，而且插人用时为O（logn）。

5）一个元素从一棵n元素的AVL搜索树中删除，可以得到一棵n-1个元素的AVL树，而且删除用时为O（logn）。

AVL树的高度

对一棵高度为h的AVL树，令 N h N_h Nh​是其最少的节点数。在最坏情况下，根的一棵子树的高度是h-1，另一棵子树的高度是h-2，而且两棵子树都是AVL树。因此有：

N h = N h − 1 + N h − 2 + 1 ， N 0 = 0 且 N 1 = 1 N_h=N_{h-1}+N_{h-2}+1，N_0=0且N_1=1 Nh​=Nh−1​+Nh−2​+1，N0​=0且N1​=1

N h N_h Nh​的定义与斐波拉契数列的定义是相似的：

F n = F n − 1 + F n − 2 , F 0 = 0 且 F 1 = 1 F_n = F_{n - 1} + F_{n-2}, F_0=0且F_1 = 1 Fn​=Fn−1​+Fn−2​,F0​=0且F1​=1

经分析可得 N h N_h Nh​的列表为：1，2，4，7，12，20，33…

F n F_n Fn​的列表为：1，1，2，3，5，8，13，21，34…

因此 N h N_h Nh​可以表示为：

N h = F h + 2 − 1 , h ≥ 0 N_h=F_{h+2}-1,h\geq 0 Nh​=Fh+2​−1,h≥0

由斐波拉契定理可知：

F h = ϕ h 5 F_h=\frac{\phi^h}{\sqrt{5}} Fh​=5 ​ϕh​，其中 ϕ = 1 + 5 2 \phi=\frac{1+\sqrt{5}}{2} ϕ=21+5 ​​，因此 N h ≈ ϕ h + 2 5 − 1 N_h\approx\frac{\phi^{h+2}}{\sqrt{5}}-1 Nh​≈5 ​ϕh+2​−1。如果树中有n个节点，那么树的最大高度为： l o g ϕ ( 5 ( n + 1 ) ) − 2 ≈ 1.44 l o g 2 ( n + 2 ) = O ( l o g n ) log_{\phi}(\sqrt{5}(n+1))-2\approx1.44log_2(n+2)=O(logn) logϕ​(5 ​(n+1))−2≈1.44log2​(n+2)=O(logn)。

证明了AVL树的最大高度满足O(logn)。

AVL树的描述

链表描述-平衡因子

AVL树一般用链表描述。但是，为简化插入和删除操作，我们为每个节点增加一个平衡因子bf。节点x的平衡因子bf（x）定义为：x的左子树高度-x的右子树高度
从AVL树的定义可以知道，平衡因子的可能取值为-1、0和1。图15-1是两棵带有平衡因子的AVL搜索树。

在这里插入图片描述

AVL树的搜索

与二叉搜索树的搜索方法一致。

假设要查找关键字为theKey的元素。先从根开始查找。如果根为空，那么搜索树不包含任何元素，即查找失败。如果不空，则将 theKey与根的关键字相比较。如果 theKey小，那么就不必在右子树中查找，只要查找左子树。如果theKey大，则正好相反，只需查找右子树。如果 theKey等于根的关键字，则查找成功。时间复杂度为O(n)。

AVL树的插入

插入新的元素可能会导致不平衡。在插入之前，从根节点往下移动寻找插入新元素的位置时，设X是最后一个具有-1或1平衡因子的节点。

如果节点X不存在，那么从根节点至新插入节点的途径中，所有节点在插入前的平衡因子都是0。由于插人操作只会使平衡因子增减0或1，并且只有从根节点至新插入节点的途径中的节点的平衡因子会被改变，所以插入后，树的平衡不会被破坏。因此，只有插人后的树是不平衡的，X才存在。

一棵树从平衡变为不平衡的唯一过程是：在插人操作之后，平衡因子bf（X）的值由-1变为-2，或者由1变为2。当插入元素后，X是离新插入节点最近的祖先，且平衡因子是-2或2。

节点X的不平衡情况有两类：L型不平衡（新插人节点在X的左子树中）和R型不平衡。

L型不平衡可以分为两类：

  • LL：新插入节点在X节点的左子树的左子树中

在这里插入图片描述

  • LR：新插入节点在X节点的左子树的右子树中

在这里插入图片描述

R型不平衡可以分为两类：

  • RL：新插入节点在X节点的右子树的左子树中

在这里插入图片描述

  • RR：新插入节点在X节点的右子树的右子树中

在这里插入图片描述

因此，AVL树中插入节点可能会导致不平衡的情况总共分为四类。

解决不平衡的方法：

LL旋转

下图是一种普通的LL型不平衡。图a是插入前的条件，图b是在节点B的左子树BL中插人一个元素后的情形。恢复平衡所进行的子树移动如图c所示。原来以X为根节点的子树，现在以B为根节点，BL’仍然是B的左子树，X变成B的右子树的根，BR变成X的左子树，X的右子树不变。随着X的平衡因子的改变，在从B到新插入节点的路径上，BL’的所有节点的平衡因子都要改变。其他节点的平衡因子与旋转前的一致。因为图a和图c的子树的高度是一样的，所以它们的祖父节点如果存在的话，其平衡因子与插入前是一样的。因此所有节点的平衡因子都是-1、0或1。

在这里插入图片描述

LR旋转

下图给出了一种普通的LR型不平衡。因为插人操作发生在B的右子树，所以这棵子树在插入后不可能为空，因此节点C是存在的。但是，C的子树CL和CR有可能为空。为了恢复平衡，需要对子树进行重新整理，如图c所示，将C作为根，B作为C的左子树，B的左子树不变，B的右子树指向C的左子树；X作为C的右子树，X的左子树指向C的右子树，X的右子树不变。重新整理后，bf（B）和 bf（X）的值取决于bf（C）在插入之后、重新整理之前的值b。重新整理后的子树仍是二叉搜索树。另外，因为图a 和图c的子树的高度是相同的，所以它们的祖先如果存在，其平衡因子在插入前与在插入后也是相同的。因此，在节点A的一个LR旋转即可完成整个树的重新平衡。

可以理解为X的左孩子的RR旋转和X的LL旋转。

注意事项：需要检查X的左孩子的右孩子是否存在，如果存在，则执行此算法；如果不存在，则需要执行LL算法。

在这里插入图片描述

RR旋转

下图是一种普通的RR型不平衡。图a是插入前的条件，图b是在节点B的右子树BR中插人一个元素后的情形。恢复平衡所进行的子树移动如图c所示。原来以X为根节点的子树，现在以B为根节点，BR’仍然是B的右子树，X变成B的左子树的根，BL变成X的右子树，X的左子树不变。随着X的平衡因子的改变，在从B到新插入节点的路径上，BR’的所有节点的平衡因子都要改变。其他节点的平衡因子与旋转前的一致。因为图a和图c的子树的高度是一样的，所以它们的祖父节点如果存在的话，其平衡因子与插入前是一样的。因此所有节点的平衡因子都是-1、0或1。

在这里插入图片描述

RL旋转

下图给出了一种普通的RL型不平衡。因为插人操作发生在B的左子树，所以这棵子树在插入后不可能为空，因此节点C是存在的。但是，C的子树CL和CR有可能为空。为了恢复平衡，需要对子树进行重新整理，如图c所示，将C作为根，B作为C的右子树，B的右子树不变，B的左子树指向C的右子树；X作为C的左子树，X的右子树指向C的左子树，X的左子树不变。重新整理后，bf（B）和 bf（X）的值取决于bf（C）在插入之后、重新整理之前的值b。重新整理后的子树仍是二叉搜索树。另外，因为图a 和图c的子树的高度是相同的，所以它们的祖先如果存在，其平衡因子在插入前与在插入后也是相同的。因此，在节点A的一个RL旋转即可完成整个树的重新平衡。

可以理解为X的右孩子的LL旋转和X的RR旋转。

注意事项：需要检查X的右孩子的左孩子是否存在，如果存在，则执行此算法；如果不存在，则需要执行LL算法。

在这里插入图片描述

插入节点的步骤

使用递归的方法：沿着从根节点开始的路径，根据新元素的关键字，去寻找新元素的插入位置。

  • 终止条件：所传递的参数cur节点为nullptr。new一个新的AVLTreeNode节点。
  • 如果插入元素的键值大于当前节点的键值，则递归到当前节点的左孩子。根据当前cur的bf值决定是否执行LL旋转或LR旋转。
  • 如果插入元素的键值小于当前节点的键值，则递归到当前节点的右孩子。根据当前cur的bf值决定是否执行RR旋转或RL旋转。
  • 如果插入元素的键值等于当前节点的键值，则更新当前节点的值为新的值。
  • 每轮递归都要更新当前节点的高度。

AVL树的删除

删除一个节点后，记录其父亲节点q。如果要删除图15-1b中关键字为25的元素，那么该元素的节点被删除，并且根节点的右孩子指针指向被删除节点的唯一孩子。因为根节点是被删除节点的父节点，所以q就是根节点。如果要删除的是关键字为15的元素，那么该元素的节点将被关键字为12的元素所占用，而
12的原节点被删除。这时的q是原15的节点（根的左孩子）。

**从根到q的路径上的一些节点或全部节点的平衡因子都可能会改变，所以要从q沿原路折回，可以使用栈存储被删除节点的所有祖先，以便后续调整平衡树。**如果删除发生在q的左子树，那么bf（q）减1。如果删除发生在q的右子树，那么bf（q）加1。下面是删除的几种情形：

  • D1：如果q的新平衡因子是0，那么它的高度减少了1，这时需要改变它的父节点（如果有的话）的平衡因子，而且可能需要改变其他祖先节点的平衡因子。
  • D2：如果q的新平衡因子是-1或1，那么它的高度与删除前相同，而且无需改变其祖先的平衡因子值。
  • D3：如果q的新平衡因子是-2或2，那么树在q处是不平衡的。

从q到根节点的路径上，节点的平衡因子可能发生很大变化，有的节点的平衡因子有可能变为-2或2。令A是第一个这样的节点。要恢复A节点的平衡，需要根据不平衡的类型而定。如果删除发生在A的左子树，那么不平衡类型是L型；否则，不平衡类型就是R型。如果在删除后，bf（A）=2，那么在删除前，bf（A）的值一定为1。因此，A有一棵以B为根的左子树。根据bf（B）的值，可以把一个R型不平衡细分为R0，R1和R-1，把一个L型不平衡细分为L0，L1和L-1。

  • R0型：就是B节点的bf为0。子树的高度在删除前和删除后都是h+2，因此，到根节点途径上的剩余节点没有改变平衡因子，整棵树在一次旋转后获得平衡。其实和LL旋转一样的操作。

在这里插入图片描述

  • R1型：B节点的bf为1。旋转后子树的高度是h+1，比删除前减少了1。因此，如果A不是根节点，它的某些祖先的平衡因子将产生变化，可能需要进行旋转以保持平衡。R1旋转后，必须继续检查至根节点路径上的节点。其实和LL旋转一样的操作。

在这里插入图片描述

  • R-1型：B节点的bf为-1。节点A和B在旋转后的平衡因子取决于B的右孩子的平衡因子b。这次旋转得到了一棵高度为h1的子树，而删除前的子树高度是h+2，因此，在至根节点的路径上需要继续旋转。先来一次B节点的L0旋转，再来一次A节点的R0旋转。

在这里插入图片描述

L0，L1，L-1与R0，R1和R-1差不多，只是方向不同。

代码

AVLTree.h

/*
Project name :			_34Balanced_search_tree
Last modified Date:		2023年12月27日10点57分
Last Version:			V1.0
Descriptions:			AVL树模板类
*/#ifndef _34BALANCED_SEARCH_TREE_AVLTREE_H
#define _34BALANCED_SEARCH_TREE_AVLTREE_H
#include "AVLTreeNode.h"
#include "dictionary.h"
#include <stack>
using namespace std;void AVLTreeTest();template<class K, class E>
class AVLTree : public dictionary<K,E>{
public:AVLTree(){root = nullptr;treeSize = 0;}[[nodiscard]] bool empty() const {return treeSize == 0;}[[nodiscard]] int size() const {return treeSize;}pair<K, E>* find(K theKey) const;void insert(pair<K, E>& thePair) {insert(thePair, root);}void erase(K theKey);/*中序遍历二叉树，使用函数指针的目的是是的本函数可以实现多种目的*/void inOrder(void(*theVisit)(AVLTreeNode<pair<K, E>>*)){visit = theVisit;/*是因为递归，所以才要这样的*/inOrder(root);/*这里调用的是静态成员函数inOrder()*/}/*中序遍历---输出endl*/void inOrderOutput() { inOrder(output); cout << endl; }/*前序遍历二叉树，使用函数指针的目的是是的本函数可以实现多种目的*/void preOrder(void(*theVisit)(AVLTreeNode<pair<K, E>>*)){visit = theVisit;/*是因为递归，所以才要这样的*/preOrder(root);/*这里调用的是静态成员函数preOrder()*/}/*中序遍历---输出endl*/void preOrderOutput() { preOrder(output); cout << endl; }private:AVLTreeNode<pair<K, E>>* root;// 指向根的指针int treeSize;// 树的结点个数static void (*visit)(AVLTreeNode<pair<K, E>>*);//是一个函数指针,返回值为void 函数参数为binaryTreeNode<pair<K, E>>*static void output(AVLTreeNode<pair<K, E>>* t) { cout << *t << endl; }static void inOrder(AVLTreeNode<pair<K, E>>* t);static void preOrder(AVLTreeNode<pair<K, E>>* t);void rotateLL(AVLTreeNode<pair<K, E>>*& x);void rotateLR(AVLTreeNode<pair<K, E>>*& x);void rotateRR(AVLTreeNode<pair<K, E>>*& x);void rotateRL(AVLTreeNode<pair<K, E>>*& x);void insert(pair<K, E>& thePair, AVLTreeNode<pair<K, E>>*& cur);
};/*私有静态成员初始化*/
/*这里是静态函数指针成员的初始化，不初始化会引发LINK错误*/
template<class K, class E>
void (*AVLTree<K,E>::visit)(AVLTreeNode<pair<K, E>>*) = 0;      // visit function/*中序遍历 递归*/
template<class K, class E>
void AVLTree<K,E>::inOrder(AVLTreeNode<pair<K, E>>* t)
{if (t != nullptr){inOrder(t->leftChild);/*中序遍历左子树*/visit(t);/*访问树根*/inOrder(t->rightChild);/*中序遍历右子树*/}
}/*前序遍历 递归*/
template<class K, class E>
void AVLTree<K,E>::preOrder(AVLTreeNode<pair<K, E>>* t)
{if (t != nullptr){visit(t);/*访问树根*/preOrder(t->leftChild);/*中序遍历左子树*/preOrder(t->rightChild);/*中序遍历右子树*/}
}/*  查找元素*  输入：theKey表示需要查找元素的键值*  输出：键值为theKey的节点的pair地址*  时间复杂度：O(logn)，n表示节点个数*/
template<class K, class E>
pair<K, E>* AVLTree<K,E>::find(K theKey) const
{// 返回值是匹配数对的指针// 如果没有匹配的数对，返回值为nullptr// p从根节点开始搜索，寻找关键字等于theKey的一个元素AVLTreeNode<pair<K, E> > *p = root;while (p != nullptr)// 检查元素 p->elementif (theKey < p->element.first)p = p->leftChild;elseif (theKey > p->element.first)p = p->rightChild;else // 找到匹配的元素return &p->element;// 没找到匹配的元素return nullptr;
}/**  LL旋转：在x的左孩子的左孩子插入元素的时候使用*  输入：AVLTreeNode<pair<K, E>>* x，x表示从根节点往下移动寻找插入新元素的位置时，最后一个具有-1或1平衡因子的节点。*  输出：void*  时间复杂度：O(1)*/
template<class K, class E>
void AVLTree<K,E>::rotateLL(AVLTreeNode<pair<K, E>>*& x){AVLTreeNode<pair<K, E>>* b = x->leftChild;x->leftChild = b->rightChild;b->rightChild = x;// 更新x的高度if(x->leftChild != nullptr && x->rightChild != nullptr)x->height = max(x->leftChild->height, x->rightChild->height) + 1;else if(x->leftChild != nullptr)x->height = x->leftChild->height + 1;else if(x->rightChild != nullptr)x->height = x->rightChild->height + 1;elsex->height = 1;// 更新b的高度if(b->leftChild != nullptr && b->rightChild != nullptr)b->height = max(b->leftChild->height, b->rightChild->height) + 1;else if(b->leftChild != nullptr)b->height = b->leftChild->height + 1;else if(x->rightChild != nullptr)b->height = b->rightChild->height + 1;elseb->height = 1;x = b;
}
/**  RR旋转：在x的右孩子的右孩子插入元素的时候使用*  输入：AVLTreeNode<pair<K, E>>* x，x表示从根节点往下移动寻找插入新元素的位置时，最后一个具有-1或1平衡因子的节点。*  输出：void*  时间复杂度：O(1)*/
template<class K, class E>
void AVLTree<K,E>::rotateRR(AVLTreeNode<pair<K, E>>*& x){AVLTreeNode<pair<K, E>>* b = x->rightChild;x->rightChild = b->leftChild;b->leftChild = x;// 更新x的高度if(x->leftChild != nullptr && x->rightChild != nullptr)x->height = max(x->leftChild->height, x->rightChild->height) + 1;else if(x->leftChild != nullptr)x->height = x->leftChild->height + 1;else if(x->rightChild != nullptr)x->height = x->rightChild->height + 1;elsex->height = 1;// 更新b的高度if(b->leftChild != nullptr && b->rightChild != nullptr)b->height = max(b->leftChild->height, b->rightChild->height) + 1;else if(b->leftChild != nullptr)b->height = b->leftChild->height + 1;else if(x->rightChild != nullptr)b->height = b->rightChild->height + 1;elseb->height = 1;x = b;
}
/**  LR旋转:在x的左孩子的右孩子插入元素的时候使用*  输入：AVLTreeNode<pair<K, E>>* x，x表示从根节点往下移动寻找插入新元素的位置时，最后一个具有-1或1平衡因子的节点。*  输出：void*  时间复杂度：O(1)*/
template<class K, class E>
void AVLTree<K,E>::rotateLR(AVLTreeNode<pair<K, E>>*& x){rotateRR(x->leftChild);rotateLL(x);
}/**  RL旋转：在x的右孩子的左孩子插入元素的时候使用*  输入：AVLTreeNode<pair<K, E>>* x，x表示从根节点往下移动寻找插入新元素的位置时，最后一个具有-1或1平衡因子的节点。*  输出：void*  时间复杂度：O(1)*/
template<class K, class E>
void AVLTree<K,E>::rotateRL(AVLTreeNode<pair<K, E>>*& x){rotateLL(x->rightChild);rotateRR(x);
}/**  插入元素*  输入：const pair<K, E> thePair表示需要插入的键值对*  输出：void*  时间复杂度：O(logn)，表示节点个数*/
template<class K, class E>
void AVLTree<K,E>::insert(pair<K, E>& thePair, AVLTreeNode<pair<K, E>>*& cur)
{if(cur == nullptr){cur = new AVLTreeNode<pair<K, E> > (thePair, nullptr, nullptr);treeSize++;}else if(thePair.first < cur->element.first){insert(thePair, cur->leftChild);// 计算bf，检查bf是否 == 2，如果是需要调整平衡int bf = 0;if(cur->leftChild != nullptr && cur->rightChild != nullptr)bf = cur->leftChild->height - cur->rightChild->height;else if(cur->leftChild != nullptr)bf = cur->leftChild->height;else if(cur->rightChild != nullptr)bf = 0 - cur->rightChild->height;elsebf = 0;if(bf == 2){if(thePair.first < cur->leftChild->element.first)// 左左插入rotateLL(cur);// 单旋转else // 左右插入{if(cur->leftChild->rightChild == nullptr)rotateLL(cur);// 当当前节点的左孩子的右孩子为空时，找不到示意图中替换的C节点elserotateLR(cur);}}}else if(thePair.first > cur->element.first){insert(thePair, cur->rightChild);// 计算bf，检查bf是否等于-2，如果是需要调整平衡int bf = 0;if(cur->leftChild != nullptr && cur->rightChild != nullptr)bf = cur->leftChild->height - cur->rightChild->height;else if(cur->leftChild != nullptr)bf = cur->leftChild->height;else if(cur->rightChild != nullptr)bf = 0 - cur->rightChild->height;elsebf = 0;if(bf == -2){if(thePair.first > cur->rightChild->element.first) // 右右插入rotateRR(cur);// 单旋转else // 右左插入{if(cur->rightChild->leftChild == nullptr)rotateRR(cur);// 当当前节点的左孩子的右孩子为空时，找不到示意图中替换的C节点elserotateRL(cur);}}}else// 如果键值已经存在的话，就更新元素cur->element.second = thePair.second;// 更新cur节点的高度if(cur->leftChild != nullptr && cur->rightChild != nullptr)cur->height = max(cur->leftChild->height, cur->rightChild->height) + 1;else if(cur->leftChild != nullptr)cur->height = cur->leftChild->height + 1;else if(cur->rightChild !=nullptr)cur->height = cur->rightChild->height + 1;elsecur->height = 1;
}
/**  删除元素*  输入：const K theKey表示需要删除元素的键值*  输出：void*  时间复杂度：O(logn)，n表示节点个数*/
template<class K, class E>
void AVLTree<K,E>::erase(K theKey)
{// 删除关键字等于theKey的数对// 查找关键字为theKey的节点// 前面的删除节点的步骤与二叉搜索树的一致；但是要记录一下路径stAVLTreeNode<pair<K, E> > *p = root,*pp = nullptr;stack<AVLTreeNode<pair<K, E> > *> st;// 记录轨迹while (p != nullptr && p->element.first != theKey){pp = p;st.push(pp);// 记录轨迹if (theKey < p->element.first)p = p->leftChild;elsep = p->rightChild;}if (p == nullptr)return; // 不存在与关键字theKey匹配的数对// 重新组织树结构// 当p有两个孩子时的处理if (p->leftChild != nullptr && p->rightChild != nullptr){// 两个孩子// 在P的左子树中寻找最大元素AVLTreeNode<pair<K, E> > *s = p->leftChild,*ps = p;  // s的父节点while (s->rightChild != nullptr){// 移动到更大的pairps = s;st.push(ps);// 记录轨迹s = s->rightChild;// 右孩子比较大}// 将最大元素s移到p// p->element = s->element 的键值是 const// 当最大值就是p的左孩子时，new的元素不能直接指向p的左孩子，而要指向p的左孩子的左孩子(此时p的左孩子没有右孩子)，因为到时候s会被delete掉,这个问题在后面的p至多有一个孩子那里解决的AVLTreeNode<pair<K, E> >* q = nullptr;q = new AVLTreeNode<pair<K, E> >(s->element, p->leftChild, p->rightChild, p->height);// pp是p的父节点// 如果p没有父节点if (pp == nullptr)root = q;else if (p == pp->leftChild)// 如果p是pp的左孩子pp->leftChild = q;else// 如果p是pp的右孩子pp->rightChild = q;// 如果s的父节点就是p，说明p节点的左子树只有左子树没有右子树// 那么删除p后pp就是其父节点if (ps == p) pp = q;else pp = ps;// 反之ps是其父节点delete p;p = s;}// p至多只有一个孩子// 把孩子的指针存放到cAVLTreeNode<pair<K, E> > *c;if (p->leftChild != nullptr)c = p->leftChild;elsec = p->rightChild;// 删除pif (p == root)root = c;else{// p是pp的左孩子还是右孩子if (p == pp->leftChild)pp->leftChild = c;else pp->rightChild = c;}treeSize--;delete p;// 调整平衡int bf = 0;bool isRoot = false;// 如果当前节点是根节点，当调整树之后，需要更新root指向的节点while(!st.empty()){p = st.top();st.pop();// 更新p节点的高度和其bf值if(p->leftChild != nullptr && p->rightChild != nullptr){p->height = max(p->leftChild->height, p->rightChild->height) + 1;bf = p->leftChild->height - p->rightChild->height;}else if(p->leftChild != nullptr){p->height = p->leftChild->height + 1;bf = p->leftChild->height;}else if(p->rightChild != nullptr){p->height = p->rightChild->height + 1;bf = 0 - p->rightChild->height;}else{p->height = 1;// 只有它自己bf = 0;}if(bf == 2)  //  说明被删除节点在当前节点的右子树，是R型不平衡{// 计算当前节点左孩子的bf值int bfL = 0;// p的左孩子一定存在if(p->leftChild->leftChild != nullptr && p->leftChild->rightChild != nullptr)bfL = p->leftChild->leftChild->height - p->leftChild->rightChild->height;else if(p->leftChild->leftChild != nullptr)bfL = p->leftChild->leftChild->height;else if(p->leftChild->rightChild != nullptr)bfL = 0 - p->leftChild->rightChild->height;elsebfL = 0;// R0型if(bfL == 0){if(p == root)isRoot = true;rotateLL(p);if(isRoot)root = p;break;// 不用检查其父节点了}else if(bfL == 1)// R1型{if(p == root)isRoot = true;rotateLL(p);// 需要继续检查其父节点if(isRoot)root = p;}else if(bfL == -1)// R-1型{if(p == root)isRoot = true;if(p->leftChild->rightChild == nullptr)rotateLL(p);// 当当前节点的左孩子的右孩子为空时，找不到示意图中替换的C节点elserotateLR(p);//需要继续检查其父节点if(isRoot)root = p;}else{}// 其他，基本上不存在别的什么情况了}else if(bf == -2) //  说明被删除节点在当前节点的左子树，是L型不平衡{// 计算当前节点左孩子的bf值int bfR = 0;// p的右孩子一定存在if(p->rightChild->leftChild != nullptr && p->rightChild->rightChild != nullptr)bfR = p->rightChild->leftChild->height - p->rightChild->rightChild->height;else if(p->rightChild->leftChild != nullptr)bfR = p->rightChild->leftChild->height;else if(p->rightChild->rightChild != nullptr)bfR = 0 - p->rightChild->rightChild->height;elsebfR = 0;// L0型if(bfR == 0){if(p == root)isRoot = true;rotateRR(p);//需要继续检查其父节点if(isRoot)root = p;break;// 不用检查其父节点了}else if(bfR == 1)// L1型{if(p == root)isRoot = true;rotateRR(p);//需要继续检查其父节点if(isRoot)root = p;}else if(bfR == -1)// L-1型{if(p == root)isRoot = true;if(p->rightChild->leftChild == nullptr)rotateRR(p); // 当当前节点的右孩子的左孩子为空时，找不到示意图中替换的C节点elserotateRL(p);//需要继续检查其父节点if(isRoot)root = p;}else{}// 其他，基本上不存在别的什么情况了}else{}// 其他不操作}
}
// overload << for pair
template <class K, class E>
ostream& operator<<(ostream& out, const pair<K, E>& x)
{out << x.first << ":" << x.second; return out;}template <class K, class E>
ostream& operator<<(ostream& out, const AVLTreeNode<pair<K, E>>& x)
{out << x.element.first << ":" << x.element.second << "  h = " << x.height; return out;}
#endif //_34BALANCED_SEARCH_TREE_AVLTREE_H

AVLTree.cpp

/*
Project name :			_34Balanced_search_tree
Last modified Date:		2023年12月27日10点57分
Last Version:			V1.0
Descriptions:			AVL树测试函数
*/
#include "AVLTree.h"
#include<vector>void AVLTreeTest() {cout << "*************************AVLTreeTest() begin*******************************" << endl;AVLTree<int, char> y;pair<int, char> data(30, 'a');y.insert(data);data = pair<int, char>(35, 'e');y.insert(data);data = pair<int, char>(60, 'c');y.insert(data);data = pair<int, char>(5, 'b');y.insert(data);data = pair<int, char>(2, 'd');y.insert(data);data = pair<int, char>(80, 'f');y.insert(data);data = pair<int, char>(32, 'g');y.insert(data);data = pair<int, char>(85, 'h');y.insert(data);data = pair<int, char>(31, 'i');y.insert(data);data = pair<int, char>(33, 'j');y.insert(data);cout << "Tree size is " << y.size() << endl;cout << "Elements in ascending order are" << endl;y.inOrderOutput();pair<int, char> *s = y.find(60);cout << "Search for 60 succeeds " << endl;cout << s->first << ' ' << s->second << endl;y.erase(60);cout << "60 deleted " << endl;cout << "Tree size is " << y.size() << endl;cout << "Elements in ascending order are" << endl;y.inOrderOutput();s = y.find(80);cout << "Search for 80 succeeds " << endl;cout << s->first << ' ' << s->second << endl;y.erase(80);cout << "80 deleted " << endl;cout << "Tree size is " << y.size() << endl;cout << "Elements in ascending order are" << endl;y.inOrderOutput();s = y.find(30);cout << "Search for 30 succeeds " << endl;cout << s->first << ' ' << s->second << endl;y.erase(30);cout << "30 deleted " << endl;cout << "Tree size is " << y.size() << endl;cout << "Elements in ascending order are" << endl;y.inOrderOutput();s = y.find(35);cout << "Search for 35 succeeds " << endl;cout << s->first << ' ' << s->second << endl;y.erase(35);cout << "35 deleted " << endl;cout << "Tree size is " << y.size() << endl;cout << "Elements in ascending order are" << endl;y.inOrderOutput();s = y.find(2);cout << "Search for 2 succeeds " << endl;cout << s->first << ' ' << s->second << endl;y.erase(2);cout << "2 deleted " << endl;cout << "Tree size is " << y.size() << endl;cout << "Elements in ascending order are" << endl;y.inOrderOutput();s = y.find(32);cout << "Search for 32 succeeds " << endl;cout << s->first << ' ' << s->second << endl;y.erase(32);cout << "32 deleted " << endl;cout << "Tree size is " << y.size() << endl;cout << "Elements in ascending order are" << endl;y.inOrderOutput();s = y.find(5);cout << "Search for 5 succeeds " << endl;cout << s->first << ' ' << s->second << endl;y.erase(5);cout << "5 deleted " << endl;cout << "Tree size is " << y.size() << endl;cout << "Elements in ascending order are" << endl;y.inOrderOutput();cout << "***************************AVLTreeTest() end*******************************" << endl;
}

AVLTreeNode.h

/*
Project name :			_34Balanced_search_tree
Last modified Date:		2023年12月27日10点57分
Last Version:			V1.0
Descriptions:			AVL树节点模板类
*/#ifndef _34BALANCED_SEARCH_TREE_AVLTREENODE_H
#define _34BALANCED_SEARCH_TREE_AVLTREENODE_Htemplate<class T>
struct AVLTreeNode {T element;AVLTreeNode<T> *leftChild,   // 左子树*rightChild;  // 右子树// 记录height即可，需要bf的值可以根据height来计算，但是bf值本身没有特别的意义，只是为了方便分析各种不平衡的情况int height;AVLTreeNode() {leftChild = rightChild = nullptr;height = 0;}explicit AVLTreeNode(T &theElement) : element(theElement) {leftChild = rightChild = nullptr;height = 0;}explicit AVLTreeNode(T &theElement,AVLTreeNode *theLeftChild,AVLTreeNode *theRightChild): element(theElement), leftChild(theLeftChild), rightChild(theRightChild) {height = 0;}explicit AVLTreeNode(T &theElement,AVLTreeNode *theLeftChild,AVLTreeNode *theRightChild, int theHeight): element(theElement), leftChild(theLeftChild), rightChild(theRightChild) {height = theHeight;}
};#endif //_34BALANCED_SEARCH_TREE_AVLTREENODE_H

dictionary.h

/*
Project name :			_33Search_tree
Last modified Date:		2023年12月21日11点13分
Last Version:			V1.0
Descriptions:			字典虚基类
*/#ifndef _33SEARCH_TREE_DICTIONARY_H
#define _33SEARCH_TREE_DICTIONARY_H
#include <iostream>
#include <utility>using namespace std;template<class K, class E>
class dictionary
{
public:virtual ~dictionary() = default;[[nodiscard]] virtual bool empty() const = 0;// 如果字典为空则返回true，反之返回false[[nodiscard]] virtual int size() const = 0;// 返回字典中有多少个pairvirtual pair<K, E>* find(K) const = 0;// 根据键值返回pair的指针virtual void erase(K) = 0;// 根据键值移除pair元素virtual void insert(pair<K, E>&) = 0;// 插入一个(key, value)pair到字典中
};
#endif //_33SEARCH_TREE_DICTIONARY_H

main.cpp

#include <iostream>
#include "AVLTree.h"int main() {AVLTreeTest();return 0;
}

运行结果

"C:\Users\15495\Documents\Jasmine\prj\_Algorithm\Data Structures, Algorithms and Applications in C++\_34Balanced search tree\cmake-build-debug\_34Balanced_search_tree.exe"
*************************AVLTreeTest() begin*******************************
Tree size is 10
Elements in ascending order are
2:d  h = 1
5:b  h = 2
30:a  h = 1
31:i  h = 3
32:g  h = 2
33:j  h = 1
35:e  h = 4
60:c  h = 1
80:f  h = 2
85:h  h = 1Search for 60 succeeds
60 c
60 deleted
Tree size is 9
Elements in ascending order are
2:d  h = 1
5:b  h = 2
30:a  h = 1
31:i  h = 3
32:g  h = 2
33:j  h = 1
35:e  h = 4
80:f  h = 2
85:h  h = 1Search for 80 succeeds
80 f
80 deleted
Tree size is 8
Elements in ascending order are
2:d  h = 1
5:b  h = 2
30:a  h = 1
31:i  h = 4
32:g  h = 2
33:j  h = 1
35:e  h = 3
85:h  h = 1Search for 30 succeeds
30 a
30 deleted
Tree size is 7
Elements in ascending order are
2:d  h = 1
5:b  h = 2
31:i  h = 4
32:g  h = 2
33:j  h = 1
35:e  h = 3
85:h  h = 1Search for 35 succeeds
35 e
35 deleted
Tree size is 6
Elements in ascending order are
2:d  h = 1
5:b  h = 2
31:i  h = 4
32:g  h = 1
33:j  h = 3
85:h  h = 1Search for 2 succeeds
2 d
2 deleted
Tree size is 5
Elements in ascending order are
5:b  h = 1
31:i  h = 2
32:g  h = 1
33:j  h = 3
85:h  h = 1Search for 32 succeeds
32 g
32 deleted
Tree size is 4
Elements in ascending order are
5:b  h = 1
31:i  h = 2
33:j  h = 3
85:h  h = 1Search for 5 succeeds
5 b
5 deleted
Tree size is 3
Elements in ascending order are
31:i  h = 1
33:j  h = 2
85:h  h = 1***************************AVLTreeTest() end*******************************Process finished with exit code 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.mzph.cn/news/588906.shtml

如若内容造成侵权/违法违规/事实不符，请联系多彩编程网进行投诉反馈email:809451989@qq.com，一经查实，立即删除！

相关文章

[Ray Tracing: The Rest of Your Life] 笔记

[Ray Tracing: The Rest of Your Life] 笔记

前言 开年第一篇博客~ 整理了三四个小时才整理完orz。 这一部分是光线追踪三部曲的最后一部&#xff0c;主要介绍了蒙特卡洛积分、重要性采样等内容。场景上没有什么大的改变&#xff0c;基本上就是在Cornell Box中渲染的&#xff0c;本篇主要在加速收敛&#xff0c;提升渲染效…
阅读更多...
【快速全面掌握 WAMPServer】09.如何在 WAMPServer 中安装 Composer

【快速全面掌握 WAMPServer】09.如何在 WAMPServer 中安装 Composer

网管小贾 / sysadm.cc WAMPServer 的大名想必应该有不少人特别是新手小白们略有耳闻吧。 它是出自法国大神之手的一款 PHP 开发环境集成包&#xff0c;工作于 Windows 环境&#xff0c;类似于它这样的集成包在 Linux 平台上反正我是没找到&#xff0c;所以它应该算是对使用 Wi…
阅读更多...
MIT线性代数笔记-第35讲-期末复习

MIT线性代数笔记-第35讲-期末复习

目录 35.期末复习打赏 35.期末复习 已知一个矩阵 A A A满足 A x ⃗ [ 1 0 0 ] A \vec{x} \begin{bmatrix} 1 \\ 0 \\ 0 \end{bmatrix} Ax ​100​ ​无解且 A x ⃗ [ 0 1 0 ] A \vec{x} \begin{bmatrix} 0 \\ 1 \\ 0 \end{bmatrix} Ax ​010​ ​仅有一个解 (1)求 A A A的…
阅读更多...
linux安装rabbitmq

linux安装rabbitmq

文章目录 前言一、下载安装包二、erlang1.安装依赖2.解压3.安装4.环境变量5.验证 三、rabbitmq1.安装依赖2.解压3.新建目录4.rabbitmq.env.conf5.rabbitmq.conf6.环境变量7.启动8.验证9.停止 四、安装web1.安装插件2.访问控制台界面 五、开机启动1.编写脚本2.设置开机启动3.测试…
阅读更多...
硬件安全模块 (HSM)、硬件安全引擎 (HSE) 和安全硬件扩展 (SHE)的区别

硬件安全模块 (HSM)、硬件安全引擎 (HSE) 和安全硬件扩展 (SHE)的区别

术语 硬件安全模块 (HSM) &#xff1a;Hardware Security Modules硬件安全引擎 (HSE) &#xff1a;Hardware Security Engines安全硬件扩展 (SHE) &#xff1a; Secure Hardware Extensions 介绍 在汽车行业中&#xff0c;硬件安全模块 (HSM)、硬件安全引擎 (HSE) 和安全硬件…
阅读更多...
Android长按图标展示快捷方式

Android长按图标展示快捷方式

if (Build.VERSION.SDK_INT > Build.VERSION_CODES.O) {new Thread(() -> {// 获取ShortcutManager实例ShortcutManager shortcutManager getSystemService(ShortcutManager.class);// 创建要添加的快捷方式ShortcutInfo.Builder shortcutBuilder new ShortcutInfo.Bui…
阅读更多...
[蓝桥杯2020国赛]答疑

[蓝桥杯2020国赛]答疑

答疑 题目描述 有 n 位同学同时找老师答疑。每位同学都预先估计了自己答疑的时间。 老师可以安排答疑的顺序&#xff0c;同学们要依次进入老师办公室答疑。 一位同学答疑的过程如下&#xff1a; 首先进入办公室&#xff0c;编号为 i 的同学需要 si​ 毫秒的时间。然后同学问…
阅读更多...
python脚本实现一次提取多个文件下的图片

python脚本实现一次提取多个文件下的图片

problem formulation 有时候下载的数据集如下&#xff0c;就很烦&#xff0c;一个里面就一张图片 code import os import shutil# 定义源目录和目标目录 source_dir ./dataset/data/Detection destination_dir ./dataset/data/img# 确保目标目录存在&#xff0c;如果不存…
阅读更多...
css原子化的框架Tailwindcss的使用教程(原始html和vue项目的安装与配置)

css原子化的框架Tailwindcss的使用教程(原始html和vue项目的安装与配置)

安装教程 中文官网教程 原始的HTML里面使用 新建文件夹npm init -y 初始化项目 安装相关依赖 npm install -D tailwindcss postcss-cli autoprefixer初始化两个文件 npx tailwindcss init -p根目录下新建src/style.css tailwind base; tailwind components; tailwind ut…
阅读更多...
图神经网络--GNN从入门到精通

图神经网络--GNN从入门到精通

图神经网络--GNN从入门到精通 一、图的基本表示和特征工程1.1 什么是图1.2 图的基本表示1.3 图的性质--度&#xff08;degree)1.4 连通图&#xff0c;连通分量1.5有向图连通性1.6图直径1.7度中心性1.7特征中心性&#xff08; Eigenvector Centrality&#xff09;1.8中介中心性 …
阅读更多...
CentOS 7 实战指南：目录操作命令详解

CentOS 7 实战指南：目录操作命令详解

写在前面 想要在 CentOS 7 系统下更高效地进行目录操作吗&#xff1f;不要犹豫&#xff0c;在这里我为你准备了一篇精彩的技术文章&#xff01;这篇文章将带您深入了解 CentOS 7 下目录操作相关命令的使用方法。无论您是新手还是有一定经验的用户&#xff0c;这篇文章都将为您…
阅读更多...
EasyNTS端口穿透服务新版本发布 0.8.7 增加隧道流量总数记录，可以知晓设备哪个端口耗费流量了

EasyNTS端口穿透服务新版本发布 0.8.7 增加隧道流量总数记录，可以知晓设备哪个端口耗费流量了

EasyNTS上云平台可通过远程访问内网应用&#xff0c;包含网络桥接、云端运维、视频直播等功能&#xff0c;极大地解决了现场无固定IP、端口不开放、系统权限不开放等问题。平台可提供一站式上云服务&#xff0c;提供直播上云、设备上云、业务上云、运维上云服务&#xff0c;承上…
阅读更多...
金蝶云星空其他出库单，审核中/审批流中可以选择序列号设置

金蝶云星空其他出库单，审核中/审批流中可以选择序列号设置

文章目录 其他出库单&#xff0c;审核中&#xff0c;审批流中可以选择序列号设置 其他出库单&#xff0c;审核中&#xff0c;审批流中可以选择序列号设置
阅读更多...
创建型设计模式 - 抽象工厂模式 - JAVA

创建型设计模式 - 抽象工厂模式 - JAVA

创建型设计模式 - 抽象工厂设计模式 一. 简介二. 列子2.1 定义电脑的抽象类和子类2.2 定义抽象工厂类和其实现类2.3 测试 三. 抽象工厂设计模式的好处四. 抽象工厂模式的案例 前言 这是我在这个网站整理的笔记,有错误的地方请指出&#xff0c;关注我&#xff0c;接下来还会持续…
阅读更多...
AI模型私人订制

AI模型私人订制

使用AI可以把你的脸换成明星的脸&#xff0c;可以用于直播、录播。 AI换脸1 也可以把视频中明星的脸换成你的脸 AI换脸2 之所以能够替换成功&#xff0c;是因为我们有一个AI人物模型&#xff0c;AI驱动这个模型就可以在录制视频的时候替换指定人物的脸。AI模型从哪里来&…
阅读更多...
快速部署supervisord详解

快速部署supervisord详解

Supervisor是一个用于监控和管理进程的工具。它可以在Unix-like系统中启动、停止、重启和管理后台进程&#xff0c;确保这些进程始终保持运行状态。 yum check-update 更新yum软件包索引 yum install epel-release -y 下载eprl源 yum install supervisor -y 直接yu…
阅读更多...
Linux---进程控制

Linux---进程控制

一、进程创建 fork函数 在Linux中fork函数是非常重要的函数&#xff0c;它从已存在进程中创建一个新进程&#xff0c;原进程为父进程 fork函数的功能&#xff1a; 分配新的内存和内核数据结构给子进程将父进程部分数据结构内容拷贝至子进程添加子进程到系统的进程列表中fork返…
阅读更多...
Linux环境编程基础

Linux环境编程基础

静态库和动态库 静态库和动态库 在实际开发中&#xff0c;我们把通用的函数和类分文件编写&#xff0c;称之为库。在其它的程序中&#xff0c;可以使用库中的函数和类。 一般来说&#xff0c;通用的函数和类不提供源代码文件&#xff08;安全性、商业机密&#xff09;&#x…
阅读更多...
【nodejs】前后端身份认证

【nodejs】前后端身份认证

前后端身份认证 一、web开发模式 服务器渲染&#xff0c;前后端分离。 不同开发模式下的身份认证&#xff1a; 服务端渲染推荐使用Session认证机制前后端分离推荐使用JWT认证机制 二、session认证机制 1.HTTP协议的无状态性 了解HTTP协议的无状态性是进一步学习Session认…
阅读更多...
How to Develop Word Embeddings in Python with Gensim

How to Develop Word Embeddings in Python with Gensim

https://machinelearningmastery.com/develop-word-embeddings-python-gensim/ 本教程分为 6 个部分;他们是&#xff1a; 词嵌入 Gensim 库 开发 Word2Vec 嵌入 可视化单词嵌入 加载 Google 的 Word2Vec 嵌入 加载斯坦福大学的 GloVe 嵌入 词嵌入 单词嵌入是一种提供单词的…
阅读更多...
推荐文章
最新文章

Copyright @ 2022~2023