数据结构进阶——AVL树
- 0. 前言
- 1. AVL树的概念
- 2. AVL树节点，和树的定义
- 3. AVL树的插入
- 4. AVL树的旋转
- 5. AVL树的验证
- 6. AVL树的删除（了解）
- 7. AVL树实现完整代码
- 8. AVL树的性能
0. 前言
学习本章，需要大家先掌握搜索二叉树，了解键值对pair。
- 学习搜索二叉树点击此处：https://blog.csdn.net/weixin_73870552/article/details/138686066?spm=1001.2014.3001.5501
1. AVL树的概念
1. 搜索二叉树的弊端：
- 搜索二叉树虽可以缩短查找的效率，但如果数据有序或接近有序二叉搜索树将退化为单支树，查找元素相当于在顺序表中搜索元素，效率低下。因此，两位俄罗斯的数学家G.M.Adelson-Velskii和E.M.Landis在1962年发明了一种解决上述问题的方法：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(需要对树中的结点进行调整)，就可以降低树的高度，从而减少平均搜索长度。
2. AVL树的性质：
- 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；
- 空树是AVL树。
如果一棵二叉搜索树是高度平衡的，它就是AVL树。如果它有n个结点，其高度可保持在 O ( l o g 2 n ) O(log_2 n) O(log2n)，搜索时间复杂度 O ( l o g 2 n ) O(log_2 n) O(log2n)。
2. AVL树节点，和树的定义
1. 节点：
template<class K, class V>
struct AVLTreeNode
{AVLTreeNode<K, V>* _left;AVLTreeNode<K, V>* _right;AVLTreeNode<K, V>* _parent;pair<K, V> _kv;int _bf; // balance factor 平衡因子AVLTreeNode(const pair<K, V>& kv): _left(nullptr), _right(nullptr), _parent(nullptr), _kv(kv), _bf(0){}
};
- 该节点的定义是一个三叉链，
_left和_right分别指向左右子树，_parent指向父节点； - 节点中存储的有效数据为
pair<K, V>，类型的键值对； _bf为平衡因子，在此我们定义为右树高度减去左树高度，用来控制左右子树的高度（注意：平衡因子只是其中一种控制平衡的手段，并不是唯一的）；- 定义了一个模版构造函数，以便后续使用。
2. 树：
template<class K, class V>
class AVLTree
{typedef AVLTreeNode<K, V> Node;
public:...private:Node* _root = nullptr;size_t _size = 0;
};
_size记录树中一共有多少数据（多少节点）。
3. AVL树的插入
1. 思路：
- AVL树就是在搜索二叉树的基础上引入了平衡因子，因此AVL树也可以看成是搜索二叉树。那么AVL树的插入过程可以分为两步：
- 按照二叉搜索树的方式插入新节点；
- 调整节点的平衡因子。
- 调整平衡因子的过程，又可以细分为两部分：
- 平衡因子的更新；
- 节点的调整（旋转）+ 平衡因子的更新。
1. 模拟插入过程（红色节点表示新插入节点）：
- 插入新节点后，第一件事，是更新该新节点的父亲的平衡因子：
- 新增节点在左，父亲
bf--； - 新增节点在右，父亲
bf++。
- 新增节点在左，父亲
- 更新完该新节点的父亲后，还要判断是否需要往上更新（新增节点可能会影响祖先，但是一定不会影响兄弟）：
- 更新后，父亲
bf == 0，父亲所在的子树高度不变，不用再继续往上更新了，插入结束。 （ps：在插入节点前，父亲bf == 1 or -1，子树一边高，一边低，新插入节点填补低的那边） - 更新后，父亲
bf == 1 or -1，父亲所在的子树高度变了，需要继续往上更新。（ps：在插入节点前，父亲bf == 0，两边一样高，插入新节点导致高度变化） - 更新后，父亲
bf == 2 or -2，父亲所在的子树不平衡，需要旋转调整。
- 更新后，父亲
template<class K, class V>
class AVLTree
{typedef AVLTreeNode<K, V> Node;
public:bool Insert(const pair<K, V>& kv){// 插入，类比搜索二叉树插入if (_root == nullptr){_root = new Node(kv);_size++;return true;}// 通过parent向上找父节点Node* parent = nullptr;Node* cur = _root;while (cur){if (kv.first > cur->_kv.first){parent = cur;cur = cur->_right;}else if (kv.first < cur->_kv.first){parent = cur;cur = cur->_left;}else{return false;}}cur = new Node(kv);if (kv.first > parent->_kv.first){parent->_right = cur;cur->_parent = parent;}else{parent->_left = cur;cur->_parent = parent;}_size++;// 调整，AVL树的核心部分while (parent){// 平衡因子的更新if (cur == parent->_left){// 插入在左节点，_bf--parent->_bf--;}else{// 插入在右节点，_bf++parent->_bf++;}// 判断是否要继续向上更新，和是否旋转调整if (parent->_bf == 0){// 更新后 _bf == 0，说明子树高度不变，不需要往上更新break;}else if (parent->_bf == 1 || parent->_bf == -1){// 更新后子树高度改变，需要往上更新cur = parent;parent = parent->_parent;}else if (parent->_bf == 2 || parent->_bf == -2){// 旋转调整...}else{// 平衡因子绝对值大于2，直接报错assert(false);}}return true;}...private:Node* _root = nullptr;size_t _size = 0;
};
4. AVL树的旋转
- 如果在一棵原本是平衡的AVL树中插入一个新节点，可能造成不平衡，此时必须调整树的结构，使之平衡化。根据节点插入位置的不同，AVL树的旋转分为四种：
1. 新节点插入较高左子树的左侧—右右：左单旋
-
先考虑一种最简单的场景（场景1）：
- 直接将8节点链接到9节点的左边即可。
- 直接将8节点链接到9节点的左边即可。
-
再看一种更复杂的场景（场景2）：
- 需要将13节点链接到9节点的右子树，将9节点链接到15节点的左子树。
- 需要将13节点链接到9节点的右子树，将9节点链接到15节点的左子树。
-
还有更加复杂的情况，但是我们可以对所有的情况进行一个归类，画出抽象图：
- a，b，c 都是高度为h的AVL平衡树；
- 只需要将b框中的节点（subRL），链接到30节点（parent）的右子树（将60节点的左子树链接到30节点的右边）；再将30节点（parent），连接到60节点（subR）的左子树即可。（别忘了是三叉链，要同步更新父节点）
- 旋转完后别忘了更新平衡因子，左单旋后，
parent和subR节点的_bf都为0，其余节点的平衡因子均不会受到印象。 h = 0时，就对应场景1的情况；h = 1时，就对应场景2的情况。
- 代码实现：
- 注意，在更新
subRL节点的父节点时，需要先判断subRL是否为空（h=0的情况），如果为空，就不要访问subRL了； - 还需要记录
parent的父节点，方便旋转后将subR链接给parent->_parent，和整棵树链接起来； - 当
parent就是根节点时，需要特殊处理，要更新根节点为subR。
- 注意，在更新
template<class K, class V>
class AVLTree
{typedef AVLTreeNode<K, V> Node;
public:// 左单旋void RotateL(Node* parent){Node* subR = parent->_right;Node* subRL = subR->_left;// 更新左右节点parent->_right = subRL;subR->_left = parent;// 提前记录parent的parentNode* parentParent = parent->_parent;// 更新_parentparent->_parent = subR;if (subRL) // 判断为不为空，subRL是唯一一个可能为空的节点{subRL->_parent = parent;}// 处理根if (_root == parent){_root = subR;subR->_parent = nullptr;}else if (parentParent->_left == parent){parentParent->_left = subR;subR->_parent = parentParent;}else{parentParent->_right = subR;subR->_parent = parentParent;}// 更新平衡因子parent->_bf = subR->_bf = 0;}...private:Node* _root = nullptr;size_t _size = 0;
};
2. 新节点插入较高左子树的左侧—左左：右单旋
- 这里不带着大家一步一步分析了，直接上抽象图：
- a，b，c 均为高度为h的AVL平衡树；
- 只需要将
subLR给parent的左，再将parent给subL的右即可； - 随后更新平衡因子，
subL和parent的_bf都更新为0。
- 类比左单旋，直接上代码：
template<class K, class V>
class AVLTree
{typedef AVLTreeNode<K, V> Node;
public:// 右单旋void RotateR(Node* parent){Node* subL = parent->_left;Node* subLR = subL->_right;// 更新左右节点subL->_right = parent;parent->_left = subLR;Node* parentParent = parent->_parent;// 更新_parentparent->_parent = subL;if (subLR){subLR->_parent = parent;}if (_root == parent){_root = subL;subL->_parent = nullptr;}else if (parentParent->_left == parent){parentParent->_left = subL;subL->_parent = parentParent;}else{parentParent->_right = subL;subL->_parent = parentParent;}parent->_bf = subL->_bf = 0;}...private:Node* _root = nullptr;size_t _size = 0;
};
3. 新节点插入较高左子树的右侧—左右：先左单旋再右单旋（左右双旋）
-
注意：该抽象图只是左右双旋中的一种情况，为在60的左子树新增。还有两种情况没有画出来，分别是（1）60作为新增节点的情况；（2）在60的右子树新增的情况。不同的情况，旋转后得到的平衡因子有差别。
-
h = 0的情况：60就是新插入节点。此时b，c子树不存在，注意是不存在，连空都不是。此时，parent，subL，subLR的平衡因子均为0。
-
h = 1的情况（该情况又分两种）：- 在60的左子树新增：注意此时
subL和subLR的平衡因子均为0，只有parent的平衡因子为1，和h = 0的情况不一样。
- 在60的右子树新增：这种情况最后的到的子树，和上图只有一处区别，就是
b变成了NULL，c变成了50，故此时subL的平衡因子为-1，parent，subLR的平衡因子均为0。和在60左子树新增的情况，平衡因子又不一样。
- 在60的左子树新增：注意此时
-
代码实现：
- 我们可以根据新节点插入后，
subLR的平衡因子来确定到底是上述哪种情况。（1）subLR->_bf == 0，说明subLR就是新增节点；（2）subLR->_bf == -1，说明是在subLR的左子树新增；（3）subLR->_bf == 1，说明是在subLR的右子树新增。
- 我们可以根据新节点插入后，
template<class K, class V>
class AVLTree
{typedef AVLTreeNode<K, V> Node;
public:// 左右双旋void RotateLR(Node* parent){Node* subL = parent->_left;Node* subLR = subL->_right;int bf = subLR->_bf; // 提前记录subLR的平衡因子，避免单旋操作后，值丢失// 先左旋再右旋RotateL(parent->_left);RotateR(parent);// 更新平衡因子if (bf == 0){// subLR自己就是新增节点subL->_bf = subLR->_bf = parent->_bf = 0;}else if (bf == -1){// subLR的左子树新增parent->_bf = 1;subL->_bf = subLR->_bf = 0;}else if (bf == 1){// subLR的右子树新增parent->_bf = subLR->_bf = 0;subL->_bf = -1;}else{assert(false); // 检查点}}...private:Node* _root = nullptr;size_t _size = 0;
};
4. 新节点插入较高右子树的左侧—右左：先右单旋再左单旋（右左双旋）
- 注意：该抽象图只是右左双旋中的一种情况，为在60的右子树新增。还有两种情况没有表示出来，分别是（1）60就是新增节点；（2）在60的左子树新增。
- 类比左右双旋，上代码：
- 还是要注意，可以通过
subRL的平衡因子区分上述三种情况。（1）subRL->_bf == 0，说明subRL就是新增节点；（2）subRL->_bf == 1，说明是在subRL的右子树新增，parent->_bf == -1；（3）subRL->_bf == -1，说明是在subRL的左子树新增，subR->_bf == 1。
- 还是要注意，可以通过
template<class K, class V>
class AVLTree
{typedef AVLTreeNode<K, V> Node;
public:// 右左双旋void RotateRL(Node* parent){Node* subR = parent->_right;Node* subRL = subR->_left;int bf = subRL->_bf; // 提前记录subRL的平衡因子，避免单旋操作后，值丢失// 先右旋再左旋RotateR(parent->_right);RotateL(parent);// 更新平衡因子if (bf == 0){// subRL自己就是新增节点parent->_bf = subR->_bf = subRL->_bf = 0;}else if (bf == -1){// subRL的左子树新增parent->_bf = 0;subR->_bf = 1;subRL->_bf = 0;}else if(bf == 1){// subRL的右子树新增parent->_bf = -1;subR->_bf = 0;subRL->_bf = 0;}else{assert(false); // 检查点}}...private:Node* _root = nullptr;size_t _size = 0;
};
5. 完善插入：
- 旋转完成后是不需要继续向上更新平衡因子的，因为（1）旋转让这棵树平衡了；（2）旋转降低了这棵子树的高度，恢复到更插入前一样的高度，所以对上一层没有影响，不用更新。
template<class K, class V>
class AVLTree
{typedef AVLTreeNode<K, V> Node;
public:bool Insert(const pair<K, V>& kv){// 插入，类比搜索二叉树插入if (_root == nullptr){_root = new Node(kv);_size++;return true;}Node* parent = nullptr;Node* cur = _root;while (cur){if (kv.first > cur->_kv.first){parent = cur;cur = cur->_right;}else if (kv.first < cur->_kv.first){parent = cur;cur = cur->_left;}else{return false;}}cur = new Node(kv);if (kv.first > parent->_kv.first){parent->_right = cur;cur->_parent = parent;}else{parent->_left = cur;cur->_parent = parent;}_size++;// 调整，AVL树的核心部分while (parent){// 平衡因子的更新if (cur == parent->_left){// 插入在左节点，_bf--parent->_bf--;}else{// 插入在右节点，_bf++parent->_bf++;}// 判断是否要继续向上更新，和是否旋转调整if (parent->_bf == 0){// 更新后 _bf == 0，说明子树高度不变，不需要往上更新break;}else if (parent->_bf == 1 || parent->_bf == -1){// 更新后子树高度改变，需要往上更新cur = parent;parent = parent->_parent;}else if (parent->_bf == 2 || parent->_bf == -2){// 平衡因子绝对值等于2，旋转调整if (parent->_bf == 2 && cur->_bf == 1){// 左单旋调整RotateL(parent);}else if (parent->_bf == -2 && cur->_bf == -1){// 右单旋调整RotateR(parent);}else if (parent->_bf == 2 && cur->_bf == -1){// 先右边高，再左边高，右左双旋RotateRL(parent);}else if (parent->_bf == -2 && cur->_bf == 1){// 先左边高，再右边高，左右双旋RotateLR(parent);}else{assert(false);}// 完成旋转后，不需要再往上更新平衡因子了，直接break// 1、旋转让这棵树平衡了// 2、旋转降低了这棵子树的高度，恢复到更插入前一样的高度，所以对上一层没有影响，不用更新break;}else{// 平衡因子绝对值大于2，直接报错assert(false);}}return true;}...private:Node* _root = nullptr;size_t _size = 0;
};
5. AVL树的验证
1. 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。
2. 验证其为平衡树：
- 每个节点子树高度差的绝对值不超过1；
- 节点的平衡因子是否计算正确。
3. 相关函数实现：
template<class K, class V>
class AVLTree
{typedef AVLTreeNode<K, V> Node;
public:void _InOrder(Node* root){if (root == nullptr)return;_InOrder(root->_left);cout << root->_kv.first << " ";_InOrder(root->_right);}void InOrder(){_InOrder(_root);cout << endl;}int _Height(Node* root){if (root == nullptr)return 0;int leftHeight = _Height(root->_left);int rightHeight = _Height(root->_right);return leftHeight > rightHeight ? leftHeight + 1 : rightHeight + 1;}int Height(){return _Height(_root);}bool IsBalance(){return _IsBalance(_root);}bool _IsBalance(Node* root){if (root == nullptr)return true;int leftHeight = _Height(root->_left);int rightHeight = _Height(root->_right);if (rightHeight - leftHeight != root->_bf){cout << root->_kv.first << "平衡因子异常" << endl;return false;}return abs(rightHeight - leftHeight) < 2&& _IsBalance(root->_left)&& _IsBalance(root->_right);}size_t Size() const {return _size;}...private:Node* _root = nullptr;size_t _size = 0;
};
4. 测试代码：
void Test()
{const int N = 100;srand(time(0));vector<int> v;for (int i = 0; i < N; i++){v.push_back(rand());}AVLTree<int, int> tree;for (auto e : v){tree.Insert(make_pair(e, e));}tree.InOrder(); // 检查是否有序cout << tree.IsBalance() << endl; // 检查是否平衡cout << tree.Height() << endl; // 看看高度cout << tree.Size() << endl; // 看看数据量
}
6. AVL树的删除（了解）
1. 思路：
- 因为AVL树也是二叉搜索树，可按照二叉搜索树的方式将节点删除，然后再更新平衡因子。只不过，平衡因子更新最差情况下要一直调整到根节点的位置。
2. 例：
- 假如我们要删除根节点，可以先在右子树找到替换节点6，进行替换删除，然后更新平衡因子，得到的树如下图所示：
- 更新7这个节点的平衡因子，更新为2，不用继续向上更新了，对7节点进行左单旋调整即可。
删除的代码不再写了，面试时也几乎不会考察，最多考察思路。
7. AVL树实现完整代码
#pragma once#include<iostream>
#include<assert.h>using namespace std;template<class K, class V>
struct AVLTreeNode
{AVLTreeNode<K, V>* _left;AVLTreeNode<K, V>* _right;AVLTreeNode<K, V>* _parent;pair<K, V> _kv;int _bf; // balance factor 平衡因子AVLTreeNode(const pair<K, V>& kv): _left(nullptr), _right(nullptr), _parent(nullptr), _kv(kv), _bf(0){}
};template<class K, class V>
class AVLTree
{typedef AVLTreeNode<K, V> Node;
public:bool Insert(const pair<K, V>& kv){// 插入，类比搜索二叉树插入if (_root == nullptr){_root = new Node(kv);_size++;return true;}Node* parent = nullptr;Node* cur = _root;while (cur){if (kv.first > cur->_kv.first){parent = cur;cur = cur->_right;}else if (kv.first < cur->_kv.first){parent = cur;cur = cur->_left;}else{return false;}}cur = new Node(kv);if (kv.first > parent->_kv.first){parent->_right = cur;cur->_parent = parent;}else{parent->_left = cur;cur->_parent = parent;}_size++;// 调整，AVL树的核心部分while (parent){// 平衡因子的更新if (cur == parent->_left){// 插入在左节点，_bf--parent->_bf--;}else{// 插入在右节点，_bf++parent->_bf++;}// 判断是否要继续向上更新，和是否旋转调整if (parent->_bf == 0){// 更新后 _bf == 0，说明子树高度不变，不需要往上更新break;}else if (parent->_bf == 1 || parent->_bf == -1){// 更新后子树高度改变，需要往上更新cur = parent;parent = parent->_parent;}else if (parent->_bf == 2 || parent->_bf == -2){// 平衡因子绝对值等于2，旋转调整if (parent->_bf == 2 && cur->_bf == 1){// 左单旋调整RotateL(parent);}else if (parent->_bf == -2 && cur->_bf == -1){// 右单旋调整RotateR(parent);}else if (parent->_bf == 2 && cur->_bf == -1){// 先右边高，再左边高，右左双旋RotateRL(parent);}else if (parent->_bf == -2 && cur->_bf == 1){// 先左边高，再右边高，左右双旋RotateLR(parent);}else{assert(false);}// 完成旋转后，不需要再往上更新平衡因子了，直接break// 1、旋转让这棵树平衡了// 2、旋转降低了这棵子树的高度，恢复到更插入前一样的高度，所以对上一层没有影响，不用更新break;}else{// 平衡因子绝对值大于2，直接报错assert(false);}}return true;}// 左单旋void RotateL(Node* parent){Node* subR = parent->_right;Node* subRL = subR->_left;// 更新左右节点parent->_right = subRL;subR->_left = parent;// 提前记录parent的parentNode* parentParent = parent->_parent;// 更新_parentparent->_parent = subR;if (subRL) // 判断为不为空，subRL是唯一一个可能为空的节点{subRL->_parent = parent;}// 处理根if (_root == parent){_root = subR;subR->_parent = nullptr;}else if (parentParent->_left == parent){parentParent->_left = subR;subR->_parent = parentParent;}else{parentParent->_right = subR;subR->_parent = parentParent;}// 更新平衡因子parent->_bf = subR->_bf = 0;}// 右单旋void RotateR(Node* parent){Node* subL = parent->_left;Node* subLR = subL->_right;// 更新左右节点subL->_right = parent;parent->_left = subLR;Node* parentParent = parent->_parent;// 更新_parentparent->_parent = subL;if (subLR){subLR->_parent = parent;}if (_root == parent){_root = subL;subL->_parent = nullptr;}else if (parentParent->_left == parent){parentParent->_left = subL;subL->_parent = parentParent;}else{parentParent->_right = subL;subL->_parent = parentParent;}parent->_bf = subL->_bf = 0;}// 右左双旋void RotateRL(Node* parent){Node* subR = parent->_right;Node* subRL = subR->_left;int bf = subRL->_bf; // 提前记录subRL的平衡因子，避免单旋操作后，值丢失// 先右旋再左旋RotateR(parent->_right);RotateL(parent);// 更新平衡因子if (bf == 0){// subRL自己就是新增节点parent->_bf = subR->_bf = subRL->_bf = 0;}else if (bf == -1){// subRL的左子树新增parent->_bf = 0;subR->_bf = 1;subRL->_bf = 0;}else if(bf == 1){// subRL的右子树新增parent->_bf = -1;subR->_bf = 0;subRL->_bf = 0;}else{assert(false); // 检查点}}// 左右双旋void RotateLR(Node* parent){Node* subL = parent->_left;Node* subLR = subL->_right;int bf = subLR->_bf; // 提前记录subLR的平衡因子，避免单旋操作后，值丢失// 先左旋再右旋RotateL(parent->_left);RotateR(parent);// 更新平衡因子if (bf == 0){// subLR自己就是新增节点subL->_bf = subLR->_bf = parent->_bf = 0;}else if (bf == -1){// subLR的左子树新增parent->_bf = 1;subL->_bf = subLR->_bf = 0;}else if (bf == 1){// subLR的右子树新增parent->_bf = subLR->_bf = 0;subL->_bf = -1;}else{assert(false); // 检查点}}Node* Find(const K& key){Node* cur = _root;while (cur){if (cur->_kv.first < key){cur = cur->_right;}else if (cur->_kv.first > key){cur = cur->_left;}else{return cur;}}return nullptr;}void _InOrder(Node* root){if (root == nullptr)return;_InOrder(root->_left);cout << root->_kv.first << " ";_InOrder(root->_right);}void InOrder(){_InOrder(_root);cout << endl;}int _Height(Node* root){if (root == nullptr)return 0;int leftHeight = _Height(root->_left);int rightHeight = _Height(root->_right);return leftHeight > rightHeight ? leftHeight + 1 : rightHeight + 1;}int Height(){return _Height(_root);}bool IsBalance(){return _IsBalance(_root);}bool _IsBalance(Node* root){if (root == nullptr)return true;int leftHeight = _Height(root->_left);int rightHeight = _Height(root->_right);if (rightHeight - leftHeight != root->_bf){cout << root->_kv.first << "平衡因子异常" << endl;return false;}return abs(rightHeight - leftHeight) < 2&& _IsBalance(root->_left)&& _IsBalance(root->_right);}size_t Size() const {return _size;}private:Node* _root = nullptr;size_t _size = 0;
};
8. AVL树的性能
AVL树是一棵绝对平衡的二叉搜索树，其要求每个节点的左右子树高度差的绝对值都不超过1，这样可以保证查询时高效的时间复杂度，即 l o g 2 ( N ) log_2 (N) log2(N)。但是如果要对AVL树做一些结构修改的操作，性能非常低下，比如：
- 插入时要维护其绝对平衡，旋转的次数比较多，更差的是在删除时，有可能一直要让旋转持续到根的位置。
因此：如果需要一种查询高效且有序的数据结构，而且数据的个数为静态的(即不会改变)，可以考虑AVL树。但是一个经常修改的结构，就不太适合用AVL树。
![[Python学习篇] Python元组](https://img-blog.csdnimg.cn/direct/a6e68124420c4af3b6e72ef1c618fdfb.png)
