e720aa2d24
* Sync recent changes to the revised Word. * Revised the preface chapter * Revised the introduction chapter * Revised the computation complexity chapter * Revised the chapter data structure * Revised the chapter array and linked list * Revised the chapter stack and queue * Revised the chapter hashing * Revised the chapter tree * Revised the chapter heap * Revised the chapter graph * Revised the chapter searching * Reivised the sorting chapter * Revised the divide and conquer chapter * Revised the chapter backtacking * Revised the DP chapter * Revised the greedy chapter * Revised the appendix chapter * Revised the preface chapter doubly * Revised the figures
6.6 KiB
Executable file
二叉搜索树
如下图所示，「二叉搜索树 binary search tree」满足以下条件。
- 对于根节点，左子树中所有节点的值
<根节点的值<右子树中所有节点的值。 - 任意节点的左、右子树也是二叉搜索树，即同样满足条件
1.。
二叉搜索树的操作
我们将二叉搜索树封装为一个类 BinarySearchTree ，并声明一个成员变量 root ，指向树的根节点。
查找节点
给定目标节点值 num ，可以根据二叉搜索树的性质来查找。如下图所示，我们声明一个节点 cur ，从二叉树的根节点 root 出发，循环比较节点值 cur.val 和 num 之间的大小关系。
- 若
cur.val < num，说明目标节点在cur的右子树中，因此执行cur = cur.right。 - 若
cur.val > num，说明目标节点在cur的左子树中，因此执行cur = cur.left。 - 若
cur.val = num，说明找到目标节点，跳出循环并返回该节点。
=== "<1>"
=== "<2>"
=== "<3>"
=== "<4>"
二叉搜索树的查找操作与二分查找算法的工作原理一致，都是每轮排除一半情况。循环次数最多为二叉树的高度，当二叉树平衡时，使用 O(\log n) 时间。示例代码如下：
[file]{binary_search_tree}-[class]{binary_search_tree}-[func]{search}
插入节点
给定一个待插入元素 num ，为了保持二叉搜索树“左子树 < 根节点 < 右子树”的性质，插入操作流程如下图所示。
- 查找插入位置：与查找操作相似，从根节点出发，根据当前节点值和
num的大小关系循环向下搜索，直到越过叶节点（遍历至\text{None}）时跳出循环。 - 在该位置插入节点：初始化节点
num，将该节点置于\text{None}的位置。
在代码实现中，需要注意以下两点。
- 二叉搜索树不允许存在重复节点，否则将违反其定义。因此，若待插入节点在树中已存在，则不执行插入，直接返回。
- 为了实现插入节点，我们需要借助节点
pre保存上一轮循环的节点。这样在遍历至\text{None}时，我们可以获取到其父节点，从而完成节点插入操作。
[file]{binary_search_tree}-[class]{binary_search_tree}-[func]{insert}
与查找节点相同，插入节点使用 O(\log n) 时间。
删除节点
先在二叉树中查找到目标节点，再将其删除。
与插入节点类似，我们需要保证在删除操作完成后，二叉搜索树的“左子树 < 根节点 < 右子树”的性质仍然满足。
因此，我们根据目标节点的子节点数量，分 0、1 和 2 三种情况，执行对应的删除节点操作。
如下图所示，当待删除节点的度为 0 时，表示该节点是叶节点，可以直接删除。
如下图所示，当待删除节点的度为 1 时，将待删除节点替换为其子节点即可。
当待删除节点的度为 2 时，我们无法直接删除它，而需要使用一个节点替换该节点。由于要保持二叉搜索树“左子树 < 根节点 < 右子树”的性质，因此这个节点可以是右子树的最小节点或左子树的最大节点。
假设我们选择右子树的最小节点（中序遍历的下一个节点），则删除操作流程如下图所示。
- 找到待删除节点在“中序遍历序列”中的下一个节点，记为
tmp。 - 用
tmp的值覆盖待删除节点的值，并在树中递归删除节点tmp。
=== "<1>"
=== "<2>"
=== "<3>"
=== "<4>"
删除节点操作同样使用 O(\log n) 时间，其中查找待删除节点需要 O(\log n) 时间，获取中序遍历后继节点需要 O(\log n) 时间。示例代码如下：
[file]{binary_search_tree}-[class]{binary_search_tree}-[func]{remove}
中序遍历有序
如下图所示，二叉树的中序遍历遵循“左 \rightarrow 根 \rightarrow 右”的遍历顺序，而二叉搜索树满足“左子节点 < 根节点 < 右子节点”的大小关系。
这意味着在二叉搜索树中进行中序遍历时，总是会优先遍历下一个最小节点，从而得出一个重要性质：二叉搜索树的中序遍历序列是升序的。
利用中序遍历升序的性质，我们在二叉搜索树中获取有序数据仅需 O(n) 时间，无须进行额外的排序操作，非常高效。
二叉搜索树的效率
给定一组数据，我们考虑使用数组或二叉搜索树存储。观察下表，二叉搜索树的各项操作的时间复杂度都是对数阶，具有稳定且高效的性能。只有在高频添加、低频查找删除数据的场景下，数组比二叉搜索树的效率更高。
表 数组与搜索树的效率对比
| 无序数组 | 二叉搜索树 | |
|---|---|---|
| 查找元素 | O(n) |
O(\log n) |
| 插入元素 | O(1) |
O(\log n) |
| 删除元素 | O(n) |
O(\log n) |
在理想情况下，二叉搜索树是“平衡”的，这样就可以在 \log n 轮循环内查找任意节点。
然而，如果我们在二叉搜索树中不断地插入和删除节点，可能导致二叉树退化为下图所示的链表，这时各种操作的时间复杂度也会退化为 O(n) 。
二叉搜索树常见应用
- 用作系统中的多级索引，实现高效的查找、插入、删除操作。
- 作为某些搜索算法的底层数据结构。
- 用于存储数据流，以保持其有序状态。