🔥 订阅量破千的火热 C++ 教程
👉 火速订阅《C++要笑着学》
🔥 CSDN 累计订阅量破千的火爆 C/C++ 教程的 2023 重制版,C 语言入门到实践的精品级趣味教程。 了解更多: 👉 "不太正经" 的专栏介绍 ← 试读第一章 订阅链接: 🔗《C语言趣味教程》 ← 猛戳订阅! |
- 💭 写在前面:半年没更 C++ 专栏了,上一次更新还是去年九月份,被朋友催更很久了hhh
- 本章倒回数据结构专栏去讲解搜索二叉树,主要原因是讲解 map 和 set 的特性需要二叉搜索树做铺垫,理解搜索二叉树有助于更好地理解 map 和 set 的特性。第二个原因是为了后期讲解查找效率极高的平衡搜索二叉树,随后再讲完红黑树,我们就可以模拟实现 map 和 set 了。二叉树的基础知识讲解在我的《树锯结构》专栏中有写,这里放上链接方便复习。
🔗 复习链接:【数据结构】二叉树的遍历
本篇博客全站热榜排名:13
Ⅰ. 搜索二叉树(SearchBinaryTree)
0x00 搜索二叉树的概念
📚 概念:搜索二叉树又称为二叉排序树,它或者是一颗空树,或者是具有以下性质的二叉树:
- 若其左子树不是空,则左子树上所有节点的值都小于根结点的值
- 若其右子树不是空,则右子树上所有结点的值都大于根结点的值
- 其左右子树必须都是二叉搜索树
至于叫它 "搜索二叉树",还是 "二叉搜索树",这个似乎也没有特别的规定,应该都是可以的。
但我更喜欢叫它 "搜索二叉树",因为这样翻译过来是 "Search Binary Tree",
但是我并不是因为这样可以叫它 SB 树才喜欢的。
(而且这样也不文明,而且已经有 SB 树了,Size Balanced Tree)
而是因为 叫 "搜索二叉树 Search Binary Tree" 可以顺便记住它的性质:
Search Binary Tree,S 也可以表示 Small,B 也可以表示 Big,SB 即左边小右边大!
(一般而言,搜索二叉树都是左边小右边大的)
这样可以正好能对应它的性质:左子树的值 < 根 < 右子树的值
🔺 结论:任意一个子树都需要满足,左子树的值 < 根 < 右子树的值,才能构成二叉搜索树。
0x01 搜索二叉树的优势
既然叫搜索二叉树,它肯定是用来搜索的,当满足搜索二叉树时你将可以快速地查找任意的值。
💭 举个例子: 查找 7
放到以前我们如果不用二分查找,可能会选择用暴力的方式去从头到尾遍历一遍。
但现在学了搜索二叉树,我们就可以轻松找到这个 7 了,不信你看:
STEP1:7 比 8 (根节点) 小,根据搜索二叉树的性质,它必然不会出现在右子树 (右边大) !
所以,直接 🔒 锁定 左子树开始找:
STEP2: 7 比 3 大,根据性质它肯定不会出现在左子树 (左边小) !
这次,直接 🔒锁定 右子树继续找:
STEP3: 我们继续对比,7 比 6 大,所以在右边,就这么轻轻松松的找到了:
搜索二叉树查找一个值的最坏情况,也只是查找高度次。 你就说爽不爽吧。
这就是搜索二叉树,它的搜索功能是真的名副其实的厉害!
0x02 二叉搜索树的时间复杂度:O(N)
上面的例子举得太丝滑了,会让人误以为搜索二叉树的时间复杂度是 ……
但实际上是 !!!
因为这棵树是有可能会 蜕化 (Degenerate) 的,极端情况下会蜕化成一个 "单边树" :
😢 最差情况:二叉搜索树蜕化为单边树(或类似单边),其平均比较次数为:
但是在好的情况下,其搜索效率也是非常可观的:
😍 最优情况:二叉搜索树为完全二叉树(或接近完全二叉树),其平均比较次数为:
对于时间复杂度的分析我们要做一个悲观主义者,根据最差情况去定时间复杂度。
🔺 总结:搜索二叉树的时间复杂度为 O(n)
0x03 搜索二叉树的改良方案
如果搜索二叉树蜕化成了单边树,其性能也就失去了,能否进行改进让它保持性能?
如何做到不论按照上面次序插入关键码,二叉搜索树的性能均能达到最优?
搜索二叉树由于控制不了极端情况,与 失之交臂,但平衡二叉搜索树做到了。
"平衡二叉树的搜索效率极高"
严格意义上来说满二叉树才是 ,完全二叉树是接近 。
而平衡搜索二叉树维持左右两边均匀程度,让它接近完全二叉树,从而让效率趋近 。
Ⅱ. 搜索二叉树的实现
0x00 搜索二叉树的定义
搜索二叉树,SearchBinaryTree 名称实在是又臭又长!
我们不如取名为 SBTree,但是 SBTree 听起来好像有点不文明,我们还是叫 BSTree 吧。
这里我们用模板,模板参数我们给了一个 ,表示 key 的意思(模板参数并非一定要用 T)。
template<class K>
struct BSTreeNode {
BSTreeNode<K>* _left;
BSTreeNode<K>* _right;
K _key;
BSTreeNode(const K& key)
: _left(nullptr)
, _right(nullptr)
, _key(key) {}
};
下面我们来定义整个树,BSTreeNode 也有些长了,我们不如将其 typedef 成 Node 。
这里我们构造函数都没必要写,它自己生成的就够用了:
template<class K>
class BSTree {
typedef BSTreeNode<K> Node;
private:
Node* _root = nullptr; // 懒得写构造函数了
};
0x01 搜索二叉树的插入
我们先来实现最简单的插入操作:
- 如果树为空,则直接新增结点,赋值给 root 指针。
- 如果树不为空,按二叉搜索树性质查找插入位置,插入新节点。
bool Insert(const K& key);
Insert 的实现我们可以用递归,也可以用非递归,这一块递归比非递归更难理解。
秉着先难后易的态度,我们先讲比较难理解的非递归版本!
💡 分析
Step1:首先检查是否有根结点 _root,如果没有我们就 new 一个结点出来作为根结点。
此时插入成功,返回 true。
Step2:插入就需要找到插入位置,我们定义一个 cur 变量,从根节点开始,
根据搜索二叉树 "SB" 性质,将 cur 结点的值与插入的值 进行大小比较。
-
如果插入的值大于当前结点值,则将 cur 结点向右移动
cur=cur->_right
; -
如果插入的值小于当前节点值,就将 cur 结点向左移动
cur=cur->_left
。
值得注意的是,我们还需要额外记录一下 cur 的父结点,因为你不知道什么时候会碰 结束。
并且当我们找到插入位置后,仅仅 new 上一个新结点给 cur 是完成不了插入操作的!
因为直接这么做 cur 也只是一个局部变量而已,你需要 cur 跟上一层(cur 的父亲)相链接才行!
为了能找到上一层,所以我们还需要额外定义一个 prev 变量来记录 cur 的父结点,
在我们更换 cur 结点时记录父结点的位置 prev=cur
即可。
当然了,还有一种插入失败的情况,就是判断大小时出现等于的情况,返回 false 即可。
(重复的值是不允许插入的,默认情况是不允许冗余的!但是也有针对这个的变形,后续再说)
Step3:插入!new 一个新结点给 cur,此时 cur 只是一个局部变量,必须要和父亲链接,
此时应该链接父亲的左边,还是链接父亲的右边?我们不知道,所以我们需要再做一个比较!
-
如果父节点的值大于插入的值,则将 cur 链接到父亲左边
prev->_left=cur
; -
反之将 cur 链接到父亲右边
prev->_right=cur
。
最后,插入成功返回 true,我们的插入操作就大功告成了。
💬 代码演示:Insert 接口的实现
/* 插入 */
bool Insert(const K& x) {
/* 检查是否由根节点 */
if (_root == nullptr) { // 如果根节点为空指针
_root = new Node(x); // 创建一个新结点作为根结点
return true; // 插入成功,返回真
}
Node* prev = nullptr; // 用于记录cur的父亲
Node* cur = _root; // 从根节点开始
/* 找到插入位置 */
while (cur != nullptr) {
if (x > cur->_key) { // 如果插入的值大于当前结点值,则向右移动
prev = cur; // 保存父节点
cur = cur->_right; // 令cur右滑
}
else if (x < cur->_key) { // 如果插入的值小于当前结点值,则向左移动
prev = cur;
cur = cur->_left; // 令cur左滑
}
else { // 相等的情况,禁插
return false; // 插入失败,返回假
}
}
/* 插入位置已找到,准备进行链接操作 */
cur = new Node(x); // 创建一个新结点,赋给cur,此时cur为局部,需与父结点链接
if (prev->_key > x) { // 如果父结点的值大于插入的值,则将cur链接到左边
prev->_left = cur;
}
else { // 如果父节点的值小于插入的值,则将cur链接到右边
prev->_right = cur;
}
return true; // 插入成功,返回真
}
再写一个中序遍历来测试一下插入的效果:
void InOrder(Node* root) {
if (root == nullptr) {
return;
}
InOrder(root->_left); // 左
cout << root->_key << " "; // 值
InOrder(root->_right); // 右
}
模拟出一个测试用例:
void TestBSTree() {
BSTree<int> t;
int a[] = { 8, 3, 1, 10, 6, 4, 7, 14, 13 };
for (auto e : a) {
t.Insert(e);
}
t.InOrder(); ❌ 没法传根
}
此时会出现一个问题,因为根是私有的,我们没办法把根传过去。
此时我们可以选择在类内部写一个成员函数 GetRoot 去取根,但是这里我们可以选择这么做:
void InOrder() {
_InOrder(_root);
}
private:
// 改为内部函数
void _InOrder(Node* root) {
if (root == nullptr) {
return;
}
_InOrder(root->_left);
cout << root->_key << " ";
_InOrder(root->_right);
}
Node* _root = nullptr;
};
干脆将刚才我们实现的中序设为 private 私有,然后再写一个 InOrder 放在公有的区域。
这就是在类内访问 _root 了,没有什么问题。
如此一来我们在类外就可以直接调用 InOrder,并且也不需要传递参数了。
int main(void)
{
TestBSTree();
return 0;
}
🚩 运行结果:
0x02 搜索二叉树的查找
find 实现很容易,用和刚才一样的思路,从根结点开始查找。
从根开始,如果要查找的值大于 cur 目前的值,则让 cur 往右走,反之往左走。
当查找得值与 cur 的值相等时则说明找到了,返回 true。
当 cur 触及到空(while 循环结束)则说明找不到,返回 false。
💬 代码实现:搜索二叉树的查找
/* 查找 */
bool Find(const K& target) {
Node* cur = _root; // 从根结点开始查找
while (cur != nullptr) {
if (target > cur->_key) { // 如果目标值比当前结点值大,cur↘
cur = cur->_right;
}
else if (target < cur->_key) { // 如果目标值比当前结点值小,cur↙
cur = cur->_left;
}
else { // 如果目标值等于结点值,说明找到了
/* 找到了,返回真 */
return true;
}
}
/* 没找到,返回假 */
return false;
}
0x03 搜索二叉树删除
搜索二叉树真正困难的是删除,搜索二叉树删除的实现是有很有难度的。
删除的实现就需要一些 "奇技淫巧" 了,断然删除会毁树。
没有孩子或者只有一个孩子,可以直接删除,孩子托管给父亲。
两个还是没办法给父亲,父亲养不了这么多孩子,但是可以找个人替代父亲养孩子。
当然,也不能随便找,找的人必须仍然维持搜索二叉树的性质,这是原则。
"你不能说搞得我都不是搜索二叉树了,那还玩个锤子"
必须比左边的大,比右边的小。所以在家族中找是最合适的。
找左子树的最大值结点,或者右子树的最小值结点。
首先要查找元素是否在二叉搜索树中,如果不存在,则返回。
如果存在,那么删除的结点可能分为下面四种情况:
a. 要删除的结点无孩子结点
b. 要删除的结点只有左孩子结点
c. 要删除的结点只有右孩子结点
d. 要删除的结点有左孩子结点也有右孩子结点
看起来有待删除节点有 4 种情况,但实际上 a 和 b,或 a 和 c 可以合并。
📌 因此,真正的删除过程如下:
- 情况B:删除该结点且使被删除结点的父结点指向被删除节点的左孩子结点 —— 直接删除。
- 情况C:删除该节点且使被删除结点的父节点指向被删除节点的右孩子结点 —— 直接删除。
- 情况D:在它的右子树中寻找中序下的第一个结点(值最小),用它的值填补到被删除结点中,再来处理该结点的删除问题 —— 替换法删除。
① 该结点无左孩子
如果要删除下面这颗二叉树的 10 节点和 4 节点:
我们还是定义一个 cur 变量,当 cur 找到 10 结点后,如果左侧为空情况如下:
- 若该结点为 root,直接让 root 等于它的右孩子结点。
- 对于删除 10 结点:若 cur==father->right,则令 parent->right = cur->right (如图所示)
- 对于删除 4 结点:若 cur==father->left,则令 parent->left=cur->right (如图所示)
- 最后删除 cur 结点
💬 代码演示:
if (cur->_left == nullptr) {
/* 判断要删除的结点是否为根结点 */
if (cur == _root) {
_root = cur->_right;
}
else {
if (cur == father->_right) {
/* 如果 cur 比 father 大 */
father->_right = cur->_right;
}
else {
father->_left = cur->_right;
}
}
delete cur;
cur = nullptr;
}
② 该结点无右孩子
如果要删除 14 结点,删除逻辑和删除左孩子是类似的:
💬 代码演示:
else if (cur->_right == nullptr) {
/* 判断是否为根结点 */
if (cur == _root) {
_root = cur->_left;
}
else {
if (cur == father->_right) {
/* cur 比父结点大 */
father->_right = cur->_left;
}
else {
father->_left = cur->_left;
}
}
delete cur;
cur = nullptr;
}
③ 该结点有左右两个孩子
如果删除的结点有左右两个孩子,我们就在它的右子树中寻找中序的第一个结点。
即 与右子树的最小值进行替换,当然也可以选择左子树的最大值进行替换。
💭 例子:比如下面这颗子树,我们要删除 3 结点:
如果该结点有两个孩子,则采用如下替换法:
该结点和右子树的最小值或左子树的最大值进行值的替换,然后删除替换后的结点。
这里我们采用与右子树的最小值进行替换。
💬 代码演示:非递归版本的 Erase
bool Erase(const K& key) {
Node* father = nullptr;
Node* cur = _root;
while (cur != nullptr) {
if (cur->_key < key) {
father = cur;
cur = cur->_right;
}
else if (cur->_key > key)
{
father = cur;
cur = cur->_left;
}
else {
/* 找到了! 情况一:该节点没有左孩子 情况二:该节点没有右孩子 */
if (cur->_left == nullptr) {
/* 判断是否为根结点 */
if (cur == _root) {
_root = cur->_right;
}
else {
if (cur == father->_right) {
//cur 比 father大
father->_right = cur->_right;
}
else {
father->_left = cur->_right;
}
}
delete cur;
cur = nullptr;
}
else if (cur->_right == nullptr) {
/* 判断是否为根结点 */
if (cur == _root) {
_root = cur->_left;
}
else {
if (cur == father->_right) {
/* 如果 cur 比父结点大 */
father->_right = cur->_left;
}
else {
father->_left = cur->_left;
}
}
delete cur;
cur = nullptr;
}
else {
/* 有两个节点,替换 */
Node* MinParNode = cur;
Node* MinNode = cur->_right;
while (MinNode->_left) {
MinParNode = MinNode;
MinNode = MinNode->_left;
}
swap(cur->_key, MinNode->_key);
if(MinParNode->_left == MinNode) {
MinParNode->_left = MinNode->_right;
}
else {
MinParNode->_right = MinNode->_right;
}
delete MinNode;
MinNode = nullptr;
}
return true;
}
}
return false;
}
💡 解读:找到 3 结点中右子树的最小结点,替换它们的值。定义 MinParNode 为 cur,MinNode 为 cur 的右节点。首先让 MinNode 指向 3 的右孩子(1),然后一直向左边找知道找到 nullptr 为止,此时 MinNode 指向的就是最小的结点了,此时让 3 与 MinNode 的值交换即可。
交换后,删除 3 就变成了删除 MinNode,我们需要弄清 MinNode 和 MinParNode 的指向关系:
- 如果 MinParNode 的左孩子是 MinNode,则让 MinParNode 的左指向 MinNode 的右。
- 如果 MinParNode 的右孩子是 MinNode,则让 MinParNode 的右指向 MinNode 的右。(这里让 MinParNode 指向 MinNode 的右的原因是 MinNode 已是最小结点,不可能有左孩子了)
Ⅲ. 搜索二叉树的应用
0x00 K 模型
模型,即只有 key 作为关键码,结构中只需存储 key 即可,关键码就是需要搜索到的值。
💭 举个例子:对于单词 word,我们需要判断该单词是否拼写正确
- 以单词集合中的每个单词作为 key,构建一个搜索二叉树。
- 在二叉树中检索该单词是否存在,存在则拼写正确,不存在则拼写错误。
0x01 KV 模型
模型,每一个关键码 key,都有与之对应的值 Value,即 <Key, Value> 的键值对。
这就像 Python 中的 dict 字典类型一样,key 和 value 对应。
这在生活中也是非常常见的,比如英汉词典就是英文与中文的对应关系,通过英文可以快读检索到对应的中文,英文单词也可以与其对应的中文构建出一种键值对:
<word, chinese>
再比如统计单词次数,统计成功后,给定的单词就课快速找到其出现的次数,单词与其出现的次数就构建出了一种键值对:
<word, count>
💬 代码演示:我们实现一个简单的英汉词典 dict,可以通过英文找到对应的中文。
具体实现方式如下:
- <单词, 中文含义> 以键值对构造搜索二叉树,值得注意的是,搜索二叉树需要比较,键值对比较时只比较 Key。
- 查询英文单词时,只需给出英文单词,就可以快速检索到对应的 Key
namespace KV
{
template<class K, class V>
struct BSTreeNode
{
BSTreeNode<K, V>* _left;
BSTreeNode<K, V>* _right;
K _key;
V _value;
//pair<K, V> _kv;
BSTreeNode(const K& key, const V& value)
:_left(nullptr)
, _right(nullptr)
, _key(key)
, _value(value)
{}
};
template<class K, class V>
struct BSTree
{
typedef BSTreeNode<K, V> Node;
public:
BSTree()
:_root(nullptr)
{}
bool Insert(const K& key, const V& value)
{
if (_root == nullptr)
{
_root = new Node(key, value);
return true;
}
Node* parent = nullptr;
Node* cur = _root;
while (cur)
{
if (cur->_key < key)
{
parent = cur;
cur = cur->_right;
}
else if (cur->_key > key)
{
parent = cur;
cur = cur->_left;
}
else
{
return false;
}
}
cur = new Node(key, value);
if (parent->_key < key)
{
parent->_right = cur;
}
else
{
parent->_left = cur;
}
return true;
}
Node* Find(const K& key)
{
Node* cur = _root;
while (cur)
{
if (cur->_key < key)
{
cur = cur->_right;
}
else if (cur->_key > key)
{
cur = cur->_left;
}
else
{
return cur;
}
}
return nullptr;
}
bool Erase(const K& key)
{
Node* parent = nullptr;
Node* cur = _root;
while (cur)
{
if (cur->_key < key)
{
parent = cur;
cur = cur->_right;
}
else if (cur->_key > key)
{
parent = cur;
cur = cur->_left;
}
else
{
// 找到,准备开始删除
if (cur->_left == nullptr)
{
if (parent == nullptr)
{
_root = cur->_right;
}
else
{
if (parent->_left == cur)
parent->_left = cur->_right;
else
parent->_right = cur->_right;
}
delete cur;
}
else if (cur->_right == nullptr)
{
if (parent == nullptr)
{
_root = cur->_left;
}
else
{
if (parent->_left == cur)
parent->_left = cur->_left;
else
parent->_right = cur->_left;
}
delete cur;
}
else
{
Node* minParent = cur;
Node* min = cur->_right;
while (min->_left)
{
minParent = min;
min = min->_left;
}
cur->_key = min->_key;
cur->_value = min->_value;
if (minParent->_left == min)
minParent->_left = min->_right;
else
minParent->_right = min->_right;
delete min;
}
return true;
}
}
return false;
}
void InOrder()
{
_InOrder(_root);
cout << endl;
}
private:
void _InOrder(Node* root)
{
if (root == nullptr)
{
return;
}
_InOrder(root->_left);
cout << root->_key << ":" << root->_value << endl;
_InOrder(root->_right);
}
private:
Node* _root;
};
void TestBSTree1()
{
// 字典KV模型
BSTree<string, string> dict;
dict.Insert("sort", "排序");
dict.Insert("left", "左边");
dict.Insert("right", "右边");
dict.Insert("map", "地图、映射");
//...
string str;
while (cin>>str)
{
BSTreeNode<string, string>* ret = dict.Find(str);
if (ret)
{
cout << "对应中文解释:" << ret->_value << endl;
}
else
{
cout << "无此单词" << endl;
}
}
}
void TestBSTree2()
{
// 统计水果出现次数
string arr[] = { "苹果", "西瓜","草莓", "苹果", "西瓜", "苹果", "苹果", "西瓜", "苹果", "香蕉", "苹果", "香蕉" };
BSTree<string, int> countTree;
for (auto& str : arr)
{
//BSTreeNode<string, int>* ret = countTree.Find(str);
auto ret = countTree.Find(str);
if (ret != nullptr)
{
ret->_value++;
}
else
{
countTree.Insert(str, 1);
}
}
countTree.InOrder();
}
}
📌 [ 笔者 ] 王亦优
📃 [ 更新 ] 2023.4.8
❌ [ 勘误 ] /* 暂无 */
📜 [ 声明 ] 由于作者水平有限,本文有错误和不准确之处在所难免,
本人也很想知道这些错误,恳望读者批评指正!
📜 参考资料 C++reference[EB/OL]. []. http://www.cplusplus.com/reference/. Microsoft. MSDN(Microsoft Developer Network)[EB/OL]. []. . 百度百科[EB/OL]. []. https://baike.baidu.com/.文章来源:https://www.toymoban.com/news/detail-412488.html 比特科技. C++[EB/OL]. 2021[2021.8.31]. 文章来源地址https://www.toymoban.com/news/detail-412488.html |
到了这里,关于【C++要笑着学】搜索二叉树 (SBTree) | K 模型 | KV 模型的文章就介绍完了。如果您还想了解更多内容,请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章,希望大家以后多多支持TOY模板网!