平衡树从入门到入土【待更新】

O.写在前面

本文的题目叫「平衡树从入门到入土」。因为我想让每一个学过树形结构的同学，都能够学会这种十分重要的数据结构。不论是上课睡觉没有听还是准备提前预习的同学，都能从这篇文章受益。

平衡树的核心思想在于如何保证「平衡」——显然，也是最难理解的。大部分平衡树是通过「旋转」来保持平衡性质的。说句实话，我在分清楚左旋、右旋的时候就花了好长时间。因此，在这篇文章里，我会尽可能清楚的说明什么是左旋、什么是右旋。如果没有理解旋转，那平衡树就是没学。

本文会从最基础的「BST二叉搜索树」开始，过渡到「AVL二叉平衡树」、「Treap树堆」以及「红黑树」，最后到「Splay伸展树」。我会尽可能的说清楚「怎么想到的」「为什么」「凭什么」等我自己曾经有的困惑，争取让每一个读者都能理解这些伟大且重要的数据结构。

那么，让我们先从最基础的「BST二叉搜索树」开始吧！

（注：本文中如果在引用块中使用了``xxx``标记，表示作者想强调此处的xxx是在代码里定义的变量名。这种写法只会在定义函数的时候出现）

---

I.万恶之源「BST二叉搜索树」

事先声明1：「BST二叉搜索树」并不是平衡树，请注意。
事先声明2：本文「排序」指的是升序排序。

1. 引入

每个算法或数据结构的出现都有其需要解决的问题。「BST二叉搜索树」用来解决如下问题（对应例题：P5076 【深基16.例7】普通二叉树（简化版）：

• 集合中有一些数；
• 支持「添加」操作；
• 求某一个数的「排名」；

  排名：将数组元素排序后第一个相同元素之前的数的个数加一。
  e.g. $1,\ 3,\ 5,\ 7$ 中， $3$ 的排名是 $2$ 。

• 求某一「排名」对于的数；
• 求某一个数的「前驱」和「后继」；

  前驱： $x$ 的前驱定义为数组元素排序后小于 $x$ 且最大的数。简而言之，即为数组排序且去重后 $x$ 前面的一个数。
  后继：同「前驱」，只不过是要求大于 $x$ 且最小的数。简而言之，即为数组排序且去重后 $x$ 后面的一个数。

• 求「最大/最小值」；
• 「删除」某一个数。

可以看到，所有操作的核心即为动态排序去重，如果使用std::sort()和线性表肯定是无法在如此庞大的询问量下通过的。此时，我们需要一个新的数据结构。这里，我们引入「BST二叉搜索树」来解决这个问题。

Q: 为什么想到使用树形结构？
A: 线性表很难胜任动态排序（如果你感兴趣可以去学学「跳表」，就我个人感官而言也不像是线性表）。那么我们也许需要找一个不线性的数据结构来解决问题。于是想到最简单的树——二叉树，并且二叉树的中序遍历和数组的按顺序输出差异不大，我们也可以很方便的完成「插入」操作，那么我们也许可以对二叉树进行一些改造，使之能达成我们的目的。

---

2. 核心思路

事先声明3：在叙述中，「左/右儿子」会简写为「 $\text{lc/rc}$ 」，「父结点」会简写为「 $\text{fc}$ 」，某一结点 $x$ 的权值大小会记为「 $\text{size}(x)$ 」。

如何让其「有序」？不难想到，如果让每个结点的 $\text{lc}$ ，$\text{fc}$ 和 $\text{rc}$ 有序的话，整棵树的中序遍历也许就是有序的。那么，我们先规定：对于BST上所有的结点，均满足：

$$\text{size(lc)} \leq \text{size(fc)} \leq \text{size(rc)}$$

即左比父小，父比右小。

本文称这个不等式为「重要性质1」。

那么，一棵可能的二叉搜索树长这样：

接下来，我们就要对其添加操作了……

2.1 操作

事先声明4：在代码中，

• treesize为结点个数；
• tree[x]为结点 $x$；
• tree[x].val 为结点 $x$ 处存的数值；
• tree[x].cnt 为结点 $x$ 存的值所出现的次数；
• tree[x].left 和 tree[x].right 分别为结点 $x$ 的左儿子和右儿子结点；
• tree[x].size 为结点 $x$ 作为根时的子树大小。

考虑到指针操作对于一部分入门者还是有些困难，我们这里使用数组实+结构体实现：

struct node {
	int val;
	int size;
    int cnt;
    int left;
    int right;
} tree[1000010];

并且，我强烈建议大家拿纸拿笔画一画，更利于理解。

鲁迅说过，想要对结点操作，首先得有结点。（划掉）。那么我们首先来实现添加结点的操作。

所有的结点，我们可以从上到下找到他应该存在的位置——即把他从根结点下降到叶结点位置——再把他插入。这样我们就维护了「重要性质1」。

给出函数insert(int x, int v)，表示在 x 为根的树上插入一个结点：

1. 如果是一个空树，那么直接新建结点就好了捏！

   treesize ++;
   if(tree[tree[x].left].size == 0 || tree[tree[x].right].size == 0) { // 左子树是空的/右子树是空的
   	tree[x].cnt = tree[x].size = 1;
   	tree[x].val = x;
   }
   

2. 如果不是，不管怎样，这个结点的子树大小得自增一下诶！

   tree[x].size ++;
   

3. 如果插入的权值等于自身，那么这个结点的cnt就要自增一下~

   这个操作是为了解决“去重”的问题而不改变输入的数据。

   • 如果插入的权值大于自身，就应该放到「 $\text{rc}$ 」对应的子树里面去；
   • 如果插入的权值小于自身，就应该放到「 $\text{lc}$ 」对应的子树里面去。

   if (tree[x].val > v)  insert(tree[x].left, v);
   if (tree[x].val < v)  insert(tree[x].right, v);
   

完成了插入，我们接下来继续考虑其他操作。

我们发现，求「最大/最小值」似乎是最好做的。为什么呢？一个直观的感受就是，最左边的是最小的，最右边的是最大的。其实也是这样。

根据「重要性质1」，我们从根结点开始， $\text{lc}$ 肯定比 $\text{fc}$ 小，那么 $\text{lc}$ 的 $\text{lc}$ 肯定比 $\text{lc}$ 小，那么 $\text{lc}$ 的 $\text{lc}$ 的 $\text{lc}$ 肯定比 $\text{lc}$ 的 $\text{lc}$ 小……也就是说，一直向左边跑，找到的就是最小值。

给出函数getMin(int x)和getMax(int x)，分别用于在根 x 下找最小值和最大值。

// 既然OIwiki给了if的写法，我就按照我习惯的三目写法了
int getMin(int x) { return (tree[tree[x].left].size  != 0) ? getMin(tree[x].left)  : tree[x].val; }
int getMax(int x) { return (tree[tree[x].right].size != 0) ? getMax(tree[x].right) : tree[x].val; }

接下来来到一个有点烧脑的操作——找排名。
所谓找排名，换个角度理解，就是找这个数左边有多少个数，再加一即为这个数的排名（因为排名从1开始）。

给出queryrk(int x, int rk)用于寻找根 x 下排名为 rk 的数。

1. 如果这个树没有根，显然不存在（在本题中为INF）
2. 如果有根：
   • 如果 $\text{size(lc)}$ 比 $\text{rk}$ 大，就说明左子树里最大的数的排名比 $\text{rk}$ 要大，此时应该往左边找；
   • 否则，比较左子树大小与该结点重复的次数之和（记为 $\text{sum}$ ）与 $\text{rk}$ 的大小（请注意，因为结点会重复，所以一定要把重复的给加在一起）
     • 如果 $\text{sum}\geq \text{rk}$ ：说明要找的元素就在重复结点的里面；
     • 否则，就在右子树里找。即寻找在右子树里，相对排名为 $\text{rk} -\text{sum}$ 的数。

// OK，依旧是三目
int queryrk(int x, int rk) {
	return (!x) ?                                           \
		INF :                                               \
		(tree[tree[x].left].size >= rk ?                    \
			queryrk(tree[x].left, rk) :                     \
			(tree[tree[x].left].size + tree[x].cnt >= rk ?  \
				tree[x].val :                               \
				queryrk(tree[x].right, rk - tree[tree[x].left].size - tree[x].cnt)));
}

这句话：

否则，就在右子树里找。即寻找在右子树里，相对排名为 $\text{rk} -\text{sum}$ 的数。

我困惑了很久，我们还是得回到queryrk的定义上来。

由于我们的queryrk(int x, int rk)函数的根不是 $\text{root}$ 而是 $\text{x}$ ，那么在往右边找的过程中，相对于 $\text{root}$ 排名为 $\text{rk}$ 的数，在 $\text{x}$ 中就应该为 $\text{rk} -\text{sum}$ 。如图：

那为什么往左跳的时候就不需要用相对排名了呢？图都在这里了，相信大家拿出纸笔画一画就知道了。

接下来即为已知数找对应的排名。和上一步操作类似，只不过这次我们只需要利用「二分查找」的思想，不断地向左子树或右子树跳即可。

给出queryval(int x, int val)，用于在根 x 下寻找 val 的排名。

1. 如果树是空的，当然不存在排名（本题中为 $0$ ）；
2. 如果有根：
   • 如果$\text{val}$与当前节点的值相等，那么直接返回左子树的大小；
   • 否则：
     • 如果$\text{val}$小一些，就应该往左边跳。
     • 如果$\text{val}$大一些，就应该往右边跳。并且将答案加上左子树的大小以及根节点的大小。

int queryval(int x, int val) {
	return (!x) ?                                 \
			0	:                                 \
			(val == tree[x].val ?                 \
				tree[tree[x].left].size :         \
				(val < tree[x].val ?              \
					queryval(tree[x].left, val) : \
					(queryval(tree[x].right, val) + tree[tree[x].left].size + tree[x].cnt)));
}

这句话：

并且将答案加上左子树的大小以及根节点的大小。

我们还是看到上一个图片：

当你在往右跳的时候，假设你从10号跳到了13号，如果直接返回左子树的大小，你会发现其实上一步跳来的根节点所对应的大小，以及上一步跳来的根节点对应左子树的大小，被忽略了。
例如在我们的假设下，如果直接返回13对应左子树的大小，你就忽略了10号和9号。

接下来我们来寻找前继和后驱。如果你真正明白了上面两个操作的实现思路，那么找前驱和找后继就会变得很显然了。这里，我们不给出具体的操作思路而只给出代码，希望大家能自行理解。

给出函数getbefore(int x, int val, int ans = -INF)，用于在根x下寻找val的前继，如果没找到则返回-INF；
给出函数getnext(int x, int val, int ans = INF)，用于在根x下寻找val的后驱，如果没找到则返回INF。

int getbefore(int x, int val, int ans = -INF) {
	return (tree[x].val >= val) ?                                                  \
			(!tree[x].left 	? 			ans : getbefore(tree[x].left, val, ans)) : \
			(!tree[x].right ? 	tree[x].val : getbefore(tree[x].right, val, tree[x].val)) ;
}

int getnext(int x, int val, int ans = INF) {
	return (tree[x].val <= val) ?                                                 \
			(!tree[x].right ? 			ans : getnext(tree[x].right, val, ans)) : \
			(!tree[x].left 	? 	tree[x].val : getnext(tree[x].left, val, tree[x].val));
}

最后一个操作是本题中没有涉及到的，但我认为还是需要提一下：删除。

给出函数delete(int x, int val)，用于在根x下删除值为val的节点。

1. 找到这个节点；
2. 考虑这个节点的 $\text{cnt}$ ：
   • 如果 $\text{cnt}$ 比 $1$ 大，直接减少即可；
   • 如果 $\text{cnt}$ 就是 $1$：
     • 如果该节点为叶节点，直接删除；
     • 如果该节点在只有一个儿子，那么直接用他的儿子替代他；
     • 否则，用左子树的最大值/右子树的最小值替代他。

本题并不需要删除操作，故此处不给出删除的代码。在下一小节中，我们会从代码层面实现删除操作。

---

3. 小结

感觉如何？如果你是第一次接触这种有点复杂的数据结构，接受起来可能还是需要花点时间。

需要注意的是，我们在处理二叉树问题时「总是改变当前根节点，把一个大的问题转化为一个小的问题」。

稍作休息，接下来，我们就要进入「AVL二叉平衡树」的介绍了。

---

II.升级开始「AVL二叉平衡树」

__EOF__

本文作者：SDLTF
本文链接：https://www.cnblogs.com/sdltf/p/17611277.html
关于博主：评论和私信会在第一时间回复。或者直接私信我。
版权声明：本博客所有文章除特别声明外，均采用 BY-NC-SA 许可协议。转载请注明出处！
声援博主：如果您觉得文章对您有帮助，可以点击文章右下角【推荐】一下。您的鼓励是博主的最大动力！