【数据结构与算法Python版学习笔记】树——平衡二叉搜索树(AVL树)
定义
- 能够在key插入时一直保持平衡的二叉查找树: AVL树
- 利用AVL树实现ADT Map, 基本上与BST的实现相同,不同之处仅在于二叉树的生成与维护过程
平衡因子
-
AVL树的实现中, 需要对每个节点跟踪“平衡因子balance factor”参数
$balance Factor=height (left SubTree)-height(right SubTree)$
- 平衡因子大于0,称为“左重left-heavy”,
- 小于零称为“右重right-heavy”
- 平衡因子等于0,则称作平衡。
-
如果一个二叉查找树中每个节点的平衡因子都在-1, 0, 1之间, 则把这个二叉搜索树称为平衡树
- 在平衡树操作过程中, 有节点的平衡因子超出此范围, 则需要一个重新平衡的过程
AVL树的性能
问题规模(总节点数N)和比对次数(树的高度h)之间的关系
最差情形下的性能:即平衡因子为1或者-1
- 当高度为h时,节点数Nh是:Nh=1+Nh-1+Nh-2
- 与斐波那契数列很相似,随着斐波那契数列的增长,Fi/Fi-1逐渐逼近黄金分割比例Φ
- 最多搜索次数h和规模N的关系, 可以说AVL树的搜索时间复杂度为O(log n)
实现
- 首先, 作为BST, 新key必定以叶节点形式插入到AVL树中
- 叶节点的平衡因子是0, 其本身无需重新平衡
- 但会影响其父节点的平衡因子:
- 作为左子节点插入,则父节点平衡因子会增加1;
- 作为右子节点插入,则父节点平衡因子会减少1。
- 这种影响可能随着其父节点到根节点的路径一直传递上去, 直到:
- 传递到根节点为止;
- 或者某个父节点平衡因子被调整到0,不再影响上层节点的平衡因子为止
重新定义_put方法即可
def _put(self, key, val, currentNode):
if key < currentNode.key:
if currentNode.hasLeftChild():
self._put(key, val, currentNode.leftChild)
else:
currentNode.leftChild = TreeNode(key, val, parent=currentNode)
# 调整因子
self.updateBalance(currentNode.leftChild)
else:
if currentNode.hasRightChild():
self._put(key, val, currentNode.rightChild)
else:
currentNode.rightChild = TreeNode(key, val, parent=currentNode)
# 调整因子
self.updateBalance(currentNode.rightChild)
def updateBalance(self, node):
if node.balanceFactor > 1 or node.balanceFactor < -1:
self.rebalance(node)
if node.parent != None:
if node.isLeftChild():
node.parent.balanceFactor += 1
if node.isRightChild():
node.parent.balanceFactor-+1
if node.parent.balanceFactor != 0:
updateBalance(node.parent)
rebalance重新平衡
- 主要手段 :将不平衡的子树进行旋转rotation
- 视“左重”或者“右重”进行不同方向的旋转
左旋包括以下步骤:
- 将右子节点(节点B)提升为子树的根节点。
- 将旧根节点(节点A)作为新根节点的左子节点。
- 如果新根节点(节点B)已经有一个左子节点,将其作为新左子节点(节点A)的右子节点。注意,因为节点B之前是节点A的右子节点,所以此时节点A必然没有右子节点。因此,可以为它添加新的右子节点,而无须过多考虑。
def rotateLeft(self, rotRoot):
newRoot = rotRoot.rightChild
rotRoot.rightChild = newRoot.leftChild
if newRoot.leftChild != None:
newRoot.leftChild.parent = rotRoot
newRoot.parent = rotRoot.parent
if rotRoot.isRoot():
self.root = newRoot
else:
if rotRoot.isLeftChild():
rotRoot.parent.leftChild = newRoot
else:
rotRoot.parent.rightChild = newRoot
newRoot.leftChild = rotRoot
rotRoot.parent = newRoot
rotRoot.balanceFactor = rotRoot.balanceFactor + \
1-min(newRoot.balanceFactor, 0)
newRoot.balanceFactor = newRoot.balanceFactor + \
1+max(rotRoot.balanceFactor, 0)
右旋步骤如下。
- 将左子节点(节点C)提升为子树的根节点。
- 将旧根节点(节点E)作为新根节点的右子节点。
- 如果新根节点(节点C)已经有一个右子节点(节点D),将其作为新右子节点(节点E)的左子节点。注意,因为节点C之前是节点E的左子节点,所以此时节点E必然没有左子节点。因此,可以为它添加新的左子节点,而无须过多考虑。
如何调整平衡因子
def rebalance(self,node):
# 右重左旋
if node.balanceFactor<0:
# 右子节点左重右旋
if node.rightChild.balanceFactor>0:
self.rotateRight(node.rightChild)
self.rotateLeft(node)
else:
self.rotateLeft(node)
# 左重右旋
elif node.balanceFactor>0:
# 左子节点右重左旋
if node.leftChild.balanceFactor<0:
self.rotateLeft(node.leftChild)
self.rotateRight(node)
else:
self.rotateRight(node)
结语
- 经过复杂的put方法, AVL树始终维持平衡, get方法也始终保持O(log n)高性能
- 整个put方法的时间复杂度还是O(log n)
- 需要插入的新节点是叶节点,更新其所有父节点和祖先节点的代价最多为O(log n)
- 如果插入的新节点引发了不平衡,重新平衡最多需要2次旋转,但旋转的代价与问题规模无关,是常数O(1)
作者:砥才人
出处:https://www.cnblogs.com/shiroe
本系列文章为笔者整理原创,只发表在博客园上,欢迎分享本文链接,如需转载,请注明出处!