【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

image

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)

image

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:

image

  • 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。

image

  • 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

image
image

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)

image

posted @ 2021-04-22 14:29  砥才人  阅读(274)  评论(0编辑  收藏  举报