平衡二叉搜索树:简称平衡二叉树。由前苏联的数学家 Adelse-Velskil 和 Landis 在 1962 年提出的高度平衡的二叉树,根据科学家的英文名也称为 AVL 树。
防止搜索二叉树退化为链表
即左右两子树的高度差:
B F = h l e f t − h r i g h t BF=h_{left}-h_{right} BF=hleft−hright
平衡二叉树的任何一节点的平衡因子只有三个取值: 0 , 1 , − 1 0,1,-1 0,1,−1,如果绝对值大于 1 1 1,说明该树失衡,就需要进行调整
struct treenode
{
int _val;//键值
treenode* _parent;//父节点
treenode* _l, * _r;//左右子树节点
int _deepth;//树高度
treenode(int val = 0) :_val(val), _deepth(1),_l(nullptr),_r(nullptr),_parent(nullptr) {
}
};
class AVLTree
{
treenode* _root;//根节点
void _insert(treenode*& , int );//插入
treenode* _erase(treenode* , int);//删除
treenode* get_lmax(treenode* );//获取左子树中的最大值
treenode* LL_roate(treenode*);//左旋
treenode* RR_roate(treenode*);//右旋
treenode* LR_roate(treenode*);//左右旋
treenode* RL_roate(treenode*);//右左旋
treenode* _find(treenode* , int );//查找
void _print(treenode* );//打印树节点
void updata_deepth(treenode* root) {
//更新树高度
root ? root->_deepth = max(get_deepth(root->_l),get_deepth(root->_r)) + 1 : 0;
}
int get_deepth(treenode* root){
//获取树高度
return root ? root->_deepth : 0;
}
int get_balance_factor(treenode* root) {
//获取平衡因子
return root ? get_deepth(root->_l) - get_deepth(root->_r) : 0;
}
public:
void insert(int data);//插入
void erase(int data);//删除
treenode* find(int data);//查找
void print() {
_print(_root); }//打印
};
要调整失衡的AVL树,就要找到最小不平衡子树,通过调整不平衡子树,来调整失衡的AVL树
最小不平衡子树:高度最小的失衡树。从插入点开始第一个平衡因子绝对值大于1的节点。
通过旋转调整不平衡子树,旋转的类型有四种情况:
L L , L R , R R , R L LL,LR,RR,RL LL,LR,RR,RL,分别对应失衡的四种情况。
左子树深度高于右子树 ( m a x { h 1 , h 2 } − 2 = m a x { h 3 , h 4 } , 即平衡因子等于 2 ) (max \left \{ h_1,h_2\right \}-2=max\left \{ h_3,h_4\right \},即平衡因子等于2) (max{ h1,h2}−2=max{ h3,h4},即平衡因子等于2)
a.左子树的左子树深度高于左子树的右子树深度 ( h 1 > h 2 , 左子树平衡因子为 1 , R R ) (h_1>h_2,左子树平衡因子为1,RR) (h1>h2,左子树平衡因子为1,RR)
b.左子树的右子树深度高于左子树的左子树深度 ( h 2 > h 1 , 左子树平衡因子为 − 1 , L R ) (h_2>h_1,左子树平衡因子为-1,LR) (h2>h1,左子树平衡因子为−1,LR)
右子树深度高于左子树 ( m a x { h 3 , h 4 } − 2 = m a x { h 1 , h 2 } , 即平衡因子等于 − 2 ) (max \left \{ h_3,h_4\right \}-2=max\left \{ h_1,h_2\right \},即平衡因子等于-2) (max{ h3,h4}−2=max{ h1,h2},即平衡因子等于−2)
a.右子树的右子树深度高于右子树的左子树深度 ( h 4 > h 3 , 右子树平衡因子为 − 1 , L L ) (h_4>h_3,右子树平衡因子为-1,LL) (h4>h3,右子树平衡因子为−1,LL)
b.右子树的左子树深度高于右子树的右子树深度 ( h 3 > h 4 , 右子树平衡因子为 1 , R L ) (h_3>h_4,右子树平衡因子为1,RL) (h3>h4,右子树平衡因子为1,RL)
旋转的目的就是减少高度,通过降低整棵树的高度来平衡。哪边的树高,就把那边的树向上旋转。
就是让右儿子当爹。这样操作逻辑上相当于让整棵树向左旋转了。
代码实现时,注意要将父节点(如果有的话)的子树(左子树或右子树,要判断一下)改为该节点的右子树(右旋也同理)。
inline treenode* AVLTree::LL_roate(treenode* root)
{
treenode* s = root->_r;//记录右子树
//调整父节点
s->_parent = root->_parent;//改变右子树的父节点
if (root->_parent) //如果该节点有父节点
{
if (root->_parent->_l == root)//判断该节点是父节点的左子树还是右子树
root->_parent->_l = s;//将父节点的子树改为该节点的右子树
else
root->_parent->_r = s;
}
root->_parent = s;//将该节点的父节点改为右子树,这个一定要最后调整
//调整子树
if (s->_l)//如果右子树和有左子树
s->_l->_parent = root;//就将右子树的左子树父节点改为该节点
root->_r = s->_l;//将右子树的左子树给该节点的右子树
s->_l = root;//将右子树的左子树改为该节点
//跟更新树高度
updata_deepth(root);//必须先更新该节点
updata_deepth(s);
return s;//返回该树的新的根节点
}
就是让左儿子当爹。这样的操作在逻辑上相当于将整棵树向右旋转了。
inline treenode* AVLTree::RR_roate(treenode* root)
{
treenode* s = root->_l;//记录左子树
//调整父节点
s->_parent = root->_parent;//改变左子树的父节点
if (root->_parent)//如果该节点有父节点
{
if (root->_parent->_l == root)//判断该节点是父节点的左子树还是右子树
root->_parent->_l = s;//将父节点的子树改为该节点的左子树
else
root->_parent->_r = s;
}
root->_parent = s;//将该节点的父节点改为左子树
//调整子树
if (s->_r)//如果左子树有右子树
s->_r->_parent = root;//就将左子树的右子树的父节点改为该节点
root->_l = s->_r;//将该节点的左子树改为左子树的右子树
s->_r = root;//将左子树的右子树改为该节点
//更新树高度
updata_deepth(root);
updata_deepth(s);
return s;//返回该树新的根节点
}
当失衡是由于左子树的右子树引起时,单纯的右旋不能解决问题。如下图
如果直接进行右旋,结果如下,并没有使二叉树回复平衡。
这时,我就就要先对左子树进行左旋操作,让左子树的左子树变为引起失衡的子树,再进行右旋,就可以将二叉树恢复平衡。
inline treenode* AVLTree::LR_roate(treenode* root)
{
LL_roate(root->_l);//左旋左子树
return RR_roate(root);//
}
于左右旋同理,就不过多赘述,直接给出代码
inline treenode* AVLTree::RL_roate(treenode* root)
{
RR_roate(root->_r);
return LL_roate(root);
}
插入同搜索二叉树基本相同,但是在每次插入之后要更新树的高度,并且检查树是否失衡,这样就可以在递归回退时找到最小不平衡子树,并且旋转调整他。
inline void AVLTree::insert(int data)
{
if (!_root)//为空树时,直接赋值改变根节点
{
_root = new treenode(data);
return;
}
_insert(_root, data);//不为空就插入
}
inline void AVLTree::_insert(treenode*& root, int data)
{
//插入
//按照二叉搜索树进行插入
if (root->_val < data)
{
if (root->_r)
_insert(root->_r, data);
else
{
root->_r = new treenode(data);
root->_r->_parent = root;
}
}
else
{
if (root->_l)
_insert(root->_l, data);
else
{
root->_l = new treenode(data);
root->_l->_parent = root;
}
}
//更新深度
updata_deepth(root);
//判断是否失衡
if (get_balance_factor(root) == -2)
{
//LL型,左旋一次
//右子树的右子树插入导致失衡
if (get_balance_factor(root->_r) == -1)
root = LL_roate(root);
//RL型,先让右子树右旋再让根节点左旋
//右子树的左子树插入导致失衡
else if (get_balance_factor(root->_r) == 1)
root = RL_roate(root);
}
else if (get_balance_factor(root) == 2)
{
//RR型,右旋一次
//左子树的左子树插入导致失衡
if (get_balance_factor(root->_l) == 1)
root = RR_roate(root);
//LR型,先让左子树左旋再让根节点右旋
//左子树的右子树导致失衡
else if (get_balance_factor(root->_l) == -1)
root = LR_roate(root);
}
}
对于删除,需要考虑三种情况:
删除有两个子树的节点时,让左子树的最大值(前驱)或是右子树的最小值(后继)替代该节点位置,依然满足搜索二叉树。
实现时,将该节点的值直接改为前驱(后继),然后要删除节点就变为前驱(后继),再递归找到前驱(后继),最后都会转化成前两种情况。
inline treenode* AVLTree::get_lmax(treenode* lroot)
{
while (lroot->_r)
lroot = lroot->_r;
return lroot;
}
inline void AVLTree::erase(int data)
{
if (!_root)//空树不能进行删除
return;
_root = _erase(_root, data);
}
inline treenode* AVLTree::_erase(treenode* root, int data)
{
//1.删除节点
if (root->_val < data)
if (root->_r)
_erase(root->_r, data);
else if (root->_val > data)
if (root->_l)
_erase(root->_l, data);
else
{
//删除有三种情况
//1.删除节点为叶子节点
//直接删除
if (!root->_l && !root->_r)
{
if (root->_parent)
{
if (root->_parent->_l == root)
root->_parent->_l = nullptr;
else
root->_parent->_r = nullptr;
}
delete root;
root = nullptr;
}
//2.删除节点有一个子树
//将该子树代替掉删除节点的位置
else if (!root->_l || !root->_r)
{
if (root->_parent)
{
if (root->_parent->_l == root)
root->_parent->_l = root->_l ? root->_l : root->_r;
else
root->_parent->_r = root->_l ? root->_l : root->_r;
}
treenode* s = root->_l ? root->_l : root->_r;
s->_parent = root->_parent;
delete root;
root = s;
}
// 3.删除节点有两个子树
//用中序遍历的前驱或后继代替该节点
else
{
treenode* lmax = get_lmax(root->_l);
root->_val = lmax->_val;
_erase(root->_l, lmax->_val);
}
}
//2.调整高度
updata_deepth(root);
//3.调整最小不平衡子树
if (get_balance_factor(root) == 2)
{
if (get_balance_factor(root->_l) == 1)
root = RR_roate(root);
else
root = LR_roate(root);
}
else if (get_balance_factor(root) == -2)
{
if (get_balance_factor(root) == -1)
root = LL_roate(root);
else
root = RL_roate(root);
}
return root;
}
很简单,这里只给出代码
inline treenode* AVLTree::find(int data)
{
if (!_root)
return nullptr;
return _find(_root, data);
}
inline treenode* AVLTree::_find(treenode* root, int data)
{
if (!root)
return nullptr;
if (data < root->_val)
return _find(root->_l, data);
else if (data > root->_val)
return _find(root->_r, data);
else
return root;
}
平衡二叉树旋转时,交换的变量很多,要时刻记着哪些变量已经交换,哪些还没有,实现时要仔细不然很容易出现问题。
文章浏览阅读3.3k次,点赞7次,收藏39次。CPU 执行现行程序的过程中,出现某些急需处理的异常情况或特殊请求,CPU暂时中止现行程序,而转去对异常情况或特殊请求进行处理,处理完毕后再返回现行程序断点处,继续执行原程序。void 函数名(void) interrupt n using m {中断函数内容 //尽量精简 }编译器会把该函数转化为中断函数,表示中断源编号为n,中断源对应一个中断入口地址,而中断入口地址的内容为跳转指令,转入本函数。using m用于指定本函数内部使用的工作寄存器组,m取值为0~3。该修饰符可省略,由编译器自动分配。_51单片机中断篇
文章浏览阅读396次。项目经验(案例一)项目时间:2009-10 - 2009-12项目名称:中驰别克信息化管理整改完善项目描述:项目介绍一,建立中驰别克硬件档案(PC,服务器,网络设备,办公设备等)二,建立中驰别克软件档案(每台PC安装的软件,财务,HR,OA,专用系统等)三,能过建立的档案对中驰别克信息化办公环境优化(合理使用ADSL宽带资源,对域进行调整,对文件服务器进行优化,对共享打印机进行调整)四,优化完成后..._网络工程师项目经历
文章浏览阅读1k次,点赞31次,收藏30次。LVS:Linux Virtual Server,负载调度器,内核集成, 阿里的四层SLB(Server Load Balance)是基于LVS+keepalived实现。NATTUNDR优点端口转换WAN性能最好缺点性能瓶颈服务器支持隧道模式不支持跨网段真实服务器要求anyTunneling支持网络private(私网)LAN/WAN(私网/公网)LAN(私网)真实服务器数量High (100)High (100)真实服务器网关lvs内网地址。
文章浏览阅读899次。https://www.toutiao.com/a6713171323893318151/作者 | 黄小邪/言有三编辑 | 黄小邪/言有三图像预处理算法的好坏直接关系到后续图像处理的效果,如图像分割、目标识别、边缘提取等,为了获取高质量的数字图像,很多时候都需要对图像进行降噪处理,尽可能的保持原始信息完整性(即主要特征)的同时,又能够去除信号中无用的信息。并且,降噪还引出了一..._噪声很大的图片可以降噪吗
文章浏览阅读152次。目录谨慎地覆盖cloneCloneable接口并没有包含任何方法,那么它到底有什么作用呢?Object类中的clone()方法如何重写好一个clone()方法1.对于数组类型我可以采用clone()方法的递归2.如果对象是非数组,建议提供拷贝构造器(copy constructor)或者拷贝工厂(copy factory)3.如果为线程安全的类重写clone()方法4.如果为需要被继承的类重写clone()方法总结谨慎地覆盖cloneCloneable接口地目的是作为对象的一个mixin接口(详见第20_为继承设计类有两种选择,但无论选择其中的
文章浏览阅读958次,点赞21次,收藏24次。今天学长向大家分享一个毕业设计项目基于协同过滤的电影推荐系统项目运行效果:项目获取:https://gitee.com/assistant-a/project-sharing21世纪是信息化时代,随着信息技术和网络技术的发展,信息化已经渗透到人们日常生活的各个方面,人们可以随时随地浏览到海量信息,但是这些大量信息千差万别,需要费事费力的筛选、甄别自己喜欢或者感兴趣的数据。对网络电影服务来说,需要用到优秀的协同过滤推荐功能去辅助整个系统。系统基于Python技术,使用UML建模,采用Django框架组合进行设
文章浏览阅读614次。10G SFP+光模块被广泛应用于10G以太网中,在下一代移动网络、固定接入网、城域网、以及数据中心等领域非常常见。下面易天光通信(ETU-LINK)就为大家一一盘点下10G SFP+光模块都有哪些吧。一、10G SFP+双纤光模块10G SFP+双纤光模块是一种常规的光模块,有两个LC光纤接口,传输距离最远可达100公里,常用的10G SFP+双纤光模块有10G SFP+ SR、10G SFP+ LR,其中10G SFP+ SR的传输距离为300米,10G SFP+ LR的传输距离为10公里。_10g sfp+
文章浏览阅读239次。该项目含有源码、文档、程序、数据库、配套开发软件、软件安装教程。欢迎交流项目运行环境配置:项目技术:Express框架 + Node.js+ Vue 等等组成,B/S模式 +Vscode管理+前后端分离等等。环境需要1.运行环境:最好是Nodejs最新版,我们在这个版本上开发的。其他版本理论上也可以。2.开发环境:Vscode或HbuilderX都可以。推荐HbuilderX;3.mysql环境:建议是用5.7版本均可4.硬件环境:windows 7/8/10 1G内存以上;_基于vue美食网站源码
文章浏览阅读62次。oldwain随便写@hexun链接:http://oldwain.blog.hexun.com/ ...
文章浏览阅读843次,点赞16次,收藏22次。用这个工具扫描其它网站时,要注意法律问题,同时也比较慢,所以我们以之前写的登录页面为例子扫描。_sqlmap拖库
文章浏览阅读1.5w次,点赞5次,收藏38次。Origin也能玩转图片的拼接组合排版谭编(华南师范大学学报编辑部,广州 510631)通常,我们利用Origin软件能非常快捷地绘制出一张单独的绘图。但是,我们在论文的撰写过程中,经常需要将多种科学实验图片(电镜图、示意图、曲线图等)组合在一张图片中。大多数人都是采用PPT、Adobe Illustrator、CorelDraw等软件对多种不同类型的图进行拼接的。那么,利用Origin软件能否实..._origin怎么把三个图做到一张图上
文章浏览阅读4.2k次,点赞4次,收藏51次。51单片机智能电风扇控制系统仿真设计( proteus仿真+程序+原理图+报告+讲解视频)仿真图proteus7.8及以上 程序编译器:keil 4/keil 5 编程语言:C语言 设计编号:S0042。_电风扇模拟控制系统设计