• 大过年仍然坚持学习
  • 包含树与二叉搜索树

  1. 树的优点
  • 综合了其他数据结构的优点(当然优点不足于盖过其他数据结构的优点,比如效率一般情况下没有哈希表高),并且弥补了上面数据结构的缺点
  • 树结构的非线性使得它可以表示一对多的关系
  • 比如文件的目录结构
  1. 树的术语
  • 树:n(n>=0)个节点构成的有限集合,当n=0时,称为空树
  • 对于一个非空树,它有以下性质
    • 树中有一个称为"根(Root)“的特殊节点,用r表示
    • 其余节点可分为m(m>0)个互不相交的有限集T1,T2,…Tm,其中每个集合本身又是一颗树,称为原来树的“子树(SubTree)
  • 节点的度(Degree):节点的子树个数
  • 树的度:树的所有节点中最大的度数
  • 叶节点(Leaf):度为0的节点
  • 父节点:有子树的节点是其子树的根节点的父节点
  • 子节点:若A节点是B节点的父节点,则称B节点是A节点的子节点;子节点也称孩子节点
  • 兄弟节点(Sibling):具有同一父节点的各节点彼此是兄弟节点
  • 路径和路径长度:从节点n1到nk的路径为一个节点序列n1,n2,…nk,ni是ni+1的父节点。路径所包含边的个数为路径的长度
  • 节点的层次(Leavel):规定根节点在1层,其他任一节点的层数是其父节点的层数加1
  • 树的深度(Depth):树中所有节点中的最大层次是这棵树的深度
  1. 树的表示
  • 儿子,兄弟表示法
1
2
3
4
5
Node {
    This.data = data
    This.leftChild = B
    This.sibling = C
}

任何一棵树,都可以用二叉树模拟出来

  1. 二叉树的概念
  • 如果树中的每个节点最多只能有两个子节点,这样的树称为’二叉树'
  • 二叉树可以为空,也就是没有节点
  • 若不为空,则它是由根节点和称为其左子树TL和右子树TR的两个不相交的二叉树组成
  • 二叉树的5种形态:空,只有自身,自身加左子节点,自身加右子节点,自身加左右子节点
  1. 二叉树的特性
  • 一个二叉树第i层的最大节点数为2^(i-1),i>=1
  • 深度为k的二叉树有最大节点总数为:2^k-1,k>=1
  • 对任何非空二叉树T,若n0表示节点的个数,n2是度2为2的非叶节点个数,那么两者满足关系n0=n2+1
  1. 特殊二叉树
  • 完美二叉树:除了最下层的叶子节点外,每个节点都有二个子节点
  • 完全二叉树:
    • 除二叉树最后一层外,其他各层的节点数都达到了最大个数
    • 且最后一层从左向右的叶节点连续存在,只缺右侧若干节点
    • 完美二叉树是特殊的完全二叉树
  1. 二叉树的存储

常见方式是数组和链表

  • 使用数组
    • 完全二叉树:从上往下,从左到右
    • 非完全二叉树:转成完全二叉树才能按上面的方案存储,但是会造成很大的空间浪费
  • 使用链表(二叉树最常见的方式)
    • 每个节点封装成一个node,node中包含存储的数据,左节点的引用,右节点的引用
  1. 二叉搜索树(也称为二叉排序树或者二叉查找树,BST)
  • 二叉搜索树是一棵二叉树,可以为空
  • 如果不为空
    • 非空左子树的所有键值小于其根节点的键值
    • 非空右子树的所有键值大于其根节点的键值
    • 左,右子树本身也都是二叉搜索树
  1. 二叉搜索树的封装
  1
  2
  3
  4
  5
  6
  7
  8
  9
 10
 11
 12
 13
 14
 15
 16
 17
 18
 19
 20
 21
 22
 23
 24
 25
 26
 27
 28
 29
 30
 31
 32
 33
 34
 35
 36
 37
 38
 39
 40
 41
 42
 43
 44
 45
 46
 47
 48
 49
 50
 51
 52
 53
 54
 55
 56
 57
 58
 59
 60
 61
 62
 63
 64
 65
 66
 67
 68
 69
 70
 71
 72
 73
 74
 75
 76
 77
 78
 79
 80
 81
 82
 83
 84
 85
 86
 87
 88
 89
 90
 91
 92
 93
 94
 95
 96
 97
 98
 99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
155
156
157
158
159
160
161
162
163
164
165
166
167
168
169
170
171
172
173
174
175
176
177
178
179
180
181
182
183
184
185
186
187
188
189
190
191
192
193
194
195
196
197
198
199
200
201
202
203
204
205
206
207
208
209
210
211
212
213
214
215
216
217
218
219
220
221
222
223
224
225
226
227
228
229
230
231
232
233
234
235
236
237
238
239
240
241
242
243
244
245
246
247
248
249
250
251
252
253
254
255
256
257
258
259
260
261
262
263
264
265
    // 封装二叉搜索树
    function BinarySearchTree() {

      function Node(key) {
        this.key = key
        this.left = null
        this.right = null
      }

      // 属性
      this.root = null

      // 方法
      // 1.插入数据
      BinarySearchTree.prototype.insert = function(key) {
        // 1.根据key创建节点
        var newNode = new Node(key)

        // 2.判断根节点是否有值
        // 有
        if (this.root == null) {
          this.root = newNode
        } else {
          this.insertNode(this.root, newNode)
        }
        // 无
      }



      // 内部的方法
      BinarySearchTree.prototype.insertNode = function(node, newNode) {
        if (newNode.key < node.key) { // 向左查找
          if (node.left == null) {
            node.left = newNode
          } else {
            this.insertNode(node.left, newNode)
          }
        } else { // 向右查找
          if (node.right == null) {
            node.right = newNode
          } else {
            this.insertNode(node.right, newNode)
          }
        }
      }

      // 2.树的遍历
      // 1.先序遍历
      BinarySearchTree.prototype.preOrderTraversal = function(handler) {
          this.preOrderTraversalNode(this.root, handler)
        }
        // 内部的方法
      BinarySearchTree.prototype.preOrderTraversalNode = function(node, handler) {
        if (node != null) {
          // 1.处理经过的节点
          handler(node.key)

          // 2.查找经过节点的左子节点
          this.preOrderTraversalNode(node.left, handler)

          // 3.查找经过节点的右子节点
          this.preOrderTraversalNode(node.right, handler)
        }
      }

      // 2.中序遍历
      BinarySearchTree.prototype.midOrderTraversal = function(handler) {
        this.midOrderTraversalNode(this.root, handler)
      }

      BinarySearchTree.prototype.midOrderTraversalNode = function(node, handler) {
        if (node != null) {
          // 1.查找左子树中的节点
          this.midOrderTraversalNode(node.left, handler)

          // 2.处理节点
          handler(node.key)

          // 3.查找右子树中的节点
          this.midOrderTraversalNode(node.right, handler)
        }
      }

      // 3.后序遍历
      BinarySearchTree.prototype.postOrderTraversal = function(handler) {
        this.postOrderTraversalNode(this.root, handler)
      }
      BinarySearchTree.prototype.postOrderTraversalNode = function(node, handler) {
        if (node != null) {
          // 1.查找左子树的节点
          this.postOrderTraversalNode(node.left, handler)
            // 2.查找右子树的节点
          this.postOrderTraversalNode(node.right, handler)
            // 3.处理节点
          handler(node.key)
        }
      }

      // 3.查找最值
      BinarySearchTree.prototype.max = function() {
        // 1.获取根节点
        var node = this.root
          // 2.依次不断的向右查找,直到节点为null
        while (node.right != null) {
          node = node.right
        }
        return node.key
      }

      BinarySearchTree.prototype.min = function() {
        var node = this.root
        while (node.left != null) {
          node = node.left
        }
        return node.key
      }

      // 搜索特定的key
      BinarySearchTree.prototype.search = function(key) {
        // 1.获取根节点
        var node = this.root
          // 2.循环搜索key
        while (node != null) {
          if (key < node.key) {
            node = node.left
          } else if (key > node.key) {
            node = node.right
          } else {
            return true
          }
        }
        return false
      }

      // 删除节点
      BinarySearchTree.prototype.remove = function(key) {
        // 1.寻找要删除的节点
        // 1.1定义变量,保存一些信息
        var current = this.root
        var parent = null
        var isLeftChild = true
          // 1.2开始寻找删除的节点
        while (current.key != key) {
          parent = current
          if (key < current.key) {
            isLeftChild = true
            current = current.left
          } else {
            isLeftChild = false
            current = current.right
          }
          // 某种情况:已经找到叶子节点,依然没有==key
          if (current == null) return false
        }
        // 2.根据对应的情况删除节点
        // 找到current.key==key
        // 2.1删除的节点是叶子节点(没有子节点)
        if (current.left == null && current.right == null) {
          // 是根节点
          if (current == this.root) {
            this.root == null
          } else if (isLeftChild) { // 叶子节点
            parent.left = null
          } else {
            parent.right = null
          }
        }
        // 2.2删除的节点有一个子节点
        else if (current.right == null) {
          if (current == this.root) {
            this.root = current.left
          } else if (isLeftChild) {
            parent.left = current.left
          } else {
            parent.right = current.left
          }
        } else if (current.left == null) {
          if (current == this.root) {
            this.root = current.right
          } else if (isLeftChild) {
            parent.left = current.right
          } else {
            parent.right = current.right
          }
        }
        // 2.3删除的节点有两个节点(后继)
        else {
          // 1.获取后继节点
          var successor = this.getSuccessor(current)

          // 2.判断是否是根节点
          if (current == this.root) {
            this.root = successor
          } else if (isLeftChild) {
            parent.left = successor
          } else {
            parent.right = successor
          }

          // 3.将删除的左子树=current.left
          successor.left = current.left
        }
      }

      // 找后继的方法
      BinarySearchTree.prototype.getSuccessor = function(delNode) {
        // 1.定义变量,保存找到的后继
        var successor = delNode
        var current = delNode.right
        var successorParent = delNode

        // 2.循环查找
        while (current != null) {
          successorParent = successor
          successor = current
          current = current.left
        }

        // 3.判断寻找的后继节点是否直接就是delNode的right节点
        if (successor != delNode.right) {
          successorParent.left = successor.right
          successor.right = delNode.right
        }

        return successor
      }
    }

    // 测试方法
    var bst = new BinarySearchTree()

    // 1.插入数据
    bst.insert(11)
    bst.insert(22)
    bst.insert(13)
    bst.insert(12)
    bst.insert(9)
    bst.insert(9)
    bst.insert(16)

    // 2. 测试遍历
    // 先序遍历
    var resultString = ''
    bst.preOrderTraversal(function(key) {
      resultString += key + ' '
    })
    console.log(resultString);
    // 中序遍历
    resultString = ''
    bst.midOrderTraversal(function(key) {
      resultString += key + ' '
    })
    console.log(resultString);
    // 后序遍历
    resultString = ''
    bst.postOrderTraversal(function(key) {
      resultString += key + ' '
    })
    console.log(resultString);
    // 测试最值
    console.log(bst.max());
    console.log(bst.min());
    // 测试搜索
    console.log(bst.search(26), bst.search(11));
  1. 删除操作思路
  • 先找到要删除的节点,如果没找到,不需要删除
  • 找到要删除的节点
    • 删除叶子节点
    • 删除只有一个子节点的节点
    • 删除有两个子节点的节点
  • 删除的节点有两个节点的情况
    • 如果要删除的节点有两个子节点,甚至子节点还有子节点,这种情况下我们需要从下面的子节点中找到一个节点,来替换当前的节点。
    • 但是找到的这个节点有什么特征呢?应该是current节点下面所有节点中最接近current节点的
      • 要么比current节点小一点点,要么比current节点大一点点
      • 最接近current,你就可以用来替换current的位置
    • 这个节点怎么找呢
      • 比current小一点点的节点,一定是current左子树的最大值
      • 比current大一点点的节点,一定是current右子树的最小值
    • 前驱&后继
      • 二叉搜索树中,这两个特别的节点,有两个特别的名字
      • 比current小一点的节点,称为current节点的前驱
      • 比current大一点的节点,称为current节点的后驱
    • 要么找他的前驱,要么找他的后驱
    • 所以,要先找到这样的节点