首页 > 代码库 > 算法导论学习-binary search tree
算法导论学习-binary search tree
1. 概念:
Binary-search tree(BST)是一颗二叉树,每个树上的节点都有<=1个父亲节点,ROOT节点没有父亲节点。同时每个树上的节点都有[0,2]个孩子节点(left child AND right child)。每个节点都包含有各自的KEY值以及相应的satellite data。其中KEY是几种BST基本操作的主要操作对象。
2. BST的特别性质:
BST任何一颗子树上的三个节点left, parent, right. 满足条件left.key<parent.key<=right.key
一颗典型的BST如下图所示:
观察之后不难发现如果对BST进行PREORDER walk(先序遍历),得到:2, 5, 5, 6, 7, 8 是排序号的数列。
P.S 所谓PREORDER walk,就是要访问以ROOT为根的树,先要访问ROOT.left, 然后访问ROOT, 最后访问ROOT.right。
用pseudocode的形式的话,就是这样:
PREORDER-WALK(x)1 if(x!=NIL) 2 PREORDER-WALK(x.left)3 print x.key4 PREORDER-WALK(x.right)
3. BST的几种基本操作:
SEARCH, MINIMUM, MAXIMUM, PREDECESSOR, SUCCESSOR, INSERT, and DELETE.
2.1 SEARCH:
TREE-SEARCH(x, k)INPUT: BST ROOT node, value k.OUPUT: node in BST whose key equals to k1 if(x==NIL) OR (k==x.key)2 return x3 if(k<x.key)4 return TREE-SEARCH(x.left, k)5 else return TREE-SEARCH(x.right, k)
算法解释:当我们要找到key值为k的节点在BST中的位置,我们一般调用上述函数TREE-SEARCH(ROOT, k)(ROOT为BST的根节点)。如果ROOT节点的key值等于k,则我们要找的节点就是根节点ROOT。如果不是,根据BST的特殊性质:
left.key<parent.key<=right.key
我们比较当前节点的key值,如果current.key<k,则要在当前节点的左子树中查找,反之,则在右子树中查找。[line3-line5]
2.2 MINIMUM:
TREE-MINIMUM(x)INPUT: BST ROOT nodeOUTPUT: the smallest key in BST1 if(x==NIL) return;2 while(x.left!=NIL)3 x=x.left4 return x.key
算法解释:一个BST的最左叶子节点的key值就是BST所有key值中最小的。这个根据BST的特殊性质很容易推导出来:
因为 left.key < parent.key < parent.key < .... < root.key
有了MINIMUM算法,MAXIMUM算法也就有了:
2.3 MAXIMUM:
TREE-MAXIMUM(x)INPUT: BST ROOT nodeOUTPUT: the smallest key in BST1 if(x==NIL) return;2 while(x.right!=NIL)3 x=x.right4 return x.key
2.4 SUCCESSOR:
TREE-SUCCESSOR(x)INPUT: arbitray node x in BSTOUTPUT: x‘s successor node1 if(x.right!=NIL)2 TREE-MINIMUM(x.right)3 y=x.parent4 while(y!=NIL AND y.left==x)5 x=y6 y=y.parent7 return y
这里说明一下SUCCESSOR的含义,x的SUCCESSOR满足x.key<=x.SUCCESSOR.key,并且x.SUCCESSOR.key是距离x.key最近的值,即x.SUCCESSOR.key是x.key的最小上限(minimum ceiling)
算法思想:因为在BST中,有x.key<=x.right.key。所以如果某BST的节点x有右孩子节点(x.right!=NIL),则利用TREE-MINIMUM在x的右子树中查找即可。如果x不存在右孩子,则检查x是否有父亲节点并且x必须是父亲节点的左孩子,只有这样才有parent.key>parent.left.key。但找到x的parent就结束了吗,还没有,就像TREE-MINIMUM函数一样,我们需要逐层查找,当找到符合条件的parent后,我们递归的继续检查parent节点有没有parent.parent节点符不符合上述条件。知道访问到的parent节点不符合该条件为止。
2.5 INSERT:
TREE-INSERT(T, z)1 y=NIL2 x=T.ROOT3 while(x!=NIL) 4 y=x5 if(z.key<x.key)6 x=x.left7 else x=x.right8 z.p=y9 if(y==NIL) T.ROOT=z10 if(z.key<y.key) y.left=z11 else y.right=z
用一张图来解释该算法:
虚线指向的key值为13的节点是即将要插入BST的点,其他的点已经在BST上。可以看到从ROOT节点出发,根据“左小右大”规则,我们很快找到了key值为15的节点,因为13<15,所以检查‘15’节点是否有左孩子,结果是没有,所以把13放到15的左孩子节点处。我们可以想象如果要插入的节点key是16会怎么样?同样的,我们还是找到‘15’节点,但是16>15,所以继续往‘右’查找,找到‘17’,因为16<17,看17有没有左孩子节点,没有,所以会把‘16’放到‘17’的左孩子节点处。
2.6 TRANSPLANT:
TRANPLANT(T, u, v)1 if (u.parent==NIL) T.ROOT=v2 else if(u==u.parent;.left) u.parent.left=v3 else u.parent.right=v4 if(v!=NIL) v.parent=u.parent
还是用一张图来展示比较清晰:
2.7 DELETE:
TREE-DELETE(T, z)1 if z.left==NIL2 TRANSPLANT(T, z, z.right)3 else if z.right == NIL4 TRANSPLANT(T, z, z.left)5 else y=TREE-MINIMUM(z.right)6 if y.parent!=z7 TRANSPLANT(T, y, y.right) 8 y.right=z.right9 y.right.parent=y10 TRANSPLANT(T, z, y)11 y.left=z.left12 y.left.parent=y
DELETE算法相对来说比较麻烦一些,需要考虑的情况要多一些。因为要在删除BST的某一节点后仍能维持BST的基本性质。假设要删除的节点是z,z的key值为k。根据“左小右大”原则,z.left.key<k<=z.right.key.如果这时候吧z删了,谁来接替z的位置呢并且保证解体之后的新BST满足性质呢?方法我们可以根据性质来推导:我们要找到一个除了z以外的节点在BST中,该节点假设为P,那么P.key要大于z.left.key并且P.key>=z.right.key,实际上很明显的,唯一符合要求的就是z的SUCCESSOR。
如果z只有左子树或者只有右子树,那么问题就很简单,使z的左孩子或者右孩子来顶替z的位置即可。如果z的左子树和右子树都存在,那么问题稍微复杂一点,我们要在BST上找到z的SUCCESSOR。如此一来,这个问题又变成我们之前讨论的SUCCESSOR问题了,总共有两种情形:
第一种情形:z的右孩子就是我们要找的z的SUCCESSOR,那我们就直接TRANSPLANT移植以z.right为根的子树到z的位置中去。
第二种情形:z的右孩子不是我们要找的z的SUCCESSOR,那我们就从z.right出发,‘深入’寻找知道找到z的SUCCESSOR,假设为Q。
那么我们让Q成为z.right的父亲节点,并且让以Q为根的右子树(因为是根据“最左原则”找到的Q,Q要么是以z.right为根的left-most叶子节点,要么Q只有右子树。)取代Q的位置。最后让Q取代z的位置。。。很绕。。。还是见图吧。
算法导论学习-binary search tree