二叉搜索树 - c++实现

发布时间:2024年01月22日

目录

二叉搜索树概念

二叉搜索树操作 - 查找,插入,删除

二叉搜索树的实现

? ? 循环实现

? ? 递归实现

二叉搜索树的应用

二叉搜索树的性能分析


二叉搜索树

二叉搜索树概念

二叉搜索树又称二叉排序树,它或者是一棵空树,或者是具有以下性质的二叉树:
  • 若它的左子树不为空,则左子树上所有节点的值都小于根节点的值
  • 若它的右子树不为空,则右子树上所有节点的值都大于根节点的值
  • 它的左右子树也分别为二叉搜索树

二叉搜索树操作

int a[] = {8, 3, 1, 10, 6, 4, 7, 14, 13};
运行程序:
1. 二叉搜索树的查找
  • a、从根开始比较,查找,比根大则往右边走查找,比根小则往左边走查找。
  • b、最多查找高度次,走到到空,还没找到,这个值不存在。
2. 二叉搜索树的插入
插入的具体过程如下:
  • a. 树为空,则直接新增节点,赋值给root指针
  • b. 树不空,按二叉搜索树性质查找插入位置,插入新节点

3.二叉搜索树的删除
首先查找元素是否在二叉搜索树中,如果不存在,则返回, 否则要删除的结点可能分下面四种情况:
  • a. 要删除的结点无孩子结点
  • b. 要删除的结点只有左孩子结点
  • c. 要删除的结点只有右孩子结点
  • d. 要删除的结点有左、右孩子结点
看起来有待删除节点有4中情况,实际情况a可以与情况b或者c合并起来,因此真正的删除过程 如下:
  • 情况b:删除该结点且使被删除节点的双亲结点指向被删除节点的左孩子结点--直接删除
  • 情况c:删除该结点且使被删除节点的双亲结点指向被删除结点的右孩子结点--直接删除
  • 情况d:在它的右子树中寻找中序下的第一个结点(关键码最小),用它的值填补到被删除节点中,再来处理该结点的删除问题--替换法删除

二叉搜索树的实现

????????????????????????????????????????????????????????????????????????????????????????????????????????????????BSTree.h

#pragma once

template<class K>
class BSTreeNode
{
	BSTreeNode<K>* _left;
	BSTreeNode<K>* _right;
	K _key;
};

template<class K>
class BSTree
{
	typedef BSTreeNode<K> Node;

protected:
	//代码实现

	
private:
	Node* _root = nullptr;
};
? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?BSTree.h?循环版本
#pragma once

template<class K>
class BSTreeNode
{
public:
	BSTreeNode<K>* _left;
	BSTreeNode<K>* _right;
	K _key;

	BSTreeNode(const K& key)
		:_left(nullptr)
		,_right(nullptr)
		,_key(key)
	{}
};

template<class K>
class BSTree
{
	typedef BSTreeNode<K> Node;
public:
	//代码实现

	//插入
	bool Insert(const K& key)
	{
		if (_root == nullptr) //进行判空
		{
			_root = new Node(key);
		}

		Node* cur = _root; //当前节点

		//cur是局部变量,出作用域后会销毁,造成内存泄露的问题,所以需要新增变量进行链接
		Node* parent = nullptr; 

		while (cur)
		{
			if (key > cur->_key)
			{
				parent = cur; //保留cur的指针
				cur = cur->_right;
			}
			else if(key < cur->_key)
			{
				parent = cur;
				cur = cur->_left;
			}
			else
			{
				return false;   //如果相等 - 不插入 ,避免数据冗余
			}
		}

		cur = new Node(key);

		//链接 - 需要进行判断链接父节点的左右
		if (key > parent->_key)
		{
			parent->_right = cur;
		}
		else
		{
			parent->_left = cur;
		}

		return true;

	}

	//查找
	bool Find(const K& key)
	{
		if (_root == nullptr) //进行判空
			return false;

		Node* cur = _root; //避免直接修改/访问私有成员

		while (cur)
		{
			if (key > cur->_key)
			{
				cur = cur->_right;
			}
			else if (key < cur->_key)
			{
				cur = cur->_left;
			}
			else
			{
				return true;
			}
		}

		return false;
	}

	//注:叶子节点和叶节点是同一个概念,都指的是树中最底层的节点,即没有子节点的节点。

	//删除 - 分情况讨论
	//1.删除叶子节点 - 左右都为空(直接删除)
	
	//2.删除分支节点 - 左右子树有一方为空
		//a.左子树为空 - 右子树需要与父节点进行链接(直接删除)
		//b.右子树为空 - 左子树需要与父节点进行链接(直接删除)
		
	//3.删除分支节点 - 左右子树都不为空
		//a.取右子树的最小值 - 最左节点(伪删除)
		//b.取左子树的最大值 - 最右节点(伪删除)

	bool Erase(const K& key)
	{
		Node* cur = _root; 
		Node* parent = nullptr;

		//查找要删除的节点
		while (cur)
		{
			if (key > cur->_key)
			{
				parent = cur;
				cur = cur->_right;
			}
			else if (key < cur->_key)
			{
				parent = cur;
				cur = cur->_left;
			}
			else
			{
				//1.右子树为空
				if (cur->_right == nullptr)
				{
					if (cur == _root)
					{
						_root = cur->_left;
					}
					else
					{
						if (parent->_right == cur)
						{
							parent->_right = cur->_left;
						}
						else
						{
							parent->_left = cur->_left;
						}
					}

					delete cur;
				}
				else if (cur->_left == nullptr) //2.左子树为空
				{
					if (cur == _root)
					{
						_root = cur->_right;
					}
					else
					{
						if (parent->_left == cur)
						{
							parent->_left = cur->_right;
						}
						else
						{
							parent->_right = cur->_right;
						}
					}

					delete cur;
				}
				else
				{
					//左右子树都不为空 - 取右子树最小值/取左子树最大值
					Node* PminRight = cur; //删除节点的父节点

					Node* minRight = cur->_right; //删除的节点

					//右子树最小节点一定是最靠近左子树的节点
					while (minRight->_left)
					{
						PminRight = minRight;
						minRight = minRight->_left;
					}

					cur->_key = minRight->_key; //进行赋值

					//链接 - 需要判断
					if (PminRight->_right == minRight)
					{
						PminRight->_right = minRight->_right;
					}
					else
					{
						PminRight->_left = minRight->_right;
					}

					delete minRight;

				}

				return true;
			}
			
		}

		return false;

	}


	//打印 - 子函数
	void _Inorder(Node* root)
	{
		if (root == nullptr)
			return;

		_Inorder(root->_left);
		cout<< root->_key << " ";
		_Inorder(root->_right);
	}
	//打印
	void Inorder()
	{
		_Inorder(_root);
		cout << endl;
	}
	
private:
	Node* _root = nullptr;
};

解析:

①关于插入

②关于查找

③关于删除

1.删除的节点右子树为空:

2.删除的节点左子树为空:

3.删除的节点左/右子树都不为空(这里采用的是取右子树的最小值):


? ? ?????????????????????????????????????????????????????????????????????????????????????????????????BSTree.h?递归版本
//递归版本
	 
	//查找 - 子函数
	bool _Find_R(Node* root, const K& key)
	{
		if (root == nullptr)
			return false;

		if (key == root->_key)
			return true;

		if (key > root->_key)
		{
			return _Find_R(root->_right, key);
		}
		else
		{
			return _Find_R(root->_left, key);
		}
	}

	//查找
	bool Find_R(const K& key)
	{
		return _Find_R(_root, key);
	}


	//插入- 子函数
	bool _Insert_R(Node*& root, const K& key)
	{
		if (root == nullptr)
		{
			root = new Node(key);
			return true;
		}

		if (key > root->_key)
		{
			return _Insert_R(root->_right, key);
		}
		else if(key < root->_key)
		{
			return _Insert_R(root->_left, key);
		}
		else
		{
			return false;  //相等 - 避免数据冗余
		}

	}

	//插入
	bool Insert_R(const K& key)
	{
		return _Insert_R(_root, key);
	}

	//删除 - 子函数
	bool _Erase_R(Node*& root, const K& key)
	{
		if (root == nullptr)
			return false;

		if (key > root->_key)
		{
			return _Erase_R(root->_right, key);
		}
		else if (key < root->_key)
		{
			return _Erase_R(root->_left, key);
		}
		else 
		{
			//找到了-开始删除
			
			Node* del = root;

			//1.左子树为空
			if (root->_left == nullptr)
			{
				root = root->_right;
			}
			else if(root->_right == nullptr) //右子树为空
			{
				root = root->_left;
			}
			else
			{
				//左右子树都不为空 - a.取左子树最大值  b.取右子树最小值
		
				Node* maxLeft = root->_left;

				while (maxLeft->_right)
				{
					maxLeft = maxLeft->_right;
				}

				swap(maxLeft->_key, root->_key);

				return  _Erase_R(root->_left, key); //转换成子树去删除
				//注意:这里不能传 _Erase_R(maxLeft, key);
				//虽然这里是传引用,但是maxLeft是局部变量,引用代表着root是这个局部变量的别名
				//而局部变量出作用域后会销毁,所以这里传maxLeft会报错
			}

			delete del;

			return true;
		}
	}

	//删除
	bool Erase_R(const K& key)
	{
		return _Erase_R(_root, key);
	}



	//---------------------------------------------------------------------

	//打印 - 子函数
	void _Inorder(Node* root)
	{
		if (root == nullptr)
			return;

		_Inorder(root->_left);
		cout<< root->_key << " ";
		_Inorder(root->_right);
	}
	//打印
	void Inorder()
	{
		_Inorder(_root);
		cout << endl;
	}

解析:

①关于插入

②.关于删除

1.左/右为空:

2.左右子树都不为空(这里采用的是取左子树的最大值):

? ? ?????????????????????????????????????????????????????????????????????????????????????????BSTree.h?关于析构,构造,赋值
    ~BSTree()
	{
		Destory(_root);
		_root = nullptr;
	}

	void Destory(Node* root)
	{
		if (root == nullptr)
			return;
        
        //后续析构
		Destory(root->_left);
		Destory(root->_right);
		delete root;
	}

	//拷贝构造也属于构造,c++规定 构造函数
	//a.我们不写,编译器默认生成(浅拷贝)
	//b.我们写了,编译器不会生成
	/*BSTree()
		:_root(nullptr)
	{}*/

	BSTree() = default; //指定强制生成默认构造

	BSTree(const BSTree<K>& t)
	{
		_root = Copy(t._root);
	}

	BSTree<K>& operator=(BSTree<K> t)
	{
		swap(_root, t._root);
		return *this;
	}

	Node* Copy(Node* root)
	{
		if (root == nullptr)
			return nullptr;

		//前序创建 - 后续链接
		Node* newNode = new Node(root->_key);

		newNode->_left = Copy(root->_left);
		newNode->_right = Copy(root->_right);

		return newNode;
	}

????????????????????????????????????????????????????????????????????????????????????????????????????????????????test.cpp
#include <iostream>

using namespace std;

#include "BinarySearchTree.h"

void TestBSTree1()
{
	int a[] = { 8, 3, 1, 10, 6, 4, 7, 14, 13 };

	BSTree<int> t;

	for (auto e : a)
	{
		t.Insert(e);
	}

	t.Inorder();
	
	t.Erase(10);
	t.Inorder();

	t.Erase(8);
	t.Inorder();

	t.Erase(13);
	t.Inorder();	

	t.Erase(14);
	t.Inorder();
}

void TestBSTree2()
{
	int a[] = { 8, 3, 1, 10, 6, 4, 7, 14, 13 };

	BSTree<int> t;

	for (auto e : a)
	{
		t.Insert(e);
	}
	t.Inorder();

	t.Erase_R(10);
	t.Inorder();

	t.Erase_R(13);
	t.Inorder();

	t.Erase_R(14);
	t.Inorder();

	t.Erase_R(8);
	t.Inorder();
}

void TestBSTree3()
{
	int a[] = { 8, 3, 1, 10, 6, 4, 7, 14, 13 };

	BSTree<int> t;

	for (auto e : a)
	{
		t.Insert(e);
	}
	t.Inorder();

	BSTree<int> tt(t);
	tt.Inorder();

	BSTree<int> ttt = tt;
	ttt.Inorder();
}


int main()
{
	//TestBSTree1();

	//TestBSTree2();

	TestBSTree3();

	return 0;
}

二叉搜索树的应用

1. K模型:K模型即只有key作为关键码,结构中只需要存储Key即可,关键码即为需要搜索到 的值
比如:给一个单词word,判断该单词是否拼写正确,具体方式如:
以词库中所有单词集合中的每个单词作为key,构建一棵二叉搜索树
在二叉搜索树中检索该单词是否存在,存在则拼写正确,不存在则拼写错误。
2. KV模型:每一个关键码key,都有与之对应的值Value,即<Key, Value>的键值对。该种方式在现实生活中非常常见:
比如英汉词典就是英文与中文的对应关系,通过英文可以快速找到与其对应的中文,英文单词与其对应的中文<word, chinese>就构成一种键值对;
再比如统计单词次数,统计成功后,给定单词就可快速找到其出现的次数,单词与其出 现次数就是<word, count>就构成一种键值对
// 改造二叉搜索树为KV结构
namespace key_value
{
	template<class K, class V>
	class BSTreeNode
	{
	public:
		BSTreeNode<K, V>* _left;
		BSTreeNode<K, V>* _right;
		K _key;
		V _value;

		BSTreeNode(const K& key, const V& value)
			:_left(nullptr)
			, _right(nullptr)
			, _key(key)
			,_value(value)
		{}
	};

	template<class K, class V>
	class BSTree
	{
		typedef BSTreeNode<K, V> Node;
	public:

		//插入
		bool Insert(const K& key, const V& value)
		{
			if (_root == nullptr) //进行判空
			{
				_root = new Node(key, value);
			}

			Node* cur = _root; //当前节点

			//cur是局部变量,出作用域后会销毁,造成内存泄露的问题,所以需要新增变量进行链接
			Node* parent = nullptr;

			while (cur)
			{
				if (key > cur->_key)
				{
					parent = cur; //保留cur的指针
					cur = cur->_right;
				}
				else if (key < cur->_key)
				{
					parent = cur;
					cur = cur->_left;
				}
				else
				{
					return false;   //如果相等 - 不插入 ,避免数据冗余
				}
			}

			cur = new Node(key, value);

			//链接 - 需要进行判断链接父节点的左右
			if (key > parent->_key)
			{
				parent->_right = cur;
			}
			else
			{
				parent->_left = cur;
			}

			return true;

		}

		//查找
		Node* Find(const K& key)
		{
			if (_root == nullptr) //进行判空
				return nullptr;

			Node* cur = _root; //避免直接修改/访问私有成员

			while (cur)
			{
				if (key > cur->_key)
				{
					cur = cur->_right;
				}
				else if (key < cur->_key)
				{
					cur = cur->_left;
				}
				else
				{
					return cur;
				}
			}

			return nullptr;
		}

		bool Erase(const K& key)
		{
			Node* cur = _root;
			Node* parent = nullptr;

			//查找要删除的节点
			while (cur)
			{
				if (key > cur->_key)
				{
					parent = cur;
					cur = cur->_right;
				}
				else if (key < cur->_key)
				{
					parent = cur;
					cur = cur->_left;
				}
				else
				{
					//1.右子树为空
					if (cur->_right == nullptr)
					{
						if (cur == _root)
						{
							_root = cur->_left;
						}
						else
						{
							if (parent->_right == cur)
							{
								parent->_right = cur->_left;
							}
							else
							{
								parent->_left = cur->_left;
							}
						}

						delete cur;
					}
					else if (cur->_left == nullptr) //2.左子树为空
					{
						if (cur == _root)
						{
							_root = cur->_right;
						}
						else
						{
							if (parent->_left == cur)
							{
								parent->_left = cur->_right;
							}
							else
							{
								parent->_right = cur->_right;
							}
						}

						delete cur;
					}
					else
					{
						//左右子树都不为空 - 取右子树最小值/取左子树最大值
						Node* PminRight = cur; //删除节点的父节点

						Node* minRight = cur->_right; //删除的节点

						//右子树最小节点一定是最靠近左子树的节点
						while (minRight->_left)
						{
							PminRight = minRight;
							minRight = minRight->_left;
						}

						cur->_key = minRight->_key; //进行赋值

						//链接 - 需要判断
						if (PminRight->_right == minRight)
						{
							PminRight->_right = minRight->_right;
						}
						else
						{
							PminRight->_left = minRight->_right;
						}

						delete minRight;

					}

					return true;
				}

			}

			return false;

		}

		//打印 - 子函数
		void _Inorder(Node* root)
		{
			if (root == nullptr)
				return;

			_Inorder(root->_left);
			cout << root->_key << ":" << root->_value << endl;
			_Inorder(root->_right);
		}
		//打印
		void Inorder()
		{
			_Inorder(_root);
			cout << endl;
		}

	private:
		Node* _root = nullptr;
	};

}
#include <iostream>

using namespace std;

#include "BinarySearchTree.h"

void TestBSTree_1()
{
	key_value::BSTree<string, string> dict;

	dict.Insert("sort", "排序");
	dict.Insert("left", "左");
	dict.Insert("right", "右");
	dict.Insert("erase", "删除");
	dict.Insert("hello", "world");

	string str;

	while (cin >> str)
	{
		auto ret = dict.Find(str);
		if (ret)
		{
			cout << ":" << ret->_value << endl;
		}
		else
		{
			cout << "无此单词" << endl;
		}
	}
}

void TestBSTree_2()
{
	// 统计水果出现的次数
	string arr[] = { "苹果", "西瓜", "苹果", "西瓜", "苹果", "苹果", "西瓜",
   "苹果", "香蕉", "苹果", "香蕉" };

	key_value::BSTree<string, int> countTree;

	for (auto str : arr)
	{
		//key_value::BSTreeNode<string, int>* ret = countTree.Find(str);
		auto ret = countTree.Find(str);

		// 先查找水果在不在搜索树中
		if (ret == nullptr)
		{
			// 1、不在,说明水果第一次出现,则插入<水果, 1>
			countTree.Insert(str, 1);
		}
		else
		{
			// 2、在,则查找到的节点中水果对应的次数++
			ret->_value++;
		}

	}

	countTree.Inorder();
}

int main()
{
	//TestBSTree_1();

	TestBSTree_2();

	return 0;
}

二叉搜索树的性能分析

插入和删除操作都必须先查找,查找效率代表了二叉搜索树中各个操作的性能。
对有n个结点的二叉搜索树,若每个元素查找的概率相等,则二叉搜索树平均查找长度是结点在二叉搜索树的深度的函数,即结点越深,则比较次数越多。
但对于同一个关键码集合,如果各关键码插入的次序不同,可能得到不同结构的二叉搜索树:

最优情况下,二叉搜索树为完全二叉树(或者接近完全二叉树),其平均比较次数为:$log_2 N$
最差情况下,二叉搜索树退化为单支树(或者类似单支),其平均比较次数为:$\frac{N}{2}$
问题:如果退化成单支树,二叉搜索树的性能就失去了。那能否进行改进,不论按照什么次序插入关键码,二叉搜索树的性能都能达到最优?
AVL树和红黑树。

文章来源:https://blog.csdn.net/m0_73969113/article/details/135599396
本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。