【C++】二叉搜索树的底层以及实现

🕗 发布于 2024-09-22 17:35 c++ 开发语言

文章目录

⭐一、二叉搜索树的概念
🚀二、二叉搜索树性能分析
🏝️三、二叉搜索树的操作
🎄四、二叉搜索树的实现（K模型）
🎉五、二叉搜索树的应用
- 1. K模型
- 2. KV模型

⭐一、二叉搜索树的概念

二叉搜索树（Binary Search Tree，简称BST），又称为二叉查找树或二叉排序树，是一种特殊的二叉树结构。其具有以下几个性质：
• 左子树： 若它的左子树不为空，则左子树上所有结点的值都小于等于根结点的值。
• 右子树： 若它的右子树不为空，则右子树上所有结点的值都大于等于根结点的值。
• 递归： 它的左右子树也分别为二叉搜索树。

注：二叉搜索树可以支持插入相等的值，也可以不支持插入相等的值，具体看使用的场景来定义。
在这里插入图片描述

🚀二、二叉搜索树性能分析

最优情况下(即树是平衡的)，二叉搜索树为完全二叉树(或者接近完全二叉树)，其高度为： O(log2 N)
最差情况下(即树退化成为一个链表)，二叉搜索树退化为单支树(或者类似单支)，其高度为： O( N / 2)

综合而言二叉搜索树增删查改时间复杂度为： O(N)
但这样的效率显然是不满足我们需求的，我们后面学到的AVL树和红黑树，才能适用于我们内存中存储和搜索数据。

注：虽然二分查找也能实现O(logN) 级别的查找效率，但它有两大缺陷：
1.需要存储在支持下标随机访问的结构中，并且有序。
2.插入和删除数据效率很低，因为存储在下标随机访问的结构中，插入和删除数据一般需要挪动数据

这也就体现出了平衡二叉搜索树的价值。
在这里插入图片描述

🏝️三、二叉搜索树的操作

1. 插入

插入节点操作的具体步骤如下：
1.树为空，则直接新增结点，赋值给root指针
2.树不空，按二叉搜索树性质，插入的值比当前结点大时往右走，插入值比当前结点小时往左左，直到找到空位置时，插入新结点。
3.如果支持插入相等的值，插入值跟当前结点相等的值可以往右走，也可以往左走，直到找到空位置，插人新结点。（要注意的是要保持逻辑一致性，插入相等的值不要一会往右走，一会往左走）
在这里插入图片描述

下面是插入节点操作的代码实现：

template<class K>
class BSTree
{
typedef BSTNode<K> Node;
public:
bool Insert(const K& key)
{
if (_root == nullptr)
{
_root = new Node(key);
return true;
}
Node* cur = _root;
Node* parent = nullptr;
while (cur)
{
if (cur->_key < key)
{
parent = cur;
cur = cur->_right;
}
else if (cur->_key > key)
{
parent = cur;
cur = cur->_left;
}
else
{
return false;
}
}
cur = new Node(key);
if (parent->_key < key)
{
parent->_right = cur;
}
else
{
parent->_left = cur;
}
return true;
}

2. 查找

查找节点操作的具体步骤如下：
1.从根开始进行比较，查找x，x比根的值大则往右边进行查找，x比根的值小则往左边进行查找。
2.最多查找高度次，如果走到空时还没找到，则说明这个值不存在。
3.如果不支持插入相等的值，则找到x即可返回
4.如果支持插入相等的值，意味着有多个x存在，一般要求查找中序的第⼀个x。如下图，查找3，要找到1的右孩子的那个3进行返回
在这里插入图片描述

查找节点操作具体代码如下：

bool Find(const K& key)
{
Node* cur = _root;
while (cur)
{
if (cur->_key < key)
{
cur = cur->_right;
}
else if (cur->_key > key)
{
cur = cur->_left;
}
else
{
return true;
}
}
return false;
}

3. 删除

删除节点的操作就是在树中移除一个指定的节点。但删除操作相对复杂一点，因为我们要考虑删除过后如何保持树的有序性。

删除节点操作具有以下四种情况：
1.要删除结点N左右孩子均为空
2.要删除的结点N左孩子位空，右孩子结点不为空
3.要删除的结点N右孩子位空，左孩子结点不为空
4.要删除的结点N左右孩子结点均不为空

那么如何解决它们所对应的情况呢？其对应的方案：
1.把N结点的父亲对应的孩子指针指向空，直接删除N结点
2.把N结点的父亲对应的孩子指针指向N的右孩子，直接删除N结点
3. 把N结点的父亲对应的孩子指针指向N的左孩子，直接删除N结点
4. 因为我们无法直接删除N结点，所以只能用替换法进行删除。找N左子树的值最大结点R(最右结点)或者N右子树的值最小结点R(最左结点)来替代N，因为这两个结点中任意⼀个放到N的位置，都满足二叉搜索树的规则。
（注：替代N的意思就是将N和R的两个结点的值交换，转变成删除R的结点）

删除节点操作具体代码如下：

bool erase(const K& key)
{
Node* parent = nullptr;
Node* cur = _root;
while (cur)
{
if (cur->_key < key)
{
parent = cur;
cur = cur->_right;
}
else if (cur->_key > key)
{
parent = cur;
cur = cur->_left;
}
else
{
//左为空
if (cur->_left == nullptr)
{
if (cur == _root)
{
_root = cur->_right;
}
else
{
if (parent->_left == cur)
{
parent->_left = cur->_right;
}
else
{
parent->_right = cur->_right;
}
}
delete cur;
}
else if (cur->_right == nullptr)
{
//右为空
if (cur == _root)
{
_root = cur->_left;
}
else
{
if (parent->_right == cur)
{
parent->_right = cur->_left;
}
else
{
parent->_left = cur->_left;
}
}
delete cur;
}
else
{
//左右都不为空
//右子树最左节点
Node* replaceparent = cur;
Node* replace = cur->_right;
while (replace->_left)
{
replaceparent = replace;
replace = replace->_left;
}
cur->_key = replace->_key;
if (replaceparent->_left == replace)
{
replaceparent->_left = replace->_right;
}
else
{
replaceparent->_right = replace->_right;
}
delete replace;
}
return true;
}
}
return false;
}

4. 遍历节点

遍历节点是按照一定的顺序去访问树中的所有节点，常用的遍历方式有：前序遍历、中序遍历和后序遍历。在这里我们采用中序遍历的方法，因为它可以按小到大的顺序输出树中所有的值。

void _Inorder(Node* root)
{
if (root == nullptr)
{
return;
}
_Inorder(root->_left);
cout << root->_key << " ";
_Inorder(root->_right);
}

🎄四、二叉搜索树的实现（K模型）

下面是二叉树实现的源代码：

template<class K>
struct BSTNode
{
K _key;
BSTNode<K>* _left;
BSTNode<K>* _right;

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

template<class K>
class BSTree
{
typedef BSTNode<K> Node;
public:
bool Insert(const K& key)
{
if (_root == nullptr)
{
_root = new Node(key);
return true;
}
Node* cur = _root;
Node* parent = nullptr;
while (cur)
{
if (cur->_key < key)
{
parent = cur;
cur = cur->_right;
}
else if (cur->_key > key)
{
parent = cur;
cur = cur->_left;
}
else
{
return false;
}
}
cur = new Node(key);
if (parent->_key < key)
{
parent->_right = cur;
}
else
{
parent->_left = cur;
}
return true;
}

bool Find(const K& key)
{
Node* cur = _root;
while (cur)
{
if (cur->_key < key)
{
cur = cur->_right;
}
else if (cur->_key > key)
{
cur = cur->_left;
}
else
{
return true;
}
}
return false;
}

bool erase(const K& key)
{
Node* parent = nullptr;
Node* cur = _root;
while (cur)
{
if (cur->_key < key)
{
parent = cur;
cur = cur->_right;
}
else if (cur->_key > key)
{
parent = cur;
cur = cur->_left;
}
else
{
//左为空
if (cur->_left == nullptr)
{
if (cur == _root)
{
_root = cur->_right;
}
else
{
if (parent->_left == cur)
{
parent->_left = cur->_right;
}
else
{
parent->_right = cur->_right;
}
}
delete cur;
}
else if (cur->_right == nullptr)
{
//右为空
if (cur == _root)
{
_root = cur->_left;
}
else
{
if (parent->_right == cur)
{
parent->_right = cur->_left;
}
else
{
parent->_left = cur->_left;
}
}
delete cur;
}
else
{
//左右都不为空
//右子树最左节点
Node* replaceparent = cur;
Node* replace = cur->_right;
while (replace->_left)
{
replaceparent = replace;
replace = replace->_left;
}
cur->_key = replace->_key;
if (replaceparent->_left == replace)
{
replaceparent->_left = replace->_right;
}
else
{
replaceparent->_right = replace->_right;
}
delete replace;
}
return true;
}
}
return false;
}

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

🎉五、二叉搜索树的应用

1. K模型

在K模型中，搜索二叉树仅存储关键码（key）,不存储与关键码相关联的值（Value）,关键码即为需要搜索或存储的值。
K模型代码可以参考搜索二叉树的实现。

特点：存储简单(每个节点只存储了一个键值，减少了空间)；查找效率高。

2. KV模型

二叉搜索树的KV模型是一种特殊的数据结构。在KV模型中，每个节点不仅存储一个键（Key），还存储一个与该键相关联的值（Value）。这种模型在处理需要快速通过键来检索值的场景时非常有用，如简单的中英互译、统计一篇文章中单词出现的次数等。

KV模型的搜索场景实现的二叉树搜索树支持修改，但是不支持修改key，因为修改key破坏搜索树结构了，可以修改value。

下面是KV模型的二叉搜索树的代码实现：

template<class K,class V>
struct BSTNode
{
K _key;
V _value;
BSTNode<K,V>* _left;
BSTNode<K,V>* _right;

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

template<class K,class V>
class BSTree
{
using Node = BSTNode<K,V>;
public:
bool Insert(const K& key,const V& value)
{
if (_root == nullptr)
{
_root = new Node(key,value);
return true;
}
Node* cur = _root;
Node* parent = nullptr;
while (cur)
{
if (cur->_key < key)
{
parent = cur;
cur = cur->_right;
}
else if (cur->_key > key)
{
parent = cur;
cur = cur->_left;
}
else
{
return false;
}
}
cur = new Node(key,value);
if (parent->_key < key)
{
parent->_right = cur;
}
else
{
parent->_left = cur;
}
return true;
}

Node* Find(const K& key)
{
Node* cur = _root;
while (cur)
{
if (cur->_key < key)
{
cur = cur->_right;
}
else if (cur->_key > key)
{
cur = cur->_left;
}
else
{
return cur;
}
}
return nullptr;
}

bool erase(const K& key)
{
Node* parent = nullptr;
Node* cur = _root;
while (cur)
{
if (cur->_key < key)
{
parent = cur;
cur = cur->_right;
}
else if (cur->_key > key)
{
parent = cur;
cur = cur->_left;
}
else
{
//左为空
if (cur->_left == nullptr)
{
if (cur == _root)
{
_root = cur->_right;
}
else
{
if (parent->_left == cur)
{
parent->_left = cur->_right;
}
else
{
parent->_right = cur->_right;
}
}
delete cur;
}
else if (cur->_right == nullptr)
{
//右为空
if (cur == _root)
{
_root = cur->_left;
}
else
{
if (parent->_left == cur)
{
parent->_left = cur->_left;
}
else
{
parent->_right = cur->_left;
}
}
delete cur;
}
else
{
//左右都不为空
//右子树最左节点
Node* replaceparent = cur;
Node* replace = cur->_right;
while (replace->_left)
{
replaceparent = replace;
replace = replace->_left;
}
cur->_key = replace->_key;
if (replaceparent->_left == replace)
{
replaceparent->_left = replace->_right;
}
else
{
replaceparent->_right = replace->_right;
}
delete replace;
}
return true;
}
}
return false;
}

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

原文地址：https://blog.csdn.net/2301_81044829/article/details/142372104

免责声明：本站文章内容转载自网络资源，如本站内容侵犯了原著者的合法权益，可联系本站删除。更多内容请关注自学内容网（zxcms.com）！

上一篇：极度精简 Winows11 系统镜像！Tiny11 2311下载 - 支持苹果 M 芯片 Mac 安装 (ARM 精简版)！
下一篇：前端-js例子：todolist

设计模式介绍
观察者模式（Observer）：定义对象间的一种一对多的依赖关系，以便当一个对象的状态发生改变时，所有依赖于它的对象都得到通知并被自动更新。外观模式（Facade）：为子系统中的一组接口提供一个一致的
阅读更多2024-09-24
《Effective Debugging：软件和系统调试的66个有效方法》读书笔记-Part2
编程技术：代码评审、审读代码、调试机制、日志、单元测试、断言、改动受测程序验证推想、缩小正确范例与错误代码之间的差距、简化可疑代码、将可疑代码改用另外一种编程语言来写、改善可疑代码可读性、清除bug根
阅读更多2024-09-24
单片机学到什么程度才可以去工作？
如果独立写，对你来说，估计很吃力，这个过程比较考验你的综合能力，比如对单片机外设的熟练度，实现功能的思路，实现思路的代码能力，最后是整合代码，怎么避免一些功能冲突的BUG。刚开始，不一定非要具备独立写
阅读更多2024-09-24
VirtualBox 克隆已有的虚拟机
VirtualBox 克隆已有的虚拟机 CentOS
阅读更多2024-09-24
鲲鹏计算这五年：硬生态基本盘稳住，才能放手进击软生态
鲲鹏产业生态5年，神州鲲泰一路生花的进击
阅读更多2024-09-24
第四章：存储系统：第一节——存储器概述
以下图片，我们在第一章介绍过。■ 现代计算机以存储器为中心，它是计算机中存放指令和数据的主要部件。存储器的容量越大，能存储的信息越多。提高存储系统的访问速度，是提高计算机处理信息速度的重要措施。■因此
阅读更多2024-09-24
网络通信——NAT（网络地址转换）
一.NAT是什么1.首先运营商维护的网络时公网的，使用的是公网的IP地址，而私有的IP地址的不能的在公网上路由，为了保证网络互通，所以有了NAT技术。2.NAT一般部署在公网和私网上的网关设备上面。二
阅读更多2024-09-24
rsync+inotify
rsync是linux系统下的数据镜像备份工具。使用快速增量备份工具Remote Sync可以远程同步。它使用一种称为“Rsync演算法”的技术，只传输文件的不同部分，而不是每次都整份传送，这使得它在
阅读更多2024-09-24
得物App荣获新奖项，科技创新助力高质量发展
在此次服贸会上，得物App作为科技创新与品质消费的杰出代表，受邀参会并荣获“科技创新服务示范案例”奖项，这是国家层面对得物App以科技创新保障品质消费、提升消费体验成效的肯定。在产业转型和消费升级的大
阅读更多2024-09-24
使用Python实现图形学曲线和曲面的B样条曲线算法
B样条曲线是由控制点和节点向量（Knot vector）定义的。给定 n + 1 个控制点P0P1PnP0P1...Pn和一个节点向量tttCt∑i0nNiptPiCti0∑nNiptPi
阅读更多2024-09-24