C++：红黑树

🕗 发布于 2024-10-16 14:39 学习 c++ 开发语言

红黑树的概念

红黑树也是一颗搜索二叉树，它每个节点的颜色不是红色就是黑色，所以叫做红黑树

C++：二叉搜索树-CSDN博客

它可以确保没有一条路径比其他路径长出2倍，因此它接近平衡

红黑树的规则

每个节点不是红色就是黑色
根节点是黑色
如果⼀个结点是红色的，则它的两个孩⼦结点必须是⿊色的，也就是说任意⼀条路径不会有连续的红色结点
对于任意一个节点，该节点到NULL节点的路径上均包含相同数量的黑色节点

根据红黑树的规则，它之所以能做到没有一条路径比其他路径长出2倍是因为规则3和4

最短的节点路径上的颜色就是全黑，而相对最长的路径就是全部一黑一红，所以最长只能是两倍

红黑树和AVL树相比，红黑树的整体高度会偏高一些，但是由于它的特性，它旋转的次数会相较于AVL树的旋转次数少，并且它们的高度差也只差很小的常数，这高度差对于CPU的运行速度来讲都没有区别，所以红黑树的效率也是极高的

红黑树的实现

红黑树的结构

enum Colour
{
RED,
BLACK
};

template<class K, class V>
struct RBTreeNode
{
pair<K, V> _kv;
RBTreeNode<K, V>* _left;
RBTreeNode<K, V>* _right;
RBTreeNode<K, V>* _parent;
Colour _col;

RBTreeNode(const pair<K, V>& kv)
:_kv(kv)
, _left(nullptr)
, _right(nullptr)
, _parent(nullptr)
{}
};

template<class K, class V>
class RBTree
{
typedef RBTreeNode<K, V> Node;
public:
private:
Node* _root = nullptr;
};

首先用了一个枚举的类型枚举了红色和黑色两种颜色，当然也可以使用数字来表示

这种枚举好处在于在调试的时候是可以直观的看见RED和BLACK的，而不是数字等

红黑树的节点和AVL树一样都需要三叉链，值用pair来存储

红黑树类里面只需要一个root节点的指针即可

红黑树的插入

bool Insert(const pair<K, V>& kv)
{
if (_root == nullptr)
{
_root = new Node(kv);
_root->_col = BLACK;

return true;
}

Node* parent = nullptr;
Node* cur = _root;
while (cur)
{
if (cur->_kv.first < kv.first)
{
parent = cur;
cur = cur->_right;
}
else if (cur->_kv.first > kv.first)
{
parent = cur;
cur = cur->_left;
}
else
{
return false;
}
}

cur = new Node(kv);
cur->_col = RED;
if (parent->_kv.first < kv.first)
{
parent->_right = cur;
}
else
{
parent->_left = cur;
}
cur->_parent = parent;

while (parent && parent->_col == RED)
{
Node* grandfather = parent->_parent;
if (grandfather->_left == parent)
{
Node* uncle = grandfather->_right;
if (uncle && uncle->_col == RED)
{
// 变色
parent->_col = uncle->_col = BLACK;
grandfather->_col = RED;

// 继续向上处理
cur = grandfather;
parent = cur->_parent;
}
else
{
if (cur == parent->_left)
{
RotateR(grandfather);
parent->_col = BLACK;
grandfather->_col = RED;
}
else
{
RotateL(parent);
RotateR(grandfather);
cur->_col = BLACK;
parent->_col = grandfather->_col = RED; // 1
}

break;
}
}
else
{
Node* uncle = grandfather->_left;
if (uncle && uncle->_col == RED)
{
// 变色
parent->_col = uncle->_col = BLACK;
grandfather->_col = RED;

// 继续向上处理
cur = grandfather;
parent = cur->_parent;
}
else
{
if (cur == parent->_right)
{
RotateL(grandfather);
parent->_col = BLACK;
grandfather->_col = RED;
}
else
{
RotateR(parent);
RotateL(grandfather);
cur->_col = BLACK;
parent->_col = grandfather->_col = RED; // 1
}

break;
}
}
}

// 确保根节点颜色是黑色
_root->_col = BLACK;

return true;
}

前面的插入逻辑和搜索二叉树、AVL树的插入逻辑都一样，毕竟它们都是同一个规则

只需要注意的是插入的如果是根节点，则需要插入的是黑色的节点（红黑树的规则）

其余的只需要插入红色的节点即可

为什么插入的新节点是红色节点而不是黑色节点

根据红黑树的四个规则

每个节点不是红色就是黑色
根节点是黑色

如果⼀个结点是红色的，则它的两个孩⼦结点必须是⿊色的，也就是说任意⼀条路径不会有连续的红色结点

对于任意一个节点，该节点到NULL节点的路径上均包含相同数量的黑色节点

如果我们插入的是红色节点，那么我们需要注意的是规则3，不能有相邻的红色节点

如果我们插入的是黑色节点，那么我们需要注意的是规则4，每条路径需要有相同数量的黑色节点

从调整的方向来看，我们即使违反了规则3那也只是一小部分的红黑树规则遭到破坏

但如果我们违反的是规则4的话，每一条路径都会需要调整

所以我们插入的是红色节点

下面大多的代码就是维护红黑树的结构

因为我们插入的是红色节点，所以我们只需要判断它的parent节点的颜色是否为红色

当parent节点在grandparent节点的左边时

若uncle节点也为红色，我们可以把grandparent节点变红，parent和uncle节点变黑，这样我们的规则3的问题就解决了，规则4也没有触犯到

我们这个语句是需要循环往上执行的，因为当我们把grandfather变红后，保不齐它的father就是红色，这样又会违反规则3，所以我们需要循环处理

若uncle不如我们所料，那我们就需要旋转处理了

若是cur在parent的左边上图所示的情况，无论我们怎么改变颜色都解决不了问题，这时候我们就需要引入AVL中写过的旋转来解决

只需要对grandfather进行右旋+变色即可

旋转完后需要注意颜色不能违反规则，让parent变成黑色（它有可能是根节点），grandfather和cur变成红色即可

若是cur在parent的右边如上图所示，这样我们只进行单旋是解决不了问题的，很明显p和c偏向右，需要左单选，而从整体的g看来是需要右单旋的，这时候就只需要双旋+变色即可

先对p左单旋，解决它偏向右的问题，然后再对g右单旋，这时候整体就平衡了

这时候只需要和上面一样调整变色即可

剩下下面的代码的逻辑完全和上面的一样

和上面的区别就是上面的parent是在grandparent的左边，而下面的parent是在grandparent的右边，只有方向上面的区别

最后需要确保根节点的颜色是黑色，因为我们在调整的过程中可能会无意中把根节点的颜色变成红色，在各个 if 语句中解决起来相对麻烦一些，所以我们在最后修改root的颜色为黑色就解决了

红黑树的查找

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

return nullptr;
}

查找逻辑和搜索二叉树一致，搜索效率为O(logN)

红黑树的验证

bool Check(Node* root, int blackNum, const int refNum)
{
if (root == nullptr)
{
if (blackNum != refNum)
{
cout << "存在黑色结点的数量不相等的路径" << endl;
return false;
}
return true;
}

if (root->_col == RED && root->_parent->_col == RED)
{
cout << root->_kv.first << "存在连续的红色结点" << endlC;
return false;
}

if (root->_col == BLACK)
{
blackNum++;
}

return Check(root->_left, blackNum, refNum) && Check(root->_right, blackNum, refNum);
}

bool IsBalance()
{
if (_root == nullptr)
return true;

if (_root->_col == RED)
return false;

int refNum = 0;
Node* cur = _root;
while (cur)
{
if (cur->_col == BLACK)
refNum++;

cur = cur->_left;
}

return Check(_root, 0, refNum);
}

Check函数的第一个参数为根节点，第二个参数需要记录黑色节点的数量，第三个参数为黑色节点的其中一个参考值

这里的参考值是在IsBalance中传递的，这个参考值是随机选取一条路径记录黑色节点的数量，接着用这个参考值在Check函数中检查每一条路径的黑色节点与之对比，若不相等则说明存在黑色节点的数量不相等的路径

判断连续相同的红色节点

如果我们从parent来判断它的左右孩子是否为红色就比较麻烦

我们可以直接判断若当前节点颜色为红色，并且它的parent也为红色，则说明存在连续的红色节点

完整代码

#pragma once

enum Colour
{
RED,
BLACK
};

template<class K, class V>
struct RBTreeNode
{
pair<K, V> _kv;
RBTreeNode<K, V>* _left;
RBTreeNode<K, V>* _right;
RBTreeNode<K, V>* _parent;
Colour _col;

RBTreeNode(const pair<K, V>& kv)
:_kv(kv)
, _left(nullptr)
, _right(nullptr)
, _parent(nullptr)
{}
};

template<class K, class V>
class RBTree
{
typedef RBTreeNode<K, V> Node;
public:
bool Insert(const pair<K, V>& kv)
{
if (_root == nullptr)
{
_root = new Node(kv);
_root->_col = BLACK;

return true;
}

Node* parent = nullptr;
Node* cur = _root;
while (cur)
{
if (cur->_kv.first < kv.first)
{
parent = cur;
cur = cur->_right;
}
else if (cur->_kv.first > kv.first)
{
parent = cur;
cur = cur->_left;
}
else
{
return false;
}
}

cur = new Node(kv);
cur->_col = RED;
if (parent->_kv.first < kv.first)
{
parent->_right = cur;
}
else
{
parent->_left = cur;
}
cur->_parent = parent;

while (parent && parent->_col == RED)
{
Node* grandfather = parent->_parent;
if (grandfather->_left == parent)
{
Node* uncle = grandfather->_right;
if (uncle && uncle->_col == RED)
{
// 变色
parent->_col = uncle->_col = BLACK;
grandfather->_col = RED;

// 继续向上处理
cur = grandfather;
parent = cur->_parent;
}
else
{
if (cur == parent->_left)
{
RotateR(grandfather);
parent->_col = BLACK;
grandfather->_col = RED;
}
else
{
RotateL(parent);
RotateR(grandfather);
cur->_col = BLACK;
parent->_col = grandfather->_col = RED;
}

break;
}
}
else
{
Node* uncle = grandfather->_left;
if (uncle && uncle->_col == RED)
{
// 变色
parent->_col = uncle->_col = BLACK;
grandfather->_col = RED;

// 继续向上处理
cur = grandfather;
parent = cur->_parent;
}
else
{
if (cur == parent->_right)
{
RotateL(grandfather);
parent->_col = BLACK;
grandfather->_col = RED;
}
else
{
RotateR(parent);
RotateL(grandfather);
cur->_col = BLACK;
parent->_col = grandfather->_col = RED;
}

break;
}
}
}

// 确保根节点颜色是黑色
_root->_col = BLACK;

return true;
}

void RotateR(Node* parent)
{
Node* subL = parent->_left;
Node* subLR = subL->_right;

parent->_left = subLR;
if (subLR)
subLR->_parent = parent;

Node* parentParent = parent->_parent;

subL->_right = parent;
parent->_parent = subL;

if (parent == _root)
{
_root = subL;
subL->_parent = nullptr;
}
else
{
if (parentParent->_left == parent)
{
parentParent->_left = subL;
}
else
{
parentParent->_right = subL;
}

subL->_parent = parentParent;
}
}

void RotateL(Node* parent)
{
Node* subR = parent->_right;
Node* subRL = subR->_left;
parent->_right = subRL;
if (subRL)
subRL->_parent = parent;

Node* parentParent = parent->_parent;
subR->_left = parent;
parent->_parent = subR;
if (parentParent == nullptr)
{
_root = subR;
subR->_parent = nullptr;
}
else
{
if (parent == parentParent->_left)
{
parentParent->_left = subR;
}
else
{
parentParent->_right = subR;
}
subR->_parent = parentParent;
}
}

void InOrder()
{
_InOrder(_root);
cout << endl;
}

int Height()
{
return _Height(_root);
}

int Size()
{
return _Size(_root);
}

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

return nullptr;
}

bool IsBalance()
{
if (_root == nullptr)
return true;

if (_root->_col == RED)
return false;

int refNum = 0;
Node* cur = _root;
while (cur)
{
if (cur->_col == BLACK)
refNum++;

cur = cur->_left;
}

return Check(_root, 0, refNum);
}
private:
bool Check(Node* root, int blackNum, const int refNum)
{
if (root == nullptr)
{
if (blackNum != refNum)
{
cout << "存在黑色结点的数量不相等的路径" << endl;
return false;
}
return true;
}

if (root->_col == RED && root->_parent->_col == RED)
{
cout << root->_kv.first << "存在连续的红色结点" << endlC;
return false;
}

if (root->_col == BLACK)
{
blackNum++;
}

return Check(root->_left, blackNum, refNum) && Check(root->_right, blackNum, refNum);
}

void _InOrder(Node* root)
{
if (root == nullptr)
{
return;
}

_InOrder(root->_left);
cout << root->_kv.first << ":" << root->_kv.second << endl;
_InOrder(root->_right);
}

int _Height(Node* root)
{
if (root == nullptr)
return 0;
int leftHeight = _Height(root->_left);
int rightHeight = _Height(root->_right);
return leftHeight > rightHeight ? leftHeight + 1 : rightHeight + 1;
}

int _Size(Node* root)
{
if (root == nullptr)
return 0;

return _Size(root->_left) + _Size(root->_right) + 1;
}

private:
Node* _root = nullptr;
};

完

原文地址：https://blog.csdn.net/2301_80655639/article/details/142906797

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：C语言中的程序入口：超越main函数的探索
下一篇：Ubuntu 22.04 配置禁止密码登录，只允许密钥登录

chat_gpt回答：python使用gdal写tiff文件，如何使用内存映射的方法
使用GDAL写入 TIFF 文件并使用内存映射的方法，可以极大地提高处理大规模数据时的效率。内存映射使得数据可以直接从磁盘或内存访问，而不需要在内存和文件系统之间进行大量的 I/O 操作。在GDAL中
阅读更多2024-10-18
GitHub如何推送文件到仓库？
git这将在你的项目目录中创建一个.git文件夹，表示该目录已经成为一个 Git 仓库。
阅读更多2024-10-18
【ShuQiHere】机器学习中的网格搜索（Grid Search）超参数调优
在机器学习中，模型的性能不仅取决于算法的选择，还取决于超参数（Hyperparameters）的设置。超参数是模型在训练之前需要设置的参数，它们控制着学习过程的行为。正确地选择超参数可以显著提升模型的
阅读更多2024-10-18
初识git · 有关模型
其实文章更新到这里的时候，我们已经学习了可以满足我们日常生活中的基本需求的指令了，但是为什么要更新本篇文章呢？是因为实际生活中我们对于开发工作，运维工作，以及测试工作都是由单独的分支的，那么一个项目推
阅读更多2024-10-18
初识算法 · 二分查找(2)
本文的目标和之前的算法文章不太一样，像最开始的双指针算法，到滑动窗口算法，都是从题目中解析该算法原理，但是通过第一次的二分查找原理的算法，显然从题目中学习该算法的效果并不是很好，所以在本文中，博主将着
阅读更多2024-10-18
nuxt3 多环境、快速启动
配置代理和环境变量，快速启动
阅读更多2024-10-18
PCL 点云配准 3D-NDT算法（精配准）
3D-NDT (3D Normal Distributions Transform) 是一种基于概率分布的点云配准算法。在 3D-NDT 中，点云被划分为多个体素单元，每个体素内的点云分布被建模为一个
阅读更多2024-10-18
【C++11】包装器：深入解析与实现技巧
C++包装器
阅读更多2024-10-18
redis--Mysql和redis数据一致性问题(延时双删)
3.延时双删，延时时间是一个预估值，不能确保 mysql 和 redis 数据在这个时间段内都实时同步或持久化成功了。2.延时双删，不适合“秒杀”这种频繁修改数据和要求数据强一致的场景。1.延时双删，
阅读更多2024-10-18
【GaussDB】GaussDB 200介绍
GaussDB 200是一个分布式并行关系型数据库系统。提供了以下功能：标准SQL支持支持标准的SQL-92/SQL:1999/SQL:2003规范，支持GBK和UTF-8字符集，支持SQL标准函数与
阅读更多2024-10-18