C++ 红黑树
目录
1.红黑树的概念
2. 红黑树的特性
在讲解红黑树性质之前,先简单了解一下几个概念:
- parent:父节点
- sibling:兄弟节点
- uncle:叔父节点( parent 的兄弟节点)
- grand:祖父节点( parent 的父节点)
首先,红黑树是一个二叉搜索树,它在每个节点增加了一个存储位记录节点的颜色,可以是RED,也可以是BLACK;通过任意一条从根到叶子简单路径上颜色的约束,红黑树保证最长路径不超过最短路径的二倍,因而近似平衡(最短路径就是全黑节点,最长路径就是一个红节点一个黑节点,当从根节点到叶子节点的路径上黑色节点相同时,最长路径刚好是最短路径的两倍)。它同时满足以下特性:
- 节点是红色或黑色
- 根是黑色
- 叶子节点(外部节点,空节点)都是黑色,这里的叶子节点指的是最底层的空节点(外部节点),下图中的那些null节点才是叶子节点,null节点的父节点在红黑树里不将其看作叶子节点
- 红色节点的子节点都是黑色 1.红色节点的父节点都是黑色 2.从根节点到叶子节点的所有路径上不能有 2 个连续的红色节点
- 从任一节点到叶子节点的所有路径都包含相同数目的黑色节点
根据上面的特性,我们来分辨一下下面的是不是红黑树
上面这棵树首先很容易就能知道是满足性质1-4条的,关键在于第5条性质,可能乍一看好像也是符合第5条的,但实际就会陷入一个误区,直接将图上的最后一层的节点看作叶子节点,这样看的话每一条从根节点到叶子结点的路径确实都经过了3个黑节点。
但实际上,在红黑树中真正被定义为叶子结点的,是那些空节点
3.红黑树的效率
红黑树的查找,插入和删除操作,时间复杂度都是O(logN)。
查找操作时,它和普通的相对平衡的二叉搜索树的效率相同,都是通过相同的方式来查找的,没有用到红黑树特有的特性。
但如果插入的时候是有序数据,那么红黑树的查询效率就比二叉搜索树要高了,因为此时二叉搜索树不是平衡树,它的时间复杂度O(N)。
插入和删除操作时,由于红黑树的每次操作平均要旋转一次和变换颜色,所以它比普通的二叉搜索树效率要低一点,不过时间复杂度仍然是O(logN)。总之,红黑树的优点就是对有序数据的查询操作不会慢到O(logN)的时间复杂度。
4.红黑树节点的定义
enum color
{
RED,
BLACK
};
template <class k,class v>
struct RBTreeNode
{
RBTreeNode* left;
RBTreeNode* right;
RBTreeNode* _parent;
color col;
pair<k, v> kv;
RBTreeNode(const pair<k,v> kv)
:left(nullptr)
,right(nullptr)
,_parent(nullptr)
,col(RED)
,kv(kv)
{}
};
这里思考一下为什么把节点默认颜色为红色呢
红黑树的结构
5.红黑树的插入操作
template<class ValueType>
class RBTree
{
//……
bool Insert(const ValueType& data)
{
PNode& pRoot = GetRoot();
if (nullptr == pRoot)
{
pRoot = new Node(data, BLACK);
// 根的双亲为头节点
pRoot->_pParent = _pHead;
_pHead->_pParent = pRoot;
}
else
{
// 1. 按照二叉搜索的树方式插入新节点
// 2. 检测新节点插入后,红黑树的性质是否造到破坏,
// 若满足直接退出,否则对红黑树进行旋转着色处理
}
// 根节点的颜色可能被修改,将其改回黑色
pRoot->_color = BLACK;
_pHead->_pLeft = LeftMost();
_pHead->_pRight = RightMost();
return true;
}
private:
PNode& GetRoot() { return _pHead->_pParent; }
// 获取红黑树中最小节点,即最左侧节点
PNode LeftMost();
// 获取红黑树中最大节点,即最右侧节点
PNode RightMost();
private:
PNode _pHead;
};
cur和p均为红,违反了性质三,此处能否将p直接改为黑?
解决方式:将p,u改为黑,g改为红,然后把g当成cur,继续向上调整。
情况二: cur为红,p为红,g为黑,u不存在/u存在且为黑
while (parent && parent->col == RED)
{
Node* grandparent = parent->_parent;
if (parent == grandparent->left) 当parent是grandparent的左子树时
{
Node* uncle = grandparent->right;
if (uncle && uncle->col == RED) 当叔叔存在且叔叔为红色
{
parent->col = uncle->col = BLACK;
if (grandparent == root)
{
grandparent->col = BLACK;
return true;
}
else
{
grandparent->col = RED;
cur = grandparent;
parent = cur->_parent;
}
}
else 叔叔不存在时
{
if (cur = parent->left)
{
RotateR(grandparent);
parent->col = RED;
grandparent->col = BLACK;
}
else
{
RotateL(parent);
RotateR(grandparent);
cur->col = BLACK;
grandparent->col = RED;
}
break;
}
}
else //parent=grandparent->right
{
Node* uncle = grandparent->left;
if (uncle && uncle == RED)
{
parent->col = uncle->col = BLACK;
if (grandparent == root)
{
grandparent->col = BLACK;
return true;
}
else
{
grandparent->col = RED;
cur = grandparent;
parent = cur->_parent;
}
}
else
{
if (cur == parent->right)
{
RotateL(grandparent);
parent->col = BLACK;
grandparent->col = RED;
}
else
{
RotateR(parent);
RotateL(grandparent);
cur->col = BLACK;
grandparent->col = RED;
}
break;
}
}
}
}
root->col = BLACK;
return true;
这里涉及的旋转问题在上一章讲AVL树提到过
RotateR(左单旋) RotateL(右单旋)
6.红黑树的验证
1. 检测其是否满足二叉搜索树 ( 中序遍历是否为有序序列 )2. 检测其是否满足红黑树的性质
bool check(Node* root, int blacknum, const int refval)
{
if (root == nullptr)
{
if (blacknum != refval)
{
cout << "存在黑色结点数量不相等路径" << endl;
return false;
}
return true;
}
if (root->col == RED && root->_parent->col == RED)
{
return false;
}
if (root->col == BLACK)
{
blacknum++;
}
return check(root->left, blacknum, refval) && check(root->right, blacknum, refval);
}
bool IsValidRBTRee()
{
if (root == nullptr)
{
return true;
}
if (root->col == RED)
return false;
int refval = 0; //参考值
Node* cur = root;
while (cur)
{
if (cur->col == BLACK)
{
refval++;
}
cur = cur->left;
}
int blacknum = 0;
return check(root, blacknum, refval);
}
7.红黑树和AVL树的对比
- AVL树的时间复杂度虽然优于红黑树,但是对于现在的计算机,cpu太快,可以忽略性能差异
- 红黑树的插入删除比AVL树更便于控制操作
- 红黑树整体性能略优于AVL树(红黑树旋转情况少于AVL树)
原文地址:https://blog.csdn.net/puppy_1mo/article/details/142486645
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)!