数据结构—AVL树

1. 约束

• 对于节点 $v$，我们定义其平衡因子为：$v$ 的左、右子树的高度差。

• AVL 树是一棵二叉搜索树，但其引入了额外的约束以保证其平衡性：树中各节点的平衡因子的绝对值不得超过 $1$。

• 设一共有 $n$ 个节点，AVL 树始终可以将树的高度控制在 $O(\log n)$ 以内，且每次搜索、插入和删除操作均可在 $O(\log n)$ 时间内完成。

2. 插入

往 AVL 树中插入新节点可能会增加树的高度，从而导致其所在的子树失衡。

（1）首先按照二叉搜索树的插入方式插入新节点 $x$，；
（2）然后从 $x$ 开始，沿着父指针逆行而上，直至找到第一个失衡的祖先节点（最低的失衡祖先），将其记为 $g$；
（3）找到以 $g$ 为根的子树中最高的子树，将其根记为 $p$；
（4）找到以 $p$ 为根的子树中最高的子树，将其根记为 $v$；可见新节点 $x$ 一定位于子树 $p$、$v$ 中（$x$ 可能等于 $v$）；

根据 $g,p,v$ 的方向，可以分为四种情况：

（1）$p$ 是 $g$ 的左孩子，且 $v$ 是 $p$ 的左孩子；
（2）$p$ 是 $g$ 的左孩子，且 $v$ 是 $p$ 的右孩子；
（3）$p$ 是 $g$ 的右孩子，且 $v$ 是 $p$ 的左孩子；
（4）$p$ 是 $g$ 的右孩子，且 $v$ 是 $p$ 的右孩子；

其中，（1）和（4）是对称的情况，可以通过单旋操作来实现重平衡；（2）和（3）是对称的情况，可以通过双旋操作来实现重平衡。

情况（4）的重平衡操作如下所示：

虚线连接的两个灰色方框表示其中一个不为空（$x$ 节点），另一个为空。

以 $g$ 为轴进行 zag 旋转（设 $g$ 的父节点为 $pg$）：

（1）将 $g$ 逆时针往下拉，使之成为 $p$ 的新的左孩子；
（2）将 $p$ 的旧的左孩子过继给 $g$，使之成为 $g$ 的新的右孩子；
（3）更新 $p$ 的父节点为 $pg$、$pg$ 的子节点为 $p$。

情况（3）的重平衡操作如下所示：
虚线连接的两个灰色方框表示其中一个不为空（$x$ 节点），另一个为空。

以 $p$ 为轴进行 zig 旋转：

（1）将 $p$ 顺时针往下拉，使之成为 $v$ 的新的右孩子；
（2）将 $v$ 的旧的右孩子过继给 $p$，使之成为 $p$ 的新的左孩子；
（3）更新 $v$ 的父节点为 $g$、$g$ 的子节点为 $v$。

经过上述操作后，情况（3）即变为了与情况（4）等价的情况。

由上可见，AVL 树的插入操作最多只需两次旋转操作即可使整棵树恢复平衡。

3. 删除

从 AVL 树中删除节点可能会降低树的高度，从而引发失衡情况。

（1）首先按照二叉搜索树的删除方式删除节点 $x$；
（2）然后从 $x$ 的父节点开始，沿着父指针逆行而上，直至找到第一个失衡的祖先节点（最低的失衡祖先），将其记为 $g$；
（3）找到以 $g$ 为根的子树中最高的子树，将其根记为 $p$；
（4）找到以 $p$ 为根的子树中最高的子树，将其根记为 $v$；如果 $p$ 的左右子树等高，且 $p$ 是 $g$ 的左孩子，则令 $v$ 为 $p$ 的左孩子，否则令 $v$ 为 $p$ 的右孩子；可见节点 $x$ 一定不位于子树 $p$、$v$ 中；

与插入操作类似，根据 $g,p,v$ 的方向，可以分为四种情况：

（1）$p$ 是 $g$ 的左孩子，且 $v$ 是 $p$ 的左孩子；
（2）$p$ 是 $g$ 的左孩子，且 $v$ 是 $p$ 的右孩子；
（3）$p$ 是 $g$ 的右孩子，且 $v$ 是 $p$ 的左孩子；
（4）$p$ 是 $g$ 的右孩子，且 $v$ 是 $p$ 的右孩子；

其中，（1）和（4）是对称的情况，可以通过单旋操作来实现重平衡；（2）和（3）是对称的情况，可以通过双旋操作来实现重平衡。

情况（1）的重平衡操作如下所示：

虚线连接的两个灰色方框不能同时为空，没有虚线连接的灰色方框可为空或非空。

以 $g$ 为轴进行 zig 旋转（设 $g$ 的父节点为 $pg$）：

（1）将 $g$ 顺时针往下拉，使之成为 $p$ 的新的右孩子；
（2）将 $p$ 的旧的右孩子过继给 $g$，使之成为 $g$ 的新的左孩子；
（3）更新 $p$ 的父节点为 $pg$、$pg$ 的子节点为 $p$。

情况（2）的重平衡操作如下所示：

虚线连接的两个灰色方框不能同时为空。

以 $p$ 为轴进行 zag 旋转：

（1）将 $p$ 逆时针往下拉，使之成为 $v$ 的新的左孩子；
（2）将 $v$ 的旧的左孩子过继给 $p$，使之成为 $p$ 的新的右孩子；
（3）更新 $v$ 的父节点为 $g$、$g$ 的子节点为 $v$。

经过上述操作后，情况（2）即变为了与情况（1）等价的情况。

与插入操作不同的是，删除操作的重平衡过程只能保证失衡的子树恢复平衡，但此重平衡操作可能降低子树的高度，从而导致失衡向上传播（如，子树 $g$ 属于原先高度更小的一个分支，重平衡之后 $g$ 所在的子树高度又降低了），即无法保证整棵树保持平衡。

为此，需要继续从 $g$ 开始，沿着父指针逆行而上，判断祖先是否失衡，如果出现失衡情况，则继续使用上述操作将子树恢复平衡，否则即可成功返回。

由此可见，相比于插入操作而言，AVL 树的删除操作可能需要更多次数的旋转操作，最坏情况下需要多达 $O(\log n)$ 次的旋转。

4. 统一重平衡算法

统一重平衡算法可以实现单旋和双旋操作。

其基本思想是：对重平衡之前的失衡子树进行中序遍历所得结果，和重平衡之后所得子树的中序遍历结果是一致的。

如，

（a）的中序遍历结果为：{T0,p,T1,v,T2,g,T3}\{ T_0, p, T_1, v, T_2, g, T_3 \}{T0​,p,T1​,v,T2​,g,T3​}
（b）的中序遍历结果为：{T0,p,T1,v,T2,g,T3}\{ T_0, p, T_1, v, T_2, g, T_3 \}{T0​,p,T1​,v,T2​,g,T3​}

统一重平衡操作涉及到了三个节点及对应的四棵子树，其不再进行旋转操作，而是直接进行子树的组装：{((T0,p,T1),v,(T2,g,T3))}\{ ((T_0, p, T_1), v, (T_2, g, T_3)) \}{((T0​,p,T1​),v,(T2​,g,T3​))}，圆括号括住的内容表示一棵子树，中间为树根，两边分别为树根的左、右子树。其 Python 实现大致如下：

def connect34(a, b, c, T0, T1, T2, T3):
    a.leftChild = T0
    a.rightChild = T1
    c.leftChild = T2
    c.rightChild = T3
    b.leftChild = a
    b.rightChild = c

    if T0:
        T0.parent = a
    if T1:
        T1.parent = a
    if T2:
        T2.parent = c
    if T3:
        T3.parent = c
    a.parent = b
    c.parent = b

如，（a）到（c）的重平衡过程为：

connect34(p, v, g, p.leftChild, v.leftChild, v.rightChild, g.rightChild)