【C++】AVL树

大家好，我是苏貝，本篇博客带大家了解C++的AVL树，如果你觉得我写的还不错的话，可以给我一个赞👍吗，感谢❤️

1. AVL树的概念

二叉搜索树虽可以缩短查找的效率，但如果数据有序或接近有序二叉搜索树将退化为单支树，查找元素相当于在顺序表中搜索元素，效率低下。因此，两位俄罗斯的数学家G.M.Adelson-Velskii 和E.M.Landis在1962年发明了一种解决上述问题的方法：
当向二叉搜索树中插入新结点后，如果能保证每个结点的左右子树高度之差的绝对值不超过1(需要对树中的结点进行调整)，即可降低树的高度，从而减少平均搜索长度。

一棵AVL树或者是空树，或者是具有以下性质的二叉搜索树：
1、 它的左右子树都是AVL树
2、 左右子树高度之差的绝对值不超过1(-1/0/1)

为了直接知道当前节点的左右子树的高度差，我们使用平衡因子（平衡因子只是知道高度差的一种方式，也有其它方式，但我们只了解这一种），平衡因子的值=右子树发高度-左子树的高度，或者平衡因子的值=左子树发高度-右子树的高度，下面我们采用第一种

如果一棵二叉搜索树是高度平衡的，它就是AVL树。如果它有n个结点，其高度可保持在 O(log_2 n)，搜索时间复杂度O(log_2 n)。

下面我们来自主实现一个AVL树

2. AVL树节点的定义

注意：AVL树和下面介绍的红黑树相比于二叉搜索树，节点中多了一个指向双亲结点的指针。_bf就是平衡因子

3. AVL树的查找

4. AVL树的插入

AVL树就是在二叉搜索树的基础上引入了平衡因子，因此AVL树也可以看成是二叉搜索树。那么 AVL树的插入过程可以分为两步：
1、 按照二叉搜索树的方式插入新节点
2、 调整节点的平衡因子

第1步，按照搜索树规则插入节点，这和二叉搜索树的插入基本类似，只多了让cur的双亲结点指针指向parent

第二步，更新平衡因子
如果插入节点后，cur是parent的左节点，parent的平衡因子–，反之++
parent的平衡因子== 0，表示父亲的左右子树的高度不变，插入结束
parent的平衡因子==1/-1，表示父亲的左右子树的高度差改变了，继续向上更新

从下图我们可以看出，当parent==nullptr时，退出循环

parent的平衡因子==2/-2，表示父亲的左右子树已经不平衡了，需要旋转处理

(A) 新节点插入在较高左子树的左侧—左左：右单旋（parent->_bf==-2,cur->_bf==-1）

上图在插入前，AVL树是平衡的，新节点插入到30的左子树（注意：此处不是左孩子）中，30的左子树增加了一层，导致以60为根的二叉树不平衡，要让60平衡，只能将60左子树的高度减少一层，右子树增加一层，即将左子树往上提，这样60转下来，因为60比30大，只能将其放在30的右子树，而如果30有右子树，右子树根的值一定大于30，小于60，只能将其放在60的左子树，旋转完成后，更新节点的平衡因子即可。

上图是抽象图，下面有具体图

在旋转过程中，有以下几种情况需要考虑：
1、30节点的右孩子可能存在，也可能不存在
2、60可能是根节点，也可能是子树
如果是根节点，旋转完成后，要更新根节点
如果是子树，可能是某个节点的左子树，也可能是右子树

注意：subL指向的节点的平衡因子一定为0，为什么？因为如果不为0，那么根本不需要进行旋转，直接在parent== 0时就插入结束了，或者是subL指向的节点的平衡因子==-2/2，从这里就要旋转而非到parent再旋转

当h==1时

(B) 新节点插入较高右子树的右侧—右右：左单旋(parent->_bf== 2,cur->_bf==1)

实现及情况考虑可参考右单旋。同样的，subR指向的节点的平衡因子一定为0

实现：
1、 将subRL做parent的右孩子
2、 parent做subR的左孩子

© 新节点插入较高左子树的右侧—左右：先左单旋再右单旋(parent->_bf==-2,cur->_bf==1)

同样的，这里的subL和subLR的平衡因子都为0

这里的插入有3种情况：
1、 h== 0，所以上图的60就是新插入的节点，因此60的平衡因子== 0
2、 h>0，新插入的节点在60的左边，此时60的平衡因子==-1
3、 h>0，新插入的节点在60的右边，此时60的平衡因子==1

这里只画了情况2，其它的自己试试吧

这3种情况的相同点：都先以30为旋转点左旋，再以90为旋转点右旋
不同点：情况1，最后parent和subL和subLR的平衡因子都为0
情况2，parent的平衡因子为1，subL和subLR的平衡因子都为0
情况3，parent和subLR的平衡因子为0，subL的平衡因子都为-1

(D) 新节点插入较高右子树的左侧—右左：先右单旋再左单旋

同样的，这里的subR和subRL的平衡因子都为0

实现及情况考虑可参考左右双旋

这里的插入也有3种情况：
4、 h== 0，所以上图的60就是新插入的节点，因此60的平衡因子== 0
5、 h>0，新插入的节点在60的左边，此时60的平衡因子==-1
6、 h>0，新插入的节点在60的右边，此时60的平衡因子==1

这里只画了情况3，其它的自己试试吧

这3种情况的相同点：都先以90为旋转点左旋，再以30为旋转点右旋
不同点：情况1，最后parent和subR和subRL的平衡因子都为0
情况2，subR的平衡因子为1，parent和subRL的平衡因子都为0
情况3，parent的平衡因子为-1，subR和subRL的平衡因子都为0

5. AVL树的验证

AVL树是在二叉搜索树的基础上加入了平衡性的限制，因此要验证AVL树，可以分两步：
1、 验证其为二叉搜索树
如果中序遍历可得到一个有序的序列，就说明为二叉搜索树
2、 验证其为平衡树
每个节点子树高度差的绝对值不超过1（注意节点中如果没有平衡因子），节点的平衡因子是否计算正确

验证用例

6. AVL树的删除(了解)

因为AVL树也是二叉搜索树，可按照二叉搜索树的方式将节点删除，然后再更新平衡因子，只不过与删除不同的是，删除节点后的平衡因子更新，最差情况下一直要调整到根节点的位置。
具体实现可参考《算法导论》或《数据结构-用面向对象方法与C++描述》殷人昆版。

7. AVL树的性能

AVL树是一棵绝对平衡的二叉搜索树，其要求每个节点的左右子树高度差的绝对值都不超过1，这样可以保证查询时高效的时间复杂度，即O(log_2 N)。

先来插入10万个数据（有冗余）

结果：成功插入了66642个数据，该AVL树只有19层，插入只花了0.037秒，查找花了0.035秒，这是在debug版本下，在release版本下时间更短

再来插入100万个数据（有冗余），结果：成功插入了63万多个数据，该AVL树相较于上面的只增加了3层，但数据却是增加了57万多。插入和查找的时间也都非常短

AVL查找数据的效率非常高，但是如果要对AVL树做一些结构修改的操作，性能非常低下，比如：插入时要维护其绝对平衡，旋转的次数比较多，更差的是在删除时，有可能一直要让旋转持续到根的位置。因此：如果需要一种查询高效且有序的数据结构，而且数据的个数为静态的(即不会改变)，可以考虑AVL树，但一个结构经常修改，就不太适合。

好了，那么本篇博客就到此结束了，如果你觉得本篇博客对你有些帮助，可以给个大大的赞👍吗，感谢看到这里，我们下篇博客见❤️