Java教程
快速入门数据结构与算法之一文读懂树结构(近8000字长文)
本文主要是介绍快速入门数据结构与算法之一文读懂树结构(近8000字长文)，对大家解决编程问题具有一定的参考价值，需要的程序猿们随着小编来一起学习吧！
前言
本篇我们还要学习一个非线性的数据结构，虽然它是比较简单的，但是它是非常的重要的，我们接下来详细的学习它。篇幅过长，但请坚持读下去，会对你有帮助的。
定义和实现
树是一个非线性的数据结构，它在计算机科学中的各个领域被广泛使用，如文件系统就是树结构的，还有我们前端攻城狮最熟悉的HTML文档，还有我们最常用的域名体系，都是树结构。从它们的特征中我们可以总结出树是由父节点分叉连接子节点，就像自然界中的树一样。它分为树根和树枝，一棵树有一个总的树根，每个树根有多个树枝。一个树结构只有一个树根，而且没有子节点的节点叫做叶节点。这样一看是不是就和树一模一样呢？
实现
通过图像更加理解了之后，我们用JavaScript代码来实现一下
//实现一个树结构
class Node {
constructor(value) {
this.key = value
this.left = null
this.right = null
}
insertLeft(value) {
if (this.left === null) {
this.left = new Node(value)
} else {
let t = new Node(value)
t.left = this.left
this.left = t
}
}
insertRight(value) {
if (this.right === null) {
this.right = new Node(value)
} else {
let t = new Node(value)
t.right = this.right
this.right = t
}
}
getRightChild() {
return this.right
}
getLeftChild() {
return this.left
}
setRootVal(value) {
this.key = value
}
getRootVal() {
return this.key
}
}
复制代码代码实现非常简单，也非常好理解。它借助了链表的思维，在每个节点中存储左右子节点的引用，配合着插入左右子树的操作，最后链接成一棵树。下面我们通过最简单的一种树——二叉树，来了解下树的遍历
树的遍历
树的遍历有三种方式
- 先序遍历
- 中序遍历
- 后序遍历
这其中的先中后说的其实就是访问父节点的次序，而左右子树都是遵循先访问左子树后访问右子树的顺序。所以先序遍历的顺序就是父->左子->右子、中序遍历的顺序就是左子->父->右子、后序遍历的顺序就是左子->右子->父。
每次需要访问一个节点之前都会先根据相应的规则去检测，拿中序遍历举个例子，每次访问一个节点，都会先检测这个节点是否有左子节点，如果有就去把目光移到左子节点，检测它是否有左子节点，以此类推，直到我们检测的节点没有左子节点，那就遍历它，然后再回过头来遍历它的父节点，最后遍历它的右子节点，目光到右子节点之后们也是这样进行检测之后再遍历。也许这里说的有点啰嗦，我们通过三幅图来感受一下具体的遍历步骤吧
//先序遍历
function preorder(tree) {
if (!!tree) { // tree不为null也不为undefined
console.log(tree.getRootVal() + ' =>>')
preorder(tree.getLeftChild())
preorder(tree.getRightChild())
}
}
//中序遍历
function postorder(tree) {
if (!!tree) {
preorder(tree.getLeftChild())
console.log(tree.getRootVal() + ' =>>')
preorder(tree.getRightChild())
}
}
//后序遍历
function inorder(tree) {
if (!!tree) {
preorder(tree.getLeftChild())
preorder(tree.getRightChild())
console.log(tree.getRootVal() + ' =>>')
}
}
复制代码看到这里，是不是觉得树结构太简单了，不要太天真，我们后面可能要掌握非常复杂的树，做好心理准备，接下来我们慢慢的加大树的难度。
二叉堆
二叉堆是一个完全二叉树，完全二叉树通俗点说就是，只有最后一层和倒数第二层有叶节点，而且最后一层的叶节点一定在左部连续，而倒数第二层的叶节点一定在右部连续。这里还是放几个图吧，好理解一点。
class MinHeap {
constructor() {
//下标为0的项
this.heap = [0]
}
//向堆中插入新的值
insert(value) {
if (value != null) {
this.heap.push(value)
let index = this.heap.length - 1,
//获取父节点
parent = index === 0 ? undefined : Math.floor(index / 2)
//只要节点不是根节点，而且小于它的父节点则交换节点
while (
index > 1 &&
this.heap[parent] > this.heap[index]
) {
let temp = this.heap[index]
this.heap[index] = this.heap[parent]
this.heap[parent] = temp
index = parent
parent =
index === 0 ? undefined : Math.floor(index / 2)
}
return true
}
return false
}
//返回堆的大小
size() {
return this.heap.length - 1
}
//堆是否为空
isEmpty() {
return this.heap.length === 1
}
//查找堆的最小值
findMin() {
return this.isEmpty() ? undefined : this.heap[1]
}
//移除最小值
delMin() {
if (this.isEmpty()) {
return undefined
}
//如果只有一个节点则没必要再组合
if (this.heap.length === 2) {
return this.heap.splice(1,1)
}
const removedValue = this.heap.splice(1,1)
this.swapDown(1)
return removedValue
}
//下移操作
swapDown(index) {
let element = index
const left = 2 * index
const right = 2 * index + 1
const size = this.size()
//如果左子节点大于当前节点
if (left < size && this.heap[left] < this.heap[index]) {
element = left
}
//如果右子节点大于当前节点
if (right < size && this.heap[right] < this.heap[index]) {
element = right
}
//如果当前节点有比它大的子节点，那就交换
if (index !== element) {
let temp = this.heap[index]
this.heap[index] = this.heap[element]
this.heap[element] = temp
this.swapDown(element)
}
}
}
复制代码这里只实现了最小堆，0下标处弃掉不用，这样在计算下标时比较清晰。插入和删除时的整理操作稍微有些复杂，但是仔细研究一下就能看懂。看懂之后可以自己实现一下最大堆，收获满满的成就感。
二叉查找树
二叉查找树（Binary Search Tree）就是我们常说的BST，它也是在二叉树的基础上进行了限制，每个节点的左子节点需要小于它，而右子节点需要大于它。也是很好理解哈。它的插入操作是比较好实现了，比较困难的是它的删除操作。删除一个节点后，也要保证BST保持相应的性质，它分为三种情况
- 这个节点没有子节点
- 这个节点有1个子节点
- 这个节点有2个子节点
第一种情况是比较容易的，直接删除掉就行了；第二种情况也还行，就将唯一的这个子节点上移代替它就行了；最困难的是第三种情况，当它有两个节点的时候没有办法简单的上移哪个节点，于是我们就找一个节点来替代它，那么是怎么找呢，就找右子树的最小的节点，也就是右子树的最左边的左节点。我们还是放一个图会更清晰些。
class BinarySearchTree {
constructor() {
this.root = null
}
insert(key) {
if (this.root === null) {
this.root = new Node(key)
} else {
this.insertNode(this.root, key)
}
}
insertNode(node, key) {
//如果小于当前节点则向左子树查询
if (node.key > key) {
if (node.left == null) {
node.left = new Node(key)
} else {
this.insertNode(node.left, key)
}
} else {
if (node.right == null) {
node.right = new Node(key)
} else {
this.insertNode(node.right, key)
}
}
}
min() {
return this.minNode(this.root)
}
minNode(node) {
let current = node
//循环直到找到最左的左子节点
while (current != null && current.left != null) {
current = current.left
}
return current
}
max() {
return this.maxNode(this.root)
}
maxNode() {
let current = node
//循环直到找到最右的右子节点
while (current != null && current.right != null) {
current = current.right
}
return current
}
search(key) {
return this.searchNode(this.root,key)
}
searchNode(node,key) {
if (node == null) {
return false
}
//判断小于当前节点则向左查找大于当前节点则向右查找
if (node.key > key) {
return this.searchNode(node.left, key)
} else if (this.root.key < key) {
return this.searchNode(node.right, key)
} else {
return true
}
}
remove(key) {
this.root = this.removeNode(this.root, key)
}
removeNode(node, key) {
if (node == null) {
return null
}
if (node.key > key) {
node.left = this.removeNode(node.left, key)
//需要返回值去移除父节点中对被移除的子节点的引用
return node
} else if (node.key < key) {
node.right = this.removeNode(node.right, key)
return node
} else {
//第一种情况 没有子节点
if (node.left == null && node.right == null) {
node = null
return node
}
//第二种情况 有一个子节点
if (node.left == null) {
node = node.right
return node
} else if (node.right == null) {
node = node.left
return node
}
//第三种情况 有两个子节点
const replaceNode = this.minNode(node.right) //取出其右子树的最小值来替代它
//修改键的值
node.key = replaceNode.key
node.right = this.removeNode(
node.right,
replaceNode.key
)
//移除右子树中最小值的键
return node
}
}
}
复制代码用代码实现之后，是不是更加清晰了呢，如果还有些疑惑的话，自己实现一遍，困难就迎刃而解啦。二叉查找树的时间复杂度可以达到O(logn)，这已经是效率很高了，但是如果出现极端情况，也就是像每个节点都只有右子节点、每个节点都只有左子节点，这样就相当于是线性链表结构了，时间复杂度就变成了O(n),这也就是二叉查找树的缺陷了，为了解决这个缺陷，自平衡二叉树便登场了。
AVL树
在讲AVL树之前，我们需要再了解一些树的基础知识。树的层级——从根节点开始到达一个节点的路径所包含的边的数量。树的高度——树中所有节点的最大层级。平衡因子——左子树的高度-右子树的高度。了解了这些知识之后，我们就可以介绍平衡二叉树了，即如果一个二叉查找树中每个节点的平衡因子都在-1、0、1之间，那么这个二叉树就叫做平衡二叉树。自然自平衡二叉树就是如果不平衡会自己自动平衡。AVL就是自平衡二叉树的一种，注意,AVL不是什么高端的名词，而是三个人的人名Adelson-Velskii-Landi。AVL树的难点就在于树的平衡了。有两种不平衡的情况出现，即左重和右重。
左重也就是节点的平衡因子大于1，这个时候就进行右旋转，右旋转就是将它的左子节点作为它的父节点，而它作为它左子节点的右子节点，如果它的左子节点有右子节点，就将这个右子节点作为它的左子节点。右重则相反，进行左旋转，左旋转就是将它的右子节点作为它的父节点，而它作为它右子节点的左子节点，如果它的右子节点有左子节点，就将这个左子节点作为它的右子节点。说的有点绕，我们看一个图就明白了
class AVLNode extends Node {
constructor(key, parent) {
super(key);
this.parent = null;
}
}
class AVLTree extends BinarySearchTree {
constructor() {
super()
this.root = null;
}
//获取树的高度
getNodeHeight(node) {
if (node == null) {
return -1;
}
//递归调用子树高度+1
return Math.max(this.getNodeHeight(node.left), this.getNodeHeight(node.right)) + 1;
}
//计算一个节点的平衡因子
getBalanceFactor(node) {
return this.getNodeHeight(node.left) - this.getNodeHeight(node.right);
}
//左旋转
leftRotation(node) {
//取出它的右节点
let newNode = node.right
//判断当前节点是父节点的哪个节点或者是否有父节点，并相对将取出的节点替换他
if (node.parent == null) {
newNode.parent = null
this.root = newNode
} else if (node.parent.right === node) {
node.parent.right = newNode
newNode.parent = node.parent
} else {
node.parent.left = newNode
newNode.parent = node.parent
}
//判断取出的节点是否有左子节点，如果有就把它挂到当前节点的右节点，否则将当前节点的右节点置为null
if (newNode.left !== null) {
node.right = newNode.left
newNode.left.parent = node
} else {
node.right = null
}
//建立他俩的新关系，也就是旋转
newNode.left = node
node.parent = newNode
}
//右旋转
//与左旋转逻辑类似
rightRotation(node) {
let newNode = node.left
if (node.parent == null) {
newNode.parent = null
this.root = newNode
} else if (node.parent.right === node) {
node.parent.right = newNode
newNode.parent = node.parent
} else {
node.parent.left = newNode
newNode.parent = node.parent
}
if (newNode.right !== null) {
node.left = newNode.right
newNode.right.parent = node
} else {
node.left = null
}
newNode.right = node
node.parent = newNode
}
//向平衡树中插入节点
insert(key) {
if (this.root === null) {
this.root = new AVLNode(key)
} else {
this.insertNode(this.root, key)
}
}
insertNode(node, key) {
if (key < node.key) {
if (node.left !== null) {
this.insertNode(node.left, key)
} else {
node.left = new AVLNode(key, node)
//存储父节点
node.left.parent = node
//平衡节点
this.updateBalance(node.left)
}
} else {
if (node.right !== null) {
this.insertNode(node.right, key)
} else {
node.right = new AVLNode(key, node)
node.right.parent = node
this.updateBalance(node.right)
}
}
return node;
}
//平衡节点的函数
updateBalance(node) {
//获取平衡因子
const balanceFactor = this.getBalanceFactor(node);
//左子树不平衡
if (balanceFactor > 1) {
//判断其左子树是否右重（也就是更复杂的情况）
if (this.getBalanceFactor(node.left) < 0) {
this.leftRotation(node.left)
}
this.rightRotation(node)
}
//右子树不平衡
if (balanceFactor < -1) {
if (this.getBalanceFactor(node.right) > 0) {
this.rightRotation(node.right)
}
this.leftRotation(node)
}
//如果父节点存在则递归进行检查平衡
if (node.parent !== null) {
this.updateBalance(node.parent)
}
}
remove(key) {
this.removeNode(this.root, key)
}
removeNode(node, key) {
//判断它是大于还是小于当前节点，进一步去子树中删除
if (node.key > key) {
this.removeNode(node.left, key)
} else if (node.key < key) {
this.removeNode(node.right, key)
} else {
//第一种情况 没有子节点
if (node.left == null && node.right == null) {
//根节点 直接制空树，根据它是父节点的哪个节点进行修改
if (node.parent == null) {
this.root = null
} else if (node.parent.right === node) {
node.parent.right = null
} else {
node.parent.left = null
}
} else if (node.left == null) {//第二种情况 有一个子节点
//将值替换并删除子节点
node.key = node.right.key
node.right = null
} else if (node.right == null) {
node.key = node.left.key
node.left = null
} else {//第三种情况 有两个子节点
//取出其右子树的最小值来替代它
const replaceNode = this.minNode(node.right)
//修改键的值
node.key = replaceNode.key
//修改子树中的这个值
this.removeNode(
node.right,
replaceNode.key
)
}
}
this.updateBalance(node)
}
print() {
this.printTree(this.root)
}
//用来测试树结构
printTree(node) {
if (node === this.root) {
console.log(node.key)
}
if (node.left !== null) {
console.log(node.key + " left=>" + node.left.key)
this.printTree(node.left)
}
if (node.right !== null) {
console.log(node.key + " right=>" + node.right.key)
this.printTree(node.right)
}
}
}
复制代码这里需要将继承NODE类，因为我们需要存储每个节点的父节点。注释给的比较详细，这里特意把代码写的详细简单些，更有助于理解这个复杂的东西，可能代码有点长，不过静下心来看肯定能看懂，逻辑是比较清晰的。如果你理解了这堆代码并能够自己写出来，那么说明你已经很厉害了，如果还心有余力的话，我们继续进击红黑树。
红黑树
红黑树也是自平衡树的一种，它也经常出现在面试中，所以即使它很困难，我们也非常有必要去学习它。红黑树最重要就是这些支撑它的规则：
- 顾名思义，每个节点不是红色的就是黑色的。
- 树的根节点永远是黑色
- 所有叶节点都是黑色的，它们都是NULL来表示
- 红色的节点的两个子节点都是黑色的，红色的节点不能相邻，也就说红色节点的父节点和子节点都必须为黑色
- 从当前节点到它的叶节点（也就是NULL）的所有路径中都包含相同数量的黑色节点
把这些规则罗列起来一看都很简单哈，非常好理解，红黑树的平衡全靠它。那么它的难点在哪呢，也许你已经猜到了，就是在插入和移除节点的时候可能需要调整节点的位置或者颜色。接下来我们就仔细研究一下它们。
插入操作
每一个插入的节点都应该是红色的，因为这样就不会在插入的时候影响到规则5。当插入的节点的父节点是黑色的，那将是最好的情况，不会影响树的平衡。在这个前提下，如果父节点也是红色，那么将会影响规则4，这时我们将要平衡它，我们有两种平衡方式，即变色和旋转。
变色
如果插入节点的父节点为红色，而且它的叔节点也为红色，那么我们就可以通过依次改变它们的颜色来保持树的平衡，具体改动如图
旋转
如果插入节点的父节点为红色，而且它的叔节点为黑色或者没有叔节点（为null）则需要旋转才能解决问题了，旋转也像AVL树一样，有四种旋转的情况。
- 如果作为左子节点插入到父节点，而且父节点也是祖父节点的左子节点则需要进行右旋转；
- 如果作为右子节点插入到父节点，而且父节点也是祖父节点的左子节点则需要先进行左旋转再右旋转；
- 如果作为右子节点插入到父节点，而且父节点也是祖父节点的右子节点则需要进行左旋转；
- 如果作为左子节点插入到父节点，而且父节点也是祖父节点的右子节点则需要先进行右旋转再左旋转；
这里具体的旋转方法不再赘述，放一个图来小小的感受下吧
删除操作
插入操作说完之后，我们还要细讲一下删除操作
因为它的规则限制，和二叉搜索树的删除情况还是有些不同的，有一些情况是一定不会发生的，因为规则5的约束，不会出现节点的一个子节点为黑色，另一个子节点为空、的情况。因为规则4的约束，也不会出现当前节点为红色，子节点也为红色的情况。知道这些之后，我们将详细讨论其他情况
- 1 如果删除的节点为红色
- 1.1 删除的节点为叶节点
这样直接删除该节点就可以，不会影响红黑树的平衡 - 1.2 删除的节点只有一个节点
此情况不可能发生，因为红色节点的子节点只能是黑色的，而上面已经说过这种情况下不可能发生
- 1.1 删除的节点为叶节点
- 2 如果删除的节点为黑色
- 2.1 如果删除的节点是叶节点
- 2.1.1 删除节点的兄弟节点为红色
- a. 删除节点是父节点的左子节点
这样会违反规则5，我们将其父节点左旋转，然后将父节点颜色改为红色，兄弟节点改为黑色，这样我们就变成了2.1.2的情况 - b. 删除节点是父节点的右子节点
和上一个类似，将其父节点右旋转，然后将父节点颜色改为红色，兄弟节点改为黑色，这样我们就变成了2.1.2的情况
- a. 删除节点是父节点的左子节点
- 2.1.2 删除节点的兄弟节点为黑色
- a. 兄弟节点的离删除节点远的子节点为红色
- ① 删除节点为父节点的左子节点
此时兄弟节点的离删除节点远的子节点为其兄弟节点的右子节点，需要将其父节点和兄弟节点的颜色进行交换，然后再将父节点进行左旋转操作，最后将兄弟节点的离删除节点远的子节点置为黑色 - ② 删除节点为父节点的右子节点
此时兄弟节点的离删除节点远的子节点为其兄弟节点的左子节点，和上面的类似，将其父节点和兄弟节点的颜色进行交换，然后再将父节点进行右旋转操作，最后将兄弟节点的离删除节点远的子节点置为黑色
- ① 删除节点为父节点的左子节点
- b. 兄弟节点仅有的离删除节点近的子节点为红色
- ① 删除节点为父节点的左子节点
此时兄弟节点的离删除节点近的子节点为其兄弟节点的左子节点，这时就需要先将兄弟节点右旋并交换其和左子节点的颜色，然后再将父节点左旋，交换父节点和兄弟节点的颜色，也就是AVL里的先右旋再左旋操作 - ② 删除节点为父节点的右子节点
此时兄弟节点的离删除节点近的子节点为其兄弟节点的右子节点，和上面类似，先将兄弟节点左旋并交换其和右子节点的颜色，然后再将父节点右旋，交换父节点和兄弟节点的颜色，也就是AVL里的先左旋再右旋操作
- ① 删除节点为父节点的左子节点
- c. 兄弟节点为叶节点
- ① 删除节点的父节点为红色
此时删除后会违反规则5，我们就需要将其父节点改为黑色，并把其兄弟节点改为红色 - ② 删除节点的父节点为黑色
此时删除后也会违反规则5，我们将其兄弟节点改成红色就行了
- ① 删除节点的父节点为红色
- a. 兄弟节点的离删除节点远的子节点为红色
- 2.1.1 删除节点的兄弟节点为红色
- 2.2 如果删除的节点只有左子树或者右子树，这时候它独有的子节点只能是红色的，上面说过不可能出现单个黑色子节点
这种情况下直接拿他的子节点来代替，并且改成黑色就好了。
- 2.1 如果删除的节点是叶节点
这里只讨论了叶节点和只有一个节点的情况，因为两个节点的删除，本质上也是找一个后继来替代他，然后删掉这个后继，也就是还是回归到了前两种情况。原理明白了之后，我们动手用JavaScript代码来实现它，因为它也是二叉查找树，所以我们只需要重写插入和删除方法即可
class RedBlackNode extends Node {
constructor(key) {
super(key);
this.key = key;
this.color = 'red';
this.parent = null;
}
}
class RedBlackTree extends BinarySearchTree {
constructor() {
super();
this.root = null;
}
//获取树的高度
getNodeHeight(node) {
if (node == null) {
return -1;
}
//递归调用子树高度+1
return Math.max(this.getNodeHeight(node.left), this.getNodeHeight(node.right)) + 1;
}
//计算一个节点的平衡因子
getBalanceFactor(node) {
return this.getNodeHeight(node.left) - this.getNodeHeight(node.right);
}
minNode(node) {
let current = node
//循环直到找到最左的左子节点
while (current != null && current.left != null) {
current = current.left
}
return current
}
//左旋转
leftRotation(node) {
//取出它的右节点
let newNode = node.right
//判断当前节点是父节点的哪个节点或者是否有父节点，并相对将取出的节点替换他
if (node.parent == null) {
newNode.parent = null
this.root = newNode
} else if (node.parent.right === node) {
node.parent.right = newNode
newNode.parent = node.parent
} else {
node.parent.left = newNode
newNode.parent = node.parent
}
//判断取出的节点是否有左子节点，如果有就把它挂到当前节点的右节点，否则将当前节点的右节点置为null
if (newNode.left !== null) {
node.right = newNode.left
newNode.left.parent = node
} else {
node.right = null
}
//建立他俩的新关系，也就是旋转
newNode.left = node
node.parent = newNode
}
//右旋转
//与左旋转逻辑类似
rightRotation(node) {
let newNode = node.left
if (node.parent == null) {
newNode.parent = null
this.root = newNode
} else if (node.parent.right === node) {
node.parent.right = newNode
newNode.parent = node.parent
} else {
node.parent.left = newNode
newNode.parent = node.parent
}
if (newNode.right !== null) {
node.left = newNode.right
newNode.right.parent = node
} else {
node.left = null
}
newNode.right = node
node.parent = newNode
}
//插入元素
insert(key) {
if (this.root == null) {
this.root = new RedBlackNode(key);
this.root.color = 'black';
} else {
this.insertNode(this.root, key);
}
}
insertNode(node, key) {
if (key < node.key) {
if (node.left !== null) {
this.insertNode(node.left, key)
} else {
node.left = new RedBlackNode(key, node)
//存储父节点
node.left.parent = node
//平衡节点
this.adjustNodes(node.left)
}
} else {
if (node.right !== null) {
this.insertNode(node.right, key)
} else {
node.right = new RedBlackNode(key, node)
node.right.parent = node
this.adjustNodes(node.right)
}
}
}
//填色
adjustNodes(node) {
//node的父节点不为空，而且它的父节点为红色
while (node.parent !== null && node.parent.color === 'red') {
let parent = node.parent;
const grandParent = parent.parent;
//父节点是祖父节点的左子节点
if (grandParent !== null && grandParent.left === parent) {
const uncle = grandParent.right;
//叔节点也是红色 那么只需要重新填色
if (uncle !== null && uncle.color === 'red') {
grandParent.color = 'red';
parent.color = 'black';
uncle.color = 'black';
node = grandParent;
} else { //叔节点为黑色
//如果插入的节点是其父节点的左子节点
if (node === parent.left) {
this.rightRotation(grandParent)
parent.color = 'black'
grandParent.color = 'red'
node = parent
} else {//如果插入的节点是其父节点的右子节点
this.leftRotation(parent)
this.rightRotation(grandParent)
node.color = 'black'
grandParent.color = 'red'
}
}
} else { //父节点是祖父节点的右子节点
const uncle = grandParent.left;
//叔节点是红色则只需要重新填色
if (uncle !== null && uncle.color === 'red') {
grandParent.color = 'red';
parent.color = 'black';
uncle.color = 'black';
node = grandParent;
} else { // 叔节点为黑色
//如果插入的节点是其父节点的右子节点
if (node === parent.right) {
this.leftRotation(grandParent);
parent.color = 'black'
grandParent.color = 'red'
node = parent;
} else {//如果插入的节点是其父节点的左子节点
this.rightRotation(parent)
this.leftRotation(grandParent);
node.color = 'black';
grandParent.color = 'red';
}
}
}
}
this.root.color = 'black';
}
/**
remove(key) {
this.removeNode(this.root, key)
}
/** 实现的具体逻辑
* - 删除的节点为黑色
* - 删除的节点为叶节点
* - 删除节点是父节点的左子节点
* - 删除节点的兄弟节点为红色
* - 删除节点的兄弟节点为黑色
* - 兄弟节点的离删除节点远的子节点为红色
* - 兄弟节点的离删除节点近的子节点为红色
* - 兄弟节点为叶节点
* - 父节点为红色
* - 父节点为黑色
* - 删除节点是父节点的右子节点
* - 删除节点的兄弟节点为红色
* - 删除节点的兄弟节点为黑色
* - 兄弟节点的离删除节点远的子节点为红色
* - 兄弟节点的离删除节点近的子节点为红色
* - 兄弟节点为叶节点
* - 父节点为红色
* - 父节点为黑色
* - 删除的节点只有一个子节点
* - 删除的节点有两个子节点
* - 删除的节点为红色
* - 删除的节点为叶节点
* - 删除的节点有两个子节点
*/
removeNode(node, key) {
//判断它是大于还是小于当前节点，进一步去子树中删除
if (node.key > key) {
this.removeNode(node.left, key)
} else if (node.key < key) {
this.removeNode(node.right, key)
} else {
//节点颜色为红色
if (node.color === 'red') {
//红色叶节点直接删除
if (node.left == null && node.right == null) {
//根节点 直接制空树，根据它是父节点的哪个节点进行修改
if (node.parent == null) {
this.root = null
} else if (node.parent.right === node) {
node.parent.right = null
} else {
node.parent.left = null
}
} else { //有两个子节点
//取出其右子树的最小值来替代它
const replaceNode = this.minNode(node.right)
//修改键的值
node.key = replaceNode.key
//直接改为删除替换的那个节点
this.removeNode(
node.right,
replaceNode.key
)
}
} else { //节点颜色为黑色
//第一种情况 没有子节点
if (node.left == null && node.right == null) {
//保存父节点的引用
let parent = node.parent
//根节点 直接制空树，根据它是父节点的哪个节点进行修改
if (parent == null) {
this.root = null
} else if (parent.left === node) { //父节点的左子节点
//删除该节点
parent.left = null
//保存兄弟节点
let brother = parent.right
//兄弟节点为红色,先处理一下，再进入黑色处理
if (brother !== null && brother.color === 'red') {
this.leftRotation(parent)
parent.color = 'red'
brother.color = 'black'
}
// 兄弟节点为黑色
let distantNephew = brother.right,
nearNephew = brother.left
//兄弟节点的离删除节点远的子节点为红色
if (distantNephew !== null && distantNephew.color === 'red') {
this.leftRotation(parent)
const temp = parent.color
parent.color = brother.color
brother.color = temp
distantNephew.color = 'black'
} else if (distantNephew == null && nearNephew == null) {// 兄弟节点为叶节点
if (parent.color === 'red') {
parent.color = 'black'
brother.color = 'red'
} else {
brother.color = 'red'
}
} else { //兄弟节点仅有的离删除节点近的子节点为红色
this.rightRotation(brother)
this.leftRotation(parent)
const temp = parent.color
parent.color = brother.color
brother.color = temp
distantNephew.color = 'black'
}
} else {
parent.right = null
//保存兄弟节点
let brother = parent.left
if (brother !== null && brother.color === 'red') {
parent.right = null
this.rightRotation(parent)
parent.color = 'red'
brother.color = 'black'
}
let distantNephew = brother.left,
nearNephew = brother.right
if (distantNephew !== null && distantNephew.color === 'red') {
this.rightRotation(parent)
const temp = parent.color
parent.color = brother.color
brother.color = temp
distantNephew.color = 'black'
} else if (distantNephew == null && nearNephew == null) {
if (parent.color === 'red') {
parent.color = 'black'
brother.color = 'red'
} else {
brother.color = 'red'
}
} else {
this.leftRotation(brother)
this.rightRotation(parent)
const temp = parent.color
parent.color = brother.color
brother.color = temp
distantNephew.color = 'black'
}
}
} else if (node.left == null) {//第二种情况 有一个子节点
//将值替换并删除子节点
node.key = node.right.key
node.right = null
} else if (node.right == null) {
node.key = node.left.key
node.left = null
} else {//第三种情况 有两个子节点
//取出其右子树的最小值来替代它
const replaceNode = this.minNode(node.right)
//修改键的值
node.key = replaceNode.key
//删除子树中的这个值
this.removeNode(
node.right,
replaceNode.key
)
}
}
}
}
print() {
this.printTree(this.root)
}
//用来测试树结构
printTree(node) {
console.log(node)
if (node === this.root) {
console.log(node.key)
}
if (node.left !== null) {
console.log(node.key + "(" + node.color + ") left=>" + node.left.key)
this.printTree(node.left)
}
if (node.right !== null) {
console.log(node.key + "(" + node.color + ") right=>" + node.right.key)
this.printTree(node.right)
}
}
}
复制代码我们还是要继承Node类来创建RedBlackNode类，因为我们需要存储颜色和父节点的引用。这里的代码和AVL树一样，也是尽量写的简单、详细，便于理解一些。所以建议读者去自己实现一下，哪里不会了再回来看，只有自己真正的实现一下，体会才会更深。学到这里我们已经学会了树的大部分知识，如果觉得意犹未尽可以自己再去学习B树、B+树，它们是更加复杂的树，在这里就不去介绍了。上面的这些都掌握的话就已经很棒了。
小结
本篇文章篇幅过长，因为想尽量讲的详细些，通俗易懂些。图都是自己画的，代码纯手打。如果觉得对你有帮助或者真的学到东西了，可以给一个小赞作为鼓励。如果有什么表达不当或者其他错误请尽管指出，让我们一起进步，加油！！！
这篇关于快速入门数据结构与算法之一文读懂树结构(近8000字长文)的文章就介绍到这儿，希望我们推荐的文章对大家有所帮助，也希望大家多多支持为之网！
您可能喜欢
-
Springboot应用的多环境打包入门11-23
-
Springboot应用的生产发布入门教程11-23
-
Python编程入门指南11-23
-
Java创业入门：从零开始的编程之旅11-23
-
Java创业入门：新手必读的Java编程与创业指南11-23
-
Java对接阿里云智能语音服务入门详解11-23
-
Java对接阿里云智能语音服务入门教程11-23
-
JAVA对接阿里云智能语音服务入门教程11-23
-
Java副业入门：初学者的简单教程11-23
-
JAVA副业入门：初学者的实战指南11-23
-
JAVA项目部署入门：新手必读指南11-23
-
Java项目部署入门：新手必看指南11-23
-
Java项目部署入门：新手必读指南11-23
-
Java项目开发入门：新手必读指南11-23
-
JAVA项目开发入门：从零开始的实用教程11-23
栏目导航
