文档章节

AVL树-scala实现

venps
 venps
发布于 2016/02/14 14:39
字数 2307
阅读 3010
收藏 59

二叉查找树已经能够很好的应用到应用程序中,但它们在最坏的情况下性能还是很糟糕。考虑到如图所示这种情况:AVL2 查找操作的性能完全等同于线性。而AVL树的查找操作,能够保证无论怎么构造它,运行时间一直对数级别的。一起来学习一下AVL树吧。

什么是AVL

AVL(Adelson-Velsky 和 Landis)树,是带有平衡条件的二叉查找树,这个平衡条件必须要容易保持,并且它保证树的深度是O(LogN).

一颗AVL树是其每个节点的左右子树节点高度最多差1的二叉查找树。

AVL1

平衡条件

我门上面说,一颗AVL树是其每个节点的左右子树节点高度最多差1的二叉查找树。 左右子树的高度最多差1便是AVL树的平衡条件。

当进行插入操作时,我们需要更新通往根节点的所有节点的平衡信息。而插入操作隐含困难的原因在于,可能会破坏AVL树的特性(例如,考虑将6插入到图1的AVL树中将会破坏节点为8的平衡条件)。如果发生这种情形,那么就要考虑在插入完成之后重新回复节点的平衡信息。事实上,总可以通过对树进行简单的修正得到,我们称其为旋转(ratation).

在插入以后,只有那些从插入点到根节点的平衡条件可能变化,因为只有这些节点的字数可能发生变化。当我们沿着这条路路径行进到根节点,可以发现一个节点它的新平衡破坏了AVL树的特性。我们需要在这个节点重新平衡这棵树。

我们把必须重新平衡的节点叫做α。因为平衡条件是高度最多相差1,那么出现不平衡就是α点的高度相差为2。容易看出这种不平衡可能出现在下面这四种情况下:

  1. 对α的左儿子的左子树进行一次插入
  2. 对α的左儿子的右子树进行一次插入
  3. 对α的右儿子的左子树进行一次插入
  4. 对α的右儿子的右子树进行一次插入

1和4,2和3 是关于α点的镜像对称。因此理论上讲只有两种情况,当然编程上还是四种情况。

第一种情况是插入发生在外边的情况(即左-左的情况或者右-右的情况),该情况是通过对树的一次单旋转来完成操作。

第二种情况是插入发生在内部的情形(即左-右的情况或者右-左的情况),该情况通过稍微复杂点的双旋转操作来处理。

单旋转

下图显示了单旋转如何调整情形1。旋转前的图在左边,旋转后的图在右边。 AVL3

让我们来分析具体的做法。节点K2不满足平衡条件, 因为它的左子树比右子树深两层(图中的虚线表示树的各层).

为使树恢复平衡,我们把节点X向上移一层,并把Z像下移一层,为此我们重新安排节点以形成一颗等价的树。如上图的右边部分。抽象的形容就是,把把树想象成一棵柔软灵活的树,抓住子节点K1,闭上眼睛使劲的摇动它,这样由于重力的作用,K1就变成了新的根。二叉树的性质告诉我们,在原树中K2>K1,这样在新树中,K2变成了K1的右儿子,Y变成了K2的左子树,而X、Z依然是K1的左子树和K2的右子树。

AVL4

让我们演示一个更长的例子,假设从初始的空的AVL树开始依次插入3、2、1,然后再依次插入4-7.

在插入关键字1的时候第一个问题就出现了,AVL性质在根处被破坏,我们在根和其左儿子之间施加单旋转操作来修正问题。下图是旋转之前和之后的两棵树。

AVL5

图中虚线连接的两个节点,它们是旋转的主体。下面我们插入关键字4这没有问题,在我们插入关键字5的时候,问题又出现了,平衡条件在关键字3处被破坏,而通过单旋转再次将问题修复。

AVL6

接下来插入6,平衡条件在根节点处被打破,因此我们在根处,在2、4之间施加一次单旋转操作。

AVL7

我们插入最后的关键字7,它导致另外的旋转。

AVL8

双旋转

单旋转对情形2、3无效愿因在于子树Y太深。单旋转没有降低它的深度。

AVL9

对于子树Y我们可以假设他有一个根和两棵子树(对应上图的K2、B、C)。

为了平衡期间,我们不能再把K3当成根了,而如上图所示K3和K1之间旋转又解决不了问题,唯一的选择是把K2当成根,这迫K1成为K2的左子树,K3成为K1的右子树,而K2的左子树成为K1的右子树,K2的右子树成为K3的左子树。容易看出最后得到的树满足AVL树的特征。

我们继续在前面例子的基础上以倒序插入10-16,接着插入8,再插入9.插入16很容易这并不破坏树的平衡,插入15会引起节点7处的高度不平衡,这属于情形3,需要通过右-左双旋转来解决。如图:

AVL10

下面我们来插入14,它也需要一个双旋转。此时修复树的旋转还是右-左双旋转

add14

如果现在插入13那么在根处就会出现不平衡,由于13不在4-7之间,我们知道只要一次单旋转就行.

add13

插入12也需要一次双旋转

add12

插入11、10都需要进行单旋转,接着我们插入8不需要进行旋转,这样就建成了一颗近乎理想的平衡树

add8

最后我们插入9,在节点10发生不平衡,这里满足情形2,对左儿子的右子树进行一次,需要一次双旋转。

after

总结

现在让我们对上面的讨论做出总结,除几种情形外,编程的细节是相当简单的。为将节点X插入AVL树T中,我们递归的将X插入到T的子树中。如果子树的高度不变,那么插入完成;如果出现高度不平衡,那么找到不平衡点,做适当的单旋转或者双旋转,更新这些高度,从而完成插入。

scala实现

sealed trait AVLTree[+A] extends Serializable {
  def balance: Int

  def depth: Int

  def contains[B >: A](x: B)(implicit ordering: Ordering[B]): Boolean

  def insert[B >: A](x: B)(implicit ordering: Ordering[B]): AVLTree[B]


  def rebalance[B >: A]: AVLTree[B]

}

/**
 * 叶子节点
 */
case object Leaf extends AVLTree[Nothing] {

  override val balance: Int = -1
  override val depth: Int = 0

  override def contains[B >: Nothing](x: B)(implicit ordering: Ordering[B]): Boolean = false



  override def insert[B >: Nothing](x: B)(implicit ordering: Ordering[B]): AVLTree[B] = {
    Node(x, Leaf, Leaf)
  }


  override def rebalance[B >: Nothing]: AVLTree[B] = this

}

case class Node[A](value: A, left: AVLTree[A], right: AVLTree[A]) extends AVLTree[A] {
  override def balance: Int = right.depth - left.depth

  override def depth: Int = math.max(left.depth, right.depth)

  override def contains[B >: A](x: B)(implicit ordering: Ordering[B]): Boolean = ???

  override def insert[B >: A](x: B)(implicit ordering: Ordering[B]): AVLTree[B] = {
    val cmp = ordering.compare(x,value)
    if (cmp < 0){
      Node(value, left.insert(x),right).rebalance
    } else if (cmp > 0){
      Node(value, left, right.insert(x)).rebalance
    } else {
      this
    }
  }

  override def rebalance[B >: A]  = {
    if (-2 == balance){
      if (1 == left.balance){
        doubleRightRotation
      } else {
        rightRotation
      }
    } else if(2 == balance) {
      if (-1 == right.balance){
        doubleLeftRotation
      }else {
        leftRotation
      }
    } else {
      this
    }
  }


  /*
   *   5
   *    \                                  6
   *     6       ---- 左单旋转 --->        /  \
   *      \                              5   7
   *       7
   *
   *   在节点5 发生不平衡 5的右节点成为新的根节点
   */
  private def leftRotation[B >: A] = {
    if (Leaf != right) {
      val r = right.asInstanceOf[Node[A]]
      Node(r.value, Node(value, left, r.left), r.right)
    } else {
      sys.error("should not happen.")
    }
  }


  /*
   *           7
   *          /                                6
   *         6    ---- 右单旋转 --->           /  \
   *        /                                5   7
   *       5
   *
   *    在节点7 发生不平衡 7的左节点成为新的根节点
   */
  private def rightRotation[B >: A] = {
    if (Leaf != left) {
      val l = left.asInstanceOf[Node[A]]
      Node(l.value, l.left, Node(value, l.right, right))
    } else {
      sys.error("should not happen.")
    }

  }

  /*
   *     左双旋转
   *
   *     5                           5
   *       \                          \                     6
   *        7    ----step1 --->        6    ---step2--->   / \
   *       /                            \                 5   7
   *      6                              7
   *
   *  在节点5处不平衡
   *  step1 : 节点5的右节点 做一次 右旋转
   *  step2 : 左旋转
   *
   */
  private def doubleLeftRotation[B >: A] = {
    if (Leaf != right) {
      val r = right.asInstanceOf[Node[A]]
      val rightRotated = r.rightRotation
      Node(rightRotated.value, Node(value, left, rightRotated.left), rightRotated.right)
    } else {
      sys.error("should not happen.")
    }
  }

  /*
  *   右双旋转
  *
  *     7                            7
  *    /                            /                   6
  *   5       ----step1 --->       6    ---step2--->   / \
  *    \                          /                   5   7
  *     6                        5
  *
  *  在节点7处不平衡
  *  step1 : 节点7的左节点 做一次 左旋转
  *  step2 : 右旋转
  *
  */
  private def doubleRightRotation[B >: A] = {
    if (Leaf != left) {
      val l: Node[A] = left.asInstanceOf[Node[A]]
      val leftRotated = l.leftRotation
      Node(leftRotated.value, leftRotated.left, Node(value, leftRotated.right, right))
    } else sys.error("Should not happen.")
  }

}

参考资料

《数据结构与算法分析java语言描述》 AVL tree (维基百科)

© 著作权归作者所有

共有 人打赏支持
venps
粉丝 7
博文 2
码字总数 3885
作品 0
朝阳
高级程序员
加载中

评论(8)

venps
venps

引用来自“Neo”的评论

不是说查找多用AVL,写入较多就用RB吗?
查询密集型,AVL性能优于RB,因为AVL是更严格的平衡。但通常使用RB,能获得更好的性能
Neo
Neo
不是说查找多用AVL,写入较多就用RB吗?
邹海彬
邹海彬
avl维持平衡,可能需要经过多次旋转,但是rbtree只需要最多经过3次旋转——我听说的
young7
young7

引用来自“行意天下”的评论

实际中怎么用?

引用来自“venps”的评论

AVL是高度平衡的二叉树,维护这种高度平衡的代价相对较大,一般是用追求局部而不是非常严格整体平衡的红黑树来替代。红黑树的应用比较多,比如 java中的TreeMap和TreeSet。
很多资料都说avl代价比较大,因此用rb,但是我找了很久也没有找到精确分析avl在旋转时候究竟怎么代价大的,反倒是觉得rb比avl难多了
二的基本算合格
二的基本算合格
写这个要赞一下~
Jordan
Jordan
好东西
venps
venps

引用来自“行意天下”的评论

实际中怎么用?
AVL是高度平衡的二叉树,维护这种高度平衡的代价相对较大,一般是用追求局部而不是非常严格整体平衡的红黑树来替代。红黑树的应用比较多,比如 java中的TreeMap和TreeSet。
行意天下
行意天下
实际中怎么用?
会X86汇编的帮我看看为什么debug和release结果时间相差那么多

下面输出是我实现的avl树和三叉搜索树的字符串搜索性能比较结果,avl cmp times为avl树的字符比较次数,tst cmp times为三叉搜索树的字符比较次数。从结果来看release与debug都一样的比较次数...

cut
2012/11/10
455
7
数据结构备忘录:保证AVL树删除插入操作正确性的原理的讨论及插入删除操作的实现

对AVL树首先要弄清它的定义:AVL树是一棵高度平衡的二叉搜索树,它要么是一棵空树,要么是一棵左右子树均为AVL树,且左右子树高度差的绝对值不大于一的二叉搜索树 数据结构教科书介绍的AVL树平衡...

Kukucao
05/05
0
0
花时间分别实现了AVL,SBT,Treap,RBT,还是有些收获的

发现AVL(平衡二叉树)和SBT(据说是国内某天才少年创造的宽度平衡二叉树),在数学上和树的构成上是完全等价的,SBT完全可以说是AVL的变种,创新之处在于使用统计(宽度)代替了高度,因此可...

刘地
2012/10/12
503
4
一文读懂 AVL 树

背景 AVL 树是一棵平衡的二叉查找树,于 1962 年,G. M. Adelson-Velsky 和 E. M. Landis 在他们的论文《An algorithm for the organization of information》中发表。 所谓的平衡之意,就是...

超级数学建模
01/02
0
0
JDK TreeMap Red-Black Tree

介绍另一种平衡二叉树:红黑树(Red Black Tree),红黑树由Rudolf Bayer于1972年发明,当时被称为平衡二叉B树(symmetric binary B-trees),1978年被Leonidas J. Guibas 和 Robert Sedgewi...

zuoer
2011/12/18
0
0

没有更多内容

加载失败,请刷新页面

加载更多

大数据学习脑图以及入门教程!

近些年,大数据的火热可谓是技术人都知道啊,很多人呢,也想学习大数据相关,所以,这里分享几个大数据脑图,希望可以让你清楚明白从哪里入门大数据,知道该学习以及掌握哪些知识点; 大数据...

董黎明
16分钟前
0
0
聊聊redis的监控工具

序 本文主要研究一下redis的监控工具 redis-stat redis-stat是一个比较有名的redis指标可视化的监控工具,采用ruby开发,基于redis的info命令来统计,不影响redis性能。 docker运行 docker r...

go4it
19分钟前
0
0
TypeScript基础入门之高级类型的索引类型(Index types)

转发 TypeScript基础入门之高级类型的索引类型(Index types) 高级类型 索引类型(Index types) 使用索引类型,编译器就能够检查使用了动态属性名的代码。 例如,一个常见的JavaScript模式是从...

durban
36分钟前
0
0
利用碎片化时间Get Linux系统

起初,我做着一份与IT毫无关系的工作,每月领着可怜的工资,一直想改变现状,但无从下手,也就是大家熟知的迷茫。我相信,每一个人都会或多或少的经历过迷茫,迷茫每一个选择,迷茫工作或者生...

Linux就该这么学
今天
1
0
图像显示深入学习一:Activity启动过程

一个月左右写了图像显示深入学习之文章开篇文章表明了自己近期的计划,前半年重新学习了opengl es,c++以及Linux的一些知识,觉得是时候开始看图像这一块的源码了,边看边补缺补漏吧。 作为该...

JerryLin123
今天
3
0

没有更多内容

加载失败,请刷新页面

加载更多

返回顶部
顶部