AVL Tree - AVL二叉树

特性

AVL树是最早发明的一种自平衡二叉查找树，树中的任何节点的左右两个子树的高度最大差别为 $1$ ，因此也称为高度平衡树。包含 $n$ 个节点的AVL树其查找、插入、删除操作的平均时间复杂度都是 $O(log_{2}⁡n)$ 。AVL树高度为 $O(log_{2}⁡n)$ 。

引入二叉树上节点之间距离和高度的定义。一个叶子节点向上到达根节点所经过的跳数为这两个节点的距离，一个节点和自己的距离为 $0$ ，将空节点的高度视作 $-1$ 。根节点到达其所有叶子节点的最大距离即为根节点的高度，同时也是该子树的高度。显然对于任意节点都有

$height_{x} = max(height_{left}, height_{right}) + 1$

一个节点的左右孩子的高度差为该节点的平衡因子

$factor = height_{left} - height_{right}$

当一个节点的 $\lvert factor \rvert \leq 1$ 时称该节点所在的子树是平衡的，否则是不平衡的。

除了基本的二叉查找树属性，AVL树拥有以下属性：

$(1)$ AVL树上所有节点都是平衡的，即平衡性；

$(2)$ AVL树的高度为根节点的高度；

$(3)$ AVL树的高度为 $height = O(log_2 n)$ ；

旋转操作

AVL树的查询操作和二叉查找树一样，插入/删除操作也基本相同，首先通过二分查找找到合适插入的位置/要被删除的节点，然后做插入/删除操作。插入/删除会破坏AVL树的平衡性，LL（单向右旋平衡处理/左左）、RR（单向左旋平衡处理/右右）、LR（先左后右双向旋转平衡处理/左右）、RL（先右后左双向旋转平衡处理/右左）四种情况是所有需要调整的情况：

上面四种情况包含了所有从不平衡转化为平衡。通过节点的高度值、该节点是其父结点的左或者右，可以判断节点属于哪种情况，做相应的操作。

插入

对于下面这个AVL树，每个节点中上面的数字是节点下标，下面的数字是该节点的高度值 $height$ 。将 $18$ 从该AVL树的根节点开始，按照二分查找算法依次经过节点 $10 \rightarrow 15 \rightarrow 19 \rightarrow 16 \rightarrow 17$ ，最后插入 $17$ 的右孩子节点；

新节点插入完成后，我们沿着父结点指针一路向上，检查每个节点是否平衡，若不平衡则进行旋转操作，再更新节点高度，直到根节点。

$(1)$ 节点 $18$ 为叶子节点，因此高度值为 $height_{18} = 0$ ；

$(2)$ 平衡因子为 $factor_{17} = \lvert height_{nil} - height_{18} \rvert = \lvert - 1 - 0 \rvert = 1$ ，不需要旋转，更新节点 $17$ 的高度值 $height_{17} = max⁡(height_{nil},height_{nil}) + 1 = max⁡(-1,0) + 1 = 1$ ；

$(3)$ 平衡因子为 $factor_{16} = \lvert height_{nil} - height_{17} \rvert = \lvert - 1 - 1 \rvert = 2 \gt 1$ ，需要进行RR操作，旋转后节点 $16$ 的高度值为 $height_{16} = 0$ ，更新节点 $16$ 的高度值 $height_{16} = max⁡(height_{nil},height_{17}) + 1 = max⁡(-1,1) + 1 = 2$ ；

$(4)$ 平衡因子为 $factor_{19} = \lvert height_{17} - height_{20} \rvert = \lvert 1 - 0 \rvert = 1$ ，更新节点 $19$ 的高度值 $height_{19} = max⁡(height_{16},height_{20}) + 1 = max⁡(1,0) + 1 = 2$ ；

$(5)$ 平衡因子为 $factor_{15} = \lvert height_{13} - height_{19} \rvert = \lvert 1 - 2 \rvert = 1$ ，更新节点 $15$ 的高度值 $height_{15} = max⁡(height_{13},height_{19}) + 1 = max⁡(1,2) + 1 = 3$ ；

$(6)$ 平衡因子为 $factor_{10} = \lvert height_{5} - height_{15} \rvert = \lvert 2 - 3 \rvert = 1$ ，更新节点 $10$ 的高度值 $height_{10} = max⁡(height_{5},height_{15}) + 1 = max⁡(2,3) + 1 = 4$ ；

删除

AVL树的删除操作和BinarySearchTree一样：

$(1)$ 若 $x$ 为叶子节点，既没有左孩子节点也没有右孩子节点，直接删除；

$(2)$ 若 $x$ 只有一个孩子节点 $y$ ，则像链表一样将 $x$ 从其父节点和 $y$ 之间删除；

$(3)$ 若 $x$ 同时有左右孩子节点，按照中序遍历找出二叉树中比 $x$ 大的下一个节点 $next$ （中序遍历下的后继节点），用其值代替 $x$ ，再继续用相同的规则递归的删除原始节点 $next$ （实际上，中序遍历的后继节点不可能存在左孩子节点，要么无孩子节点，要么只有右孩子节点）；

删除完成后从 $x$ 的父节点开始依次向上，检查每个节点是否平衡，若不平衡则进行旋转操作，再更新节点高度，直到根节点。检查本身的时间复杂度为 $O(log_2 n)$ 。下图中删除节点 $15$ ，节点 $15$ 的中序遍历后继节点 $16$ 代替它，然后删除真正的 $16$ 。从新的 $16$ 开始检查每个节点是否平衡，直到根节点。本次删除结束。

AVL树的插入/删除操作的实际操作需要约 $O(2 \times log_2 n)$ 次，其中 $O(log_2 n)$ 花费在从根节点向下寻找合适的插入位置/要被删除的节点， $O(log_2 n)$ 花费在插入/删除完成后向上对每个节点的检查以及旋转操作。

AVL Tree

源码

AvlTree.h

AvlTree.cpp

测试

AvlTreeTest.cpp