符号表（3）——二叉查找树

本系列文章主要介绍常用的算法和数据结构的知识，记录的是《Algorithms I/II》课程的内容，采用的是“算法（第4版）”这本红宝书作为学习教材的，语言是java。这本书的名气我不用多说吧？豆瓣评分9.4，我自己也认为是极好的学习算法的书籍。

通过这系列文章，可以加深对数据结构和基本算法的理解（个人认为比学校讲的清晰多了），并加深对java的理解。

1 二叉查找树

二叉查找树是一个对称有序的二叉树
即：

每个节点有key，有2个孩子，左孩子的key小于自己的key，右孩子的key大于自己的key。（和堆不一样）

1.1 代码框架

我们可以根据定义设计出一个如下的二叉查找树基本框架，然后去完善它

            
                public
                
                    class
                    BST<KeyextendsComparable<Key>, Value>
{
                private Node root;
    privateclassNode{}
    publicvoidput(Key key, Value val){} 
    public Value get(Key key){}
    publicvoiddelete(Key key){}
    public Iterable<Key> iterator(){}
}
        

1.2 节点表示

作为二叉查找树的节点，它应该包含键-值，还有左右孩子

            
                private
                
                    class
                    Node {
                private Key key;
        private Value val;
        private Node left, right;
        publicNode(Key key, Value val) {
            this.key = key;
            this.val = val;
        }
    }
        

1.3 取得操作

根据二叉树的性质，可以从root开始搜索：

• 如果 小于 ，左孩子
• 如果 大于，右孩子
  
  • 如果找到，返回
  • 如果为null，则取得失败

            
                public Value get(Key key)
    {
        Node x = root;
        while(x != null)
        {
            int cmp = key.compareTo(x.key);           
            if(cmp < 0)
                x = x.left;
            elseif(cmp > 0)
                x = x.right;
            elseif(cmp == 0)
                return x.val;
        }
        returnnull;
    }
        

1.4 插入操作

插入操作可以用递归来做。（凡是涉及链表的插入操作，都可以考虑用递归，用非递归相对来说麻烦点，因为插入操作是在父亲节点上插入一个左右孩子，如果root为空还得单独判断）

不断的递归搜索左右孩子，直到找到一个null节点，就把新<键，值>插入。如果键本身在树中，则更新值。

这里比较巧妙的是：root = put(root, key, val);
把root也结合进去了。

            
                public
                void
                put(Key key, Value val) {
        root = put(root, key, val);
    }

    private Node put(Node x, Key key, Value val) {
        if (x == null) {
            returnnew Node(key, val);
        }
        int cmp = key.compareTo(x.key);
        if (cmp < 0) {
            x.left = put(x.left, key, val);
        } elseif (cmp > 0) {
            x.right = put(x.right, key, val);
        } elseif (cmp == 0) {
            x.val = val;
        }
        return x;
    }
        

也可以使用非递归的代码：

            
                public
                void
                put(Key key,Value val)
    {
        Node x = root;
        if(x == null)
            x = new Node(key,val); 
        while(true)
        {
            int cmp = key.compareTo(x.key);
            if(cmp < 0)
            {
                if(x.left != null)
                    x = x.left;
                x.left = new Node(key,val); 
                return ;
            }
            if(cmp > 0)
            {
                if(x.right != null)
                    x = x.right;
                x.right = new Node(key,val); 
                return ;
            }
            if(cmp == 0){
                x.val = val;
                return ;
            }
        }
    }
        

1.5 动画演示

动画演示查找和插入

1.6 二叉树的形状

根据不同的插入顺序，二叉树会呈现出不同的形状，最好的状态当然是完全平衡的状态，这个时候搜索效率最高，最坏的形式就是插入的序列有序，这个时候二叉树的搜索效率就是N了。

我们看看随机插入的效果：

研究表明，二叉树的平均深度都不深，如果插入是随机的情况下。所以通常情况下，二叉树的效率还是很高的。

2. 有序操作

2.1 最大最小

这个很简单，最大的话直接搜索到最右的孩子
最小的话直接搜索到最左的孩子

2.2 floor和ceiling

floor：找到比key小的最大key
ceiling：找到比key大的最小key

2.2.1 floor操作：（递归操作）

由于floor操作是找比key小的最大key，这个概念看起来特别绕，所以必须要理清楚。
- 条件一：首先前提条件是比给定的Key小
- 条件二：然后再在这些小值中找最大的一个。

我们先考虑如果给定你一个节点，如何找它的floor值？？很明显，它的左子树（条件1）的最右节点（条件2），所以下面的思路也是这样的，先满足条件1，再满足条件2.

• 如果k == root.key
floor = root.key
• 如果k < root.key在左子树继续查找（杂没比我小的）
  
  • 如果k > root.key 记录root（终于找到一个比我小的了，赶紧记下来）
    
    • 如果右边子树遇到一个小于k的，就继续（看还有么有更大的小值）
    • 否则，就是root （看来没有比你大的了）

            
                public Key floor(Key key)
    {
        Node x = floor(root,key);
        if(x == null) returnnull;
        return x.key;
    }
    private Node floor(Node x,Key key)
    {
        if(x == null)   return x;
        int cmp = key.compareTo(x.key);
        if (cmp < 0)   return floor(x.left, key);
        if (cmp == 0)   return x;
        Node f = floor(x.right, key);
        if (f == null)  
            return x;
        elsereturn f;
    }
        

2.2.2 ceiling操作：（递归操作）

和floor操作相反

• 如果k == root.key
floor = root.key
• 如果k > root.key在右子树继续查找（杂没比我大的?）
  
  • 如果k < root.key 记录root（终于找到一个比我大的了，赶紧记下来）
    
    • 如果左边子树遇到一个大于k的，就继续（看还有么有更小的大值）
    • 否则，就是root（看来没有比你小的了）

            
                public Key ceil(Key key) {
        Node x = ceil(root, key);
        if (x == null) {
            returnnull;
        }
        return x.key;
    }

    private Node ceil(Node x, Key key) {
        if (x == null) {
            return x;
        }
        int cmp = key.compareTo(x.key);
        if (cmp > 0) {
            return ceil(x.right, key);
        }
        if (cmp == 0) {
            return x;
        }
        Node f = ceil(x.left, key);
        if (f == null) {
            return x;
        } else {
            return f;
        }
    }
        

2.3 子树统计

子树统计有很多应用的地方，我们经常需要查找比key小的有多少个，或者找第几大的元素，比如rank()操作，select()操作。

首先，我们需要在Node类中加入一个用来统计的变量count。并且修改size()和put函数，使得树在建立的时候，就使得count填充好。

            
                private
                class Node
{
   private Key key;
   private Value val;
   private Node left;
   private Node right;
   privateint count;  //加这里
}
        

            
                public
                int
                size()
  {  
      return size(root);  
  }
  privateintsize(Node x)
  {
     if (x == null) return0;
     return x.count;  //加这里
  }
        

            
                private Node put(Node x, Key key, Value val)
 {
    if (x == null) returnnew Node(key, val, 1);
    int cmp = key.compareTo(x.key);
    if (cmp  < 0) x.left  = put(x.left,  key, val);
    elseif (cmp  > 0) x.right = put(x.right, key, val);
    elseif (cmp == 0) x.val = val;
    x.count = 1 + size(x.left) + size(x.right);//加这里return x;
 }
        

2.4 rank()

rank的功能就是返回键小于key的个数。有三种情况：

• root == key
  左孩子count（因为只有左孩子小于它）
• root < key
  左孩子count+1（自己）+ 右孩子继续找
• root > key
  左孩子继续找（给定key还没找到比自己小的呢）

比如这个图中：
rank(S) = 6
rank(A) = 0 (左孩子为null)
rank(D) = 0+1+0+1 = 2 （1是A和C自己，0是A和C的左孩子）

            
                public
                int
                rank(Key key)
    {
        return rank(root,key);
    }
    privateintrank(Node x,Key key)
    {
        if(x == null) return0;
        int cmp = key.compareTo(x.key);
        if(cmp > 0)
            return1 + size(x.left) + rank(x.right,key);
        elseif(cmp == 0)
            return size(x.right);
        return rank(x.left,key);
    }
        

2.5 有序遍历

根据二叉树的结构，很简单了：

• 遍历左孩子
• 把自己key插入队列
• 遍历右孩子

            
                public Iterable<Key> keys()
    {
        Queue<Key> q = new Queue<Key>();
        inorder(root, q);
        return q;
    }
    privatevoidinorder(Node x,Queue<Key> q)
    {
        if(x == null)
            return ;
        inorder(x.left, q);
        q.enqueue(x.key);
        inorder(x.right,q);
    }
        

3 总结

用二叉排序树实现的符号表操作，其时间复杂度要大大小于其他方式。

细心的小伙伴可能发现了，我们并没有讲删除操作，因为删除操作涉及的东西比较多，我们在后面单独讲它。