AVL双旋转思路分析与图解

news2024/11/28 12:49:24

AVL树双旋转思路分析与图解

首先我们要知道什么情况之下我们是要进行双旋转?

当最小不平衡子树为LR型或者RL型的时候, 那么什么时候最小不平衡子树是RL型或者什么时候又是LR型的?

  • 下面我们就先给出LR型, RL型, LL型, RR型最小不平衡子树的概念:
    1. LR型最小不平衡子树: 首先拿到一个最小不平衡子树, ①我们判断这个最小不平衡子树的左子树高还是右子树高, 如果左子树高, 这个时候就是L, ②然后之后我们再判断这个最小不平衡子树的根节点的左子节点的左子树和右子树谁高, 如果这个时候右子树高, 那么就是R, ①②两步结合到一起之后就会得到LR, 就说明这个最小不平衡子树是一个LR型的
    2. LL型最小不平衡子树: 首先拿到一个最小不平衡子树, ①我们判断这个最小不平衡子树的左子树高还是右子树高, 如果左子树高, 这个时候就是L, ②然后之后我们再判断这个最小不平衡子树的根节点的左子节点的左子树和右子树谁高, 如果这个时候还是左子树高, 那么就是L, ①②两步结合到一起之后就会得到LL, 就说明这个最小不平衡子树是一个LL型的
    3. RL型最小不平衡子树: 首先拿到一个最小不平衡子树, ①我们判断这个最小不平衡子树的左子树高还是右子树高, 如果右子树高, 这个时候就是R, ②然后之后我们再判断这个最小不平衡子树的根节点的右子节点的左子树和右子树谁高, 如果这个时候左子树高, 那么就是L, ①②两步结合到一起之后就会得到RL, 就说明这个最小不平衡子树是一个RL型的
    4. RR型最小不平衡子树: 首先拿到一个最小不平衡子树, ①我们判断这个最小不平衡子树的左子树高还是右子树高, 如果右子树高, 这个时候就是R, ②然后之后我们再判断这个最小不平衡子树的根节点的右子节点的左子树和右子树谁高, 如果这个时候还是右子树高, 那么就是R, ①②两步结合到一起之后就会得到RR, 就说明这个最小不平衡子树是一个RR型的
  • 注意: 上面的前提是一个最小不平衡子树
    • 最小不平衡子树就是距离添加或者删除结点最近的BF > |1|的结点为根节点的子树
      • BF为平衡因子: 某个结点的平衡因子就是某个结点的左子树高度减去对应的右子树高度的插值, 我们的平衡二叉树的每个结点的BF都要是满足: -1 <= BF <= 1

对于数列{10, 11, 7, 6, 8, 9}, 当添加9之后就不是一个AVL树了, 也就是不平衡了, 那么这个时候我们要如何将其重新平衡化? 也就是如何重新让其变为一个AVL树?

  • 因为此时最小不平衡子树是LR型的, 所以我们要先对当前最小不平衡子树的根节点的左子树进行一个左旋,然后我们就能得到一个LL型的最小不平衡子树, 然后针对LL型的最小不平衡子树我们直接调用一个右旋算法即可(如下图)

    1. 先对原本为LR型的最小不平衡子树的根节点的左子节点进行一个左旋, 得到一个LL型的最小不平衡子树(如下)

    在这里插入图片描述

    • 此时因为我们的最小不平衡子树是一个LR型的, 所以这个时候我们的正确解法就是:
      1. 先对这个LR型的最小不平衡子树的左子节点进行一个左旋, 左旋之后我们就得到了一个LL型的最小不平衡子树
      2. 对于得到的LL型的最小不平衡子树, 我们只需要再对此LL型最小不平衡子树的跟结点执行一个右旋算法就可以了 —> 我们此时就是经过了两次旋转, 我们将这样的算法就称之为"双旋转"(其实就是用了一次左旋 + 右旋而已)
      • 这个时候有的人就会有问题, 那么这个时候这个LR型最小不平衡子树不也是最小不平衡子树根节点的左子树高度 > 最小不平衡子树根节点的右子树高度吗? 所以我们直接对这个LR型的最小不平衡子树的根节点执行一个右旋算法不行吗, 按理我们的右旋算法会降低左子树的高度增加右子树的高度呀, 这个时候问题不就解决了?

        • 是个想法是错误的, 我们的左旋和右旋算法只适用于单一倾斜的子树的根节点的左子树和右子树的高度转换, 这个时候如果非要对此LR型的最小不平衡子树的根节点执行一个右旋之后我们就可以发现, 我们的LR型的最小不平衡子树又会变为一个RL型的最小不平衡子树(这个过程中我们的左子树的高度在右旋中直接减少了2, 而右子树的高度在右旋中直接加了2) —> 所以这就告诉我们对于RL型和LR型最小不平衡子树的平衡化, 我们直接对不平衡子树根节点进行一次单一的旋转是行不通的
    1. 对得到的LL型最小不平衡子树, 我们只需要对LL型不平衡子树的根节点执行一个右旋之后就可以得到一颗平衡二叉树了(如下:)

    在这里插入图片描述

    • 这样我们最终就得到了一个平衡的AVL树了

对于RL型的最小不平衡子树我们也是采用上述的双旋转操作, 只是通过如下的两步实现:

  1. 对RL型的最小不平衡子树的根节点的右子树进行一个左旋, 就能得到一个RR型的最小不平衡子树
  2. 对得到的RR型的最小不平衡子树的根节点进行一个右旋, 就能得到一个AVL树(二分平衡搜索树)

补充:

我们最后会在完成AVL树的代码实现时, 将左旋和右旋,双旋转的调用都加到AVL树添加结点的操作中

  • 那么分别是什么时候调用这几种旋转?

    1. LL型 --> 右旋
    2. LR型和RL型 —> 双旋转
    3. RR型 —> 左旋
    • 我们分别在不同的情况之下调用不同的方法即可
      • 判断是那种情况我们就直接根据前面的这四种最小不平衡子树的定义来判断, 这里我们判断最小不平衡子树的时候要通过树的高度来判断, 所以我们还需要编写一个求解树的高度的方法
  • 其实双旋转肯定也只不过是在调用我们的左旋和右旋操作而已, 所以说AVL树中其实只需要掌握左旋和右旋操作即可

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.coloradmin.cn/o/26779.html

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈,一经查实,立即删除!

相关文章

Linux 动静态库

目录 静态库和动态库 gcc规则使用动静态库的规则&#xff1a; 制作静态库 使用静态库 方法1. 方法2. 制作动态库 使用动态库 方法1&#xff1a; 方法2&#xff1a; 方法3&#xff1a; 方法4&#xff1a; 进程&#xff0c;静态库&#xff0c;动态库 静态库和动态库 …

传统瀑布模型和实际瀑布模型

传统瀑布模型&#xff1a; 瀑布模型是所有模型的基础框架 特点&#xff1a; 线性的开发流程&#xff0c;不能够应对需求的变化。 必须等前一阶段的工作完成后&#xff0c;才能开始后一阶段的工作 前一阶段的输出文档就是后一阶段的输入文档&#xff0c;因此只有前一阶段的输…

Map及其实现类、锁

HashMap、HashTable、ConcurrentHashMap 区别 一.HashMap和HashTable的区别 1、两者父类不同 HashMap是继承自AbstractMap类&#xff0c;而Hashtable是继承自Dictionary类。不过它们都实现了同时实现了map、Cloneable&#xff08;可复制&#xff09;、Serializable&#xff0…

朱松纯教授场景理解相关文章简介

朱松纯教授场景理解相关文章简介 Holistic 3D Scene Parsing and Reconstruction from a Single RGB Image 基于单张图像的整体场景解译与重建 我们提出了一个计算框架来联合解译单帧RGB图像&#xff0c;通过使用一系列的随机语法模型生成的CAD模型构成整体的3D结构。具体地说…

智慧农业SaaS系统

真正的大师,永远都怀着一颗学徒的心&#xff01; 一、项目简介 智慧农业SaaS系统 二、实现功能 监控管理&#xff1a;支持海康摄像头监控。 用户管理&#xff1a;支持用户是系统操作者&#xff0c;该功能主要完成系统用户配置。 岗位管理&#xff1a;支持配置系统用户所属担…

bugku渗透测试 1 writeup(无需VPS)

靶场地址&#xff1a;BugKu渗透测试1 该靶场只需要20金币就可以开启两小时&#xff0c;算的上非常良心实惠了&#xff0c;趁着有空赶紧刷一刷题目 目录 第一场景&#xff1a; 第二场景&#xff1a; 第三场景&#xff1a; 第四场景&#xff1a; 第五场景&#xff1a; 第六…

第五章:面向对象(上)

第五章&#xff1a;面向对象(上) 5.1&#xff1a;面向过程与面向对象 面向过程(POP)与面向对象(OOP) ​ 二者都是一种思想&#xff0c;面向对象是相对于面向过程而言的。面向过程&#xff0c;强调的是功能行为&#xff0c;以函数为最小值&#xff0c;考虑怎么做。面向对象&…

【BOOST C++ 线程】boost::thread库的基本使用方法总结

一、说明 boost::thread的六种使用方法总结&#xff0c;本文初步介绍线程的函数、构造、执行的详细解释。 二、boost::thread的几个函数 函数功能join()让主进程等待子线程执行完毕后再继续执行get_id()获得线程的 id 号detach()标线程就成为了守护线程&#xff0c;驻留后台运…

【项目实战:核酸检测平台】第二章 大卸八块

本章目标 完成项目架构设计和数据库结构设计 重点&#xff1a;全是重点 文章目录本章目标总体设计&#xff08;架构设计&#xff09;技术选型部署结构设计工程文档结构设计第一步&#xff1a;项目和模块命名第二步&#xff1a;约定项目工程文件内容第三步&#xff1a;设计文档…

Hadoop高可用环境搭建-HDFSNameNode高可用搭建、Yarn高可用搭建

本文环境搭建的前提条件&#xff1a;JDK、Zookeeper、Hadoop完全分布式环境搭建完成。如果未满足条件且不会搭建&#xff0c;可以前往博主的主页搜索相关文章进行搭建。 目录 一、HDFSNameNode高可用搭建 二、 Yarn高可用搭建 本文主节点hostname&#xff1a;master&#xff0c…

安装semantic segmentation editor

两天啊&#xff0c; 整整两天&#xff0c;知道这两天我是怎么过的吗&#xff1f;&#xff1f;1 步骤概述&#xff08;以下命令行都是在管理员条件下执行&#xff09;1.1 安装choco1.2 安装meteor1.3 安装semantic segmentation editor2过程3 我还是用Ubuntu安装过3.1Window安装…

【Mysql】主从一致

【Mysql】主从一致&#xff08;一&#xff09;主从复制【1】什么是主从复制【2】为什么需要主从复制【3】mysql复制原理【4】具体步骤【5】mysql主从形式【6】具体操作过程&#xff08;1&#xff09;首先在虚拟机服务器上安装mysql&#xff0c;进行简单的配置&#xff08;2&…

力扣(LeetCode)38. 外观数列(C++)

双指针模拟 初始字符串 sss 已给定&#xff0c;根据 sss 构造下一个外观数列 ttt &#xff0c;构造完毕&#xff0c; ststst &#xff0c;循环 n−1n-1n−1 次&#xff0c;构造出一个外观数列。 构造步骤 : 令 jjj 指向当前元素 &#xff0c; kkk 从 jjj 往右&#xff0c;记录…

新库上线 | CnOpenData招聘公司基本信息扩展数据

招聘公司基本信息扩展数据 一、数据简介 线上招聘是指各公司将其岗位需求、工作地点能力要求和薪酬等招聘信息发布在互联网上&#xff0c;供求职者参考&#xff0c;以线上的方式进行招聘。线上招聘网站是通过互联网相关技术&#xff0c;集结这些线上招聘信息&#xff0c;帮助雇…

Linux下自动删除过期备份和自动异地备份的脚本

每天自动删除过期备份 首先编写一个简单的Shell脚本DeleteExpireBackup.sh&#xff1a; 1 2 3 4 5 6 7 #!/bin/bash # 修改需要删除的路径 location"/database/backup/" # 删除最后修改时间为30天以前的备份文件夹 find $location -mtime 30 -type d | xargs rm …

3dmax渲染大图有斑点怎么办?

嗨喽大家好&#xff0c;经常有后台私信问&#xff1a;3dmax渲染大图老是有斑点怎么办&#xff1f;而且斑点有白色的&#xff0c;还有绿色、黑色甚至彩色。怎么去除这些斑点呢&#xff1f; 其实以上的常见的斑点问题&#xff0c;大部分是灯光设置的问题。今天我们便来盘点下下面…

第二章:字节码指令集与解析案例

一、概述执行模型字节码与数据类型字节码指令分类加载与存储指令局部变量压栈指令常量入栈指令出栈装入局部变量表指令算术运算指令代码举例一代码举例二代码举例三&#xff1a;i 和 i 的区别比较指令的说明类型转换指令宽化类型转换(Widening Numeric Conversions)窄化类型转换…

指纹浏览器是什么?可以用来解决跨境电商的什么问题?

如果你是跨境电商中的一员&#xff0c;那我相信你肯定不陌生指纹浏览器吧&#xff01;毕竟指纹浏览器可以说是每个跨境人必备的工具了&#xff0c;更别说它的一系列功能简直是为跨境电商商家量身打造的&#xff01; 龙哥作为跨境老手&#xff0c;对指纹浏览器不要太熟悉&#x…

葡萄糖-顺铂Glucose-cisplatin|葡萄糖-聚乙二醇-顺铂cisplatin-PEG-Glucose

葡萄糖-顺铂Glucose-cisplatin|葡萄糖-聚乙二醇-顺铂cisplatin-PEG-Glucose 中文名称&#xff1a;葡萄糖-顺铂 英文名称&#xff1a;Glucose-cisplatin 别称&#xff1a;生物素修饰葡萄糖&#xff0c;生物素-葡萄糖 PEG接枝修饰葡萄糖 葡萄糖-聚乙二醇-顺铂 cisplatin-PE…

Go:命令行参数解析包 flag 简介

文章目录示例运行小结在 Golang 程序中有很多种方法来处理命令行参数。简单的情况下可以不使用任何库&#xff0c;直接处理 os.Args&#xff1b;其实 Golang 的标准库提供了 flag 包来处理命令行参数&#xff1b;还有第三方提供的处理命令行参数的库&#xff0c;比如 Pflag 等。…