[学习笔记] 二叉查找树/BST

平衡树前传之BST

二叉查找树((BST)),是一个类似于堆的数据结构,

并且,它也是平衡树的基础.

因此,让我们来了解一下二叉查找树吧.

(其实本篇是作为放在平衡树前的前置知识的,但为了避免重复懒得写就单独拎了出来)

首先,二叉查找树,是一个树形的数据结构废话,树上的每个节点有一个权值(val).

而树中的任意一个节点,都满足以下性质:

1. 该节点的权值不小于它左子树中任意节点的权值.

2. 该节点的权值不大于它右子树中任意节点的权值.

显然,二叉查找树的中序遍历就是一个递增序列.

那么接下来,让我们了解(BST)的操作吧.

step 1:BST的建立

其实这个很简单,就是为了避免越界而插入(INF)和(-INF)而已.

看代码吧(是不是好简单):

struct BST{int l,r,val;}t[100001];
int tot=0,rt/*根节点*/,INF=1<<30;

inline int New(int val){
	t[++tot].val=val;
	return tot;
}

inline void build(){
	New(-INF);New(INF);
	rt=1;t[1].r=2;
}

step 2:BST的查找

查找也很好理解.

假设我们要查找的是权值(v),

那么根据两条性质,

若(v)小于当前节点的权值,就往左走,否则就往又走.

相等或者是空节点(即没有)时,就返回.

上代码(应该很好想吧):

int find(int p,int val){
	if(!p||t[p].val==val) return p;
	return find(val<t[p].val? t[p].l:t[p].r,val);
}

step 3:BST的插入

shanchu其实这和查找的想法一样.

插入时,若已经插入过,就直接返回(或根据题目情况而定),

到空节点时,就新建节点.

step 4:BST求前驱&后继

就拿前驱为例子吧(因为道理是一样的).

首先,我们先去找要求的点(p),

那么有几种情况:

1. 没有找到(p).
2. 找到了(p),但(p)无左子树.
3. 找到了(p),且(p)有左子树.

对于第一种情况,答案就在寻找过的路径中.

因为如果要插入(p)的话,它肯定在它前驱的右子树中(模拟一下插入就知道了).

而第二种情况,由于没有左子树,因此答案也在之前的路径中.

第三种的话,我们先找到它的左子树,再一直往右走,就能找到了(根据BST的性质仔细想想就能理解了).

来上代码吧:

inline int getpre(int val){
	int ans=1,p=rt;//t[1].val=-INF
	while(p){
		if(val==t[p].val){
			if(!t[p].l) return ans;
			p=t[p].l;
			while(t[p].r) p=t[p].r;
			return p;
		}
		if(t[p].val<val&&t[p].val>t[ans].val) ans=p;
		p=val<t[p].val? t[p].l:t[p].r;
	}
	return ans;
}

step 5:BST的删除

删除就要复杂一些了qwq.

如果是空节点,就直接返回.(先排除掉一种情况)

那么假设我们找到了要删除的点,

还有三种情况:

1. (p)为叶子节点.
2. (p)无左/右子树.
3. (p)有左/右子树.

对于第一种,直接删掉就好.

而第二种的话,就可以用子节点代替它.

第三种有点难想啊...

其实,我们可以找出它的前驱/后继节点(就是上一步的第三种情况).

然后再代替它就行啦.

来上代码吧:

inline void remove(int &p,int val){
	if(!p) return ;
	if(val==t[p].val){
		if(!t[p].l) p=t[p].r;
		else if(!t[p].r) p=t[p].l;
		else {
			int next=t[p].r;
			while(t[p].l) p=t[p].l;
			remove(t[p].r,t[next].val);
			t[next].l=t[p].l;t[next].r=t[p].r;
			p=next;
		}
		return ;
	}
	remove(val<t[p].val? t[p].l:t[p].r,val);
}

总结

BST的几个操作都讲完啦!

然而,发现一件事没?

如果我们依次插入一个递增/递减序列,BST就会被卡成一条链.

因此,我们有了平衡树...