数据结构---自平衡二叉树AVL

高级数据结构:自平衡二叉树与AVL树的实现与优化 自平衡二叉树(AVL树)是计算机科学中广泛应用的一种数据结构,具有高效的查找、插入和删除操作。本文将深入探讨AVL树的定义、实现及其优化,结合实际应用案例和前沿技术,提出新的优化思路,进一步提升其性能。通过详细的代码示例、行业数据分析和对比分析,我们将探索AVL树在现代系统中的应用和未来发展趋势。 阅读详情

1.01 AVL树

名字缘由:G.M.Adelson-Velsky和E.M.Landis 。是一种最早的自平衡二分搜索树结构 。
AVL树既是平衡二叉树。AVL树的定义首先要求该树是二叉查找树(满足排序规则),并在此基础上增加了每个节点的平衡因子的定义,一个节点的平衡因子是该节点的左子树树高减去右子树树高的值。

在这里插入图片描述
在这里插入图片描述
平衡因子BF:该节点的左子树的深度减去它的右子树深度。(平衡二叉树上的所有节点的平衡因子可能是-1,0,1)

1.02 AVLTree代码实现

import java.util.ArrayList;

public class AVLTree<K extends Compareble<K>,V>implements Map<K,V>{
	private class Node{	//定义结点
		public K key;
		public V value;
		Node left,right;
		public int height;	//new 新增高度属性
		
		public Node(K key,V value){	//构造函数
			this.key=key;
			this.value=value;
			left=null;
			right=null;
			height=1; //new 结点默认高度为1
		}
		
		public String toString(){  //组成字符串
			return "("+key+","+value+")";
		}
	}

	private Node root;
	private int size;

	public AVLTree(){	//构造函数
		root=null;
		size=0;
	}
	
	public int getSize(){	//获取AVLTree的元素个数
		return size;
	}
    
    private boolean isEmpty(){
    	return size==0;
    }
    
    //new 获得结点node的高度
	private int getHeight(Node node){
		if(node==null){
			return 0;
		}
		return node.height;
	}

	//new 获得结点node的平衡因子
	private int getBalanceFactor(Node node){
		if(node==null){
			return 0;
		}
		return node.height;
	}

	//new 判断二叉树是否是一颗二叉搜索树(中序遍历)
	public boolean isBST(){
		ArrayList<K> keys=new ArrayList<K>();
		inOrder(root,keys);
		for(int i=1;i<keys.size();i++){
			if(keys.get(i-1).compareTo(keys.get(i))>0){
				return false;
			}
		}
		return true;
	}

	//new 中序遍历
	private void inOrder(AVLTree<K,V>.Node node,ArrayList<K> keys){
		if(node==null){
			return;
		}
		inOrder(node.left,keys);
		keys.add(node.key);
		inOrder(node.right,keys);
	}

	//new 判断该二叉树是否是一颗平衡二叉树(平衡因子的绝对值<=1)
	public boolean isBalanced(){
	    return isBalanced(root);
	}
	//new 判断以Node为根的二叉树是否是一颗二叉树,递归算法
	private boolean isBalanced(Node node){
		if(node==null){
			return true;
		}
		int balanceFactor=getBalanceFactor(node);
		if(Math.abs(balanceFactor)>1){
			return false;
		}
		return isBalanced(node.left)&&isBalanced(node.right);
	}

	//new 右旋转操作
	private Node rightRotate(node y){
		Node x=y.next;
		Node T3=x.right;
		x.right=y;
		y.left=T3;
		//更新height结点值
		y.heigth=Math.max(getHeight(y.left),getHeight(y.right))+1;
		x.height=Math.max(getHeight(x.left),getHeight(x.right))+1;
		return x;
	}
	
	//new 左旋转操作
	private Node leftRotate(Node y){
		Node x=y.right;
		Node T3=x.left;
		x.left=y;
		y.right=T3;
		//更新height结点值
		y.height=Math.max(getHeight(y.left),getHeight(y.right))+1;
		x.height=Math.max(getHeight(x.left),getHeight(x.right))+1;
		return x;
	}

	//增加元素
	public void add(K key,V value){
		root=add(root,key,value);
	}
	private Node add(Node node,K key,V value){
		if(node==null){
			size++;
			return new Node(key,value);
		}
		if(key.compareTo(node.key)<0{
			node.left=add(node.left,key,value);
		}else if(key.compareTo(node.key)>0){
			node.right=add(node.right,key,value);
		}else{
			node.value=value;
		}
		//new 更新height
		node.height=1+Math.max(getHeight(node.left),getHeight(node.right));
		//new计算平衡因子
		int balanceFactor=getBalanceFactor(node);
		if(Math.abs(balanceFactor)>1){
			System.out.println("unbalanced:"+balanceFactor);
		}
		//new 平衡维护
		//new 1.左侧的左侧不平衡-》LL
		if(balanceFactor>1&&getBalanceFactor(node.left)>=0){
			return rightRotate(node);
		}
		//new 2.右侧的右侧不平衡-》RR
		if(balanceFactor<-1&&getBalanceFactor(node.right)<=0){
			return leftRotate(node);
		}
		//new 3.左侧的右侧不平衡-》LR
		if(balanceFactor>1&&getBalanceFactor(node.left)<0){
			node.left=leftRotate(node.left);
			return rightRotate(node);
		}
		//new 4.右侧的左侧不平衡-》RL
		if(balanceFactor<-1&&getBalanceFactor(node.right)>0){
			node.right=rightRotate(node.right);
			return leftRotate(node);
		}
		return node;
	}

	public V get(K key){ //根据键找值
		Node node=getNode(root,key);
		return node==null?null:node.value;
	}

	public void set(K key,V value){	//修改元素
		Node node=getNode(root,key);
		if(node==null){
			throw new IllegalArgumentException("doesn't exist!");
		}
		node.value=value;
	}

	public V remove(K key){	//删除元素
		Node node=getNode(root,key);
		if(node!=null){
			root=remove(root,key);
			return node.value;
		}
		return null;
	}
	private Node remove(Node node,K key){
		if(node==null){
			return null;
		}
		//只需要将删除结点后的新树的根进行自平衡即可
		//new 用retNode接收返回的结点
		Node retNode;
		if(key.compareTo(node.key)<0){
			node.left=remove(node.left,key);
			retNode=node;
		}else if(key.compareTo(node.key)>0){
			node.right=remove(node.right,key);
			retNode=node;
		}else{
			if(node.left==null){
				Node rightNode=node.left;
				node.right=null;
				size--;
				retNode=rightNode;
			}else if(node.right==null){
				Node leftNode=node.left;
				node.left=null;
				size--;
				retNode=leftNode;
			}else{
				Node successor=minimun(node.right);
				//new注意Bug所在 removeMin没有自平衡手段
				//可以在removeMin中自平衡
				//或者在此调用remove即可,只不过要注意左为空,右为空,左右不为空三者是互斥逻辑
				//而且甚至会出现为空的情况 注意空指针异常
				successor.left=node.left;
				node.left=node.right=null;
				retNode=successor;
			}
		}
		//new避免空指针
		if(retNode==null){
			return null;
		}
		//new更新height
		retNode.height=1+Math.amx(getHeight(retNode.left),getHeight(retNode.right));
		//new计算平衡因子
		int balanceFactor=getBalanceFactor(node);
		if(Math.abs(balanceFactor)>1){
			System.out.println("unbalanced:"+balanceFactor);
		}
		//new 平衡维护
		//new 1.左侧的左侧不平衡-》LL
		if(balanceFactor>1&&getBalanceFactor(node.left)>=0){
			return rightRotate(node);
		}
		//new 2.右侧的右侧不平衡-》RR
		if(balanceFactor<-1&&getBalanceFactor(node.right)<=0){
			return leftRotate(node);
		}
		//new 3.左侧的右侧不平衡-》LR
		if(balanceFactor>1&&getBalanceFactor(node.left)<0){
			node.left=leftRotate(node.left);
			return rightRotate(node);
		}
		//new 4.右侧的左侧不平衡-》RL
		if(balanceFactor<-1&&getBalanceFactor(node.right)>0){
			node.right=rightRotate(node.right);
			return leftRotate(node);
		}
		return retNode;
	}

	private Node minimum(Node node){	//获取最小元素
		if(node.left==null){
			return node;
		}else{
			return minimum(node.left);
		}
	}

	public boolean contains(K key){	//是否包含
		returngetNode(root,key)!=null;
	}
	private Node getNode(Node node,K key){
		if(node==null){
			return null;
		}
		if(key.compareTo(node.key)==0){
			return node;
		}else if(key.compareTo(node.key)<0){
			return getNode(node.left,key);
		}else{
			return getNode(node.right,key);
		}
	}
}
IPMItool 控制风扇转速 然后手动设置风扇,最后一位0x1e为设置30%的转速(16进制)。最后4位 0x0f 表示15%,0x0a,表示10%,不建议小于10%,因为10%已经很静音了 如果再小怕不能控温,烧毁硬件。首先停止服务器的自动风扇控制,最后一位0x00表示停止自动风扇控制,0x01为开启自动风扇控制。首先开启主板上的ipmi 设置好 用户名密码。此过程可以在网上搜索,有很多的资料可以参考。解压只有在目录里面有ipmltool。下面是一些常用的修改温度命令。 阅读详情

相关推荐

Starlink地面终端天线对星(一)对星流程,星历下载,信标信号

starlink卫星终端对星采用机械伺服+相控阵电子扫描的混合模式,兼顾快速盲扫和高精度跟踪;对星流程分三步:冷启动与盲捕获 → 建立初始链路并下载星历 → 进入正常通信模式;

chen2jiang3的博客 2726

自平衡性:保持数据结构稳定的关键

在许多数据结构中,如二叉搜索树(Binary Search Tree,BST),初始状态下可能会是不平衡的,这会导致操作的时间复杂度变差。因此,引入了自平衡性的概念,以保持数据结构的高效性能。自平衡性是一种确保数据结构在执行插入、删除等操作后,能够自动进行调整,以保持整体平衡的重要属性。它避免了数据结构退化为不平衡状态,从而保持高效的操作性能。红黑树作为自平衡的二叉搜索树,在插入、删除时通过旋转和重新着色等操作,维护了树的平衡性,是一种广泛应用于各种编程场景的数据结构。t=N6B9。

qq_45467165的博客 775

GNSS数据资源全解析:从DCB到BSX文件的下载与应用指南

本文系统解析了GNSS数据处理所需的核心数据资源,包括DCB、BSX、SP3、CLK等关键文件的官方下载路径与应用方法。详细介绍了CDDIS、武汉大学镜像站等权威数据源,并提供了从数据下载到实际应用的完整指南,帮助用户高效获取GNSS数据,提升精密定位处理效率。

weixin_29246195的博客 143

【数据结构】自平衡二叉查找树(AVL树)

假设11,18,14,20,15,22 是一关键字序列,并以上述顺序建立AVL树。示例:假设25,27,30,12,11,18,14,20,15,22 是一关键字序列,并以上述顺序建立AVL树。

m0_46628950的博客 823

DLPFC.h5ad格式数据简便获取方式+STAGATE论文复现问题

简便获取DLPFC.h5ad格式的数据方式

apple_74057836的博客 2259

px3 有感分析

px3 后续分析

qq_39707917的博客 3117

自平衡二叉树(Self-balancing binary search tree)

排序二叉树有以下缺点: 同样的关键字集合有可能导致不同的树结构索引,如下图的右图所示,此时他的搜索性能已经是线性的了,为了解决这种"树一边倒的现象",自平衡二叉树就被提出来了。平衡二叉树的目的是为了减少二叉查找树层次,提高查找速度。 平衡二叉树 定义:平衡二叉树或为空树,又被称为AVL树(有别于AVL算法)或为如下性质的二叉排序树: (1)左右子树深度之差的绝对值不超过1; (2)左右子树仍...

cristianoxm的博客 4567

车载仪表-功能点测试大全(超详细,细分可作测试用例)

汽车仪表系统发展经历了机械式、电气化到智能化的演变,目前全液晶仪表渗透率达73.4%。文章详细梳理了仪表功能测试要点,包括UI界面显示一致性、按键响应、FM收音、信号灯显示、USB功能、蓝牙连接、胎压监测、导航系统、WiFi投屏、倒车影像及多媒体播放等关键功能模块的测试标准。特别关注界面切换流畅度、功能稳定性及异常情况处理能力,如投屏状态下是否卡顿、导航中断后能否自动恢复等。测试覆盖了CarPlay、AndroidAuto等主流投屏方案的兼容性验证,确保各类交互场景下的系统可靠性。

weixin_51551002的博客 2070

自平衡二叉树(AVL树)

概述 它是一棵二叉排序树,它的左右两个子树的高度差(平衡因子)的绝对值不超过1,并且左右两棵子树都是一棵平衡二叉树 目的:使得树的高度最低,因为树查找的效率决定树的高度 自平衡二叉树的调整 如果A是一棵平衡二叉树,如果新插入一个元素,会有两个结果 平衡没有被打破,不用调整; 平衡被打破,需要调整 调整规则:根据插入节点与失衡节点的位置关系来划分 LL旋转 插入节点在失衡节点的左子树的左边只需要经过一次左旋即可达到平衡 RR旋转 插入节点在失衡节点的右子树的右边只需要经过一..

lee_nacl的博客 2287

第一章:基础知识 - 概念与基础,理解什么是功耗

电源管理与功耗调优:实战项目经验分享

坚韧与专注 887

YOLOv11 改进入门篇 | 从原理到代码:CBAM 注意力模块的插入与涨点验证

本文介绍了如何在YOLOv11模型中插入CBAM注意力模块以提升检测性能。CBAM包含通道和空间注意力两个子模块,通过双池化操作和MLP学习特征权重。文章详细解析了CBAM原理,提供了PyTorch实现代码,并建议在YOLOv11的Stage-3和Stage-4之间插入CBAM。实验表明,该方法在COCO数据集上使nano和small模型的mAP提升1.7-2.3个百分点,参数量仅增加0.27%,推理延迟增加0.1ms。最后给出了插入位置选择、通道缩减比等调优建议,验证了CBAM作为轻量级注意力模块的有效性

shrgegrb的博客 1303

二叉树、自平衡二叉树和多叉树详解

二叉树、自平衡二叉树和多叉树简单介绍,以及排序方式

快乐的小三菊的博客 2404

前沿探索:基于强化学习的目标检测与跟踪技术及论文解析

前沿探索:基于强化学习的目标检测与跟踪技术及论文解析 ,人工智能,计算机视觉,大模型,AI,本文聚焦基于强化学习的目标检测与跟踪技术,先介绍相关技术基础,包括目标检测、跟踪及强化学习的算法等。接着阐述强化学习在目标检测与跟踪中的应用思路、框架及典型算法,解析三篇相关论文的背景、方法、实验结果。还探讨了该技术面临的样本效率、奖励函数设计等挑战,以及结合迁移学习等的未来发展方向,为该领域研究提供参考。

不踩坑,不知道坑有多深;不总结,踩过的坑白踩。 11万+

数据结构之自平衡二叉树(AVL)

自平衡二叉树特点:任意一个结点,左右子树的高度差不能超过1。

qq_44129924的博客 368

廖雪峰Python教程[完整版]

廖雪峰的python教程整理的,已经排好版了,而且还是完整的,适合小白

老版QQ原生表情gif动态

这是老版的QQ表情,不过全是动态的的,Windows照片查看器是不会动的,可以右击用浏览器打开查看,再说一遍是老版的,只是分享给宁愿用老版也要动态的人。

平衡二叉树(AVL树):数据结构特性与自平衡技术详解

例如,当某节点的右子树高度比左子树高度大2,且右子节点的左子树高度小于右子树高度时,进行左旋操作,调整树的结构使其恢复平衡。例如,在关系型数据库中,对于频繁查询的字段建立AVL树索引,当数据发生变化时,AVL树的自平衡机制保证索引结构的稳定性,从而快速定位到所需数据记录,提高数据库查询效率。AVL树要求所有节点的平衡因子绝对值不超过1,这使得树在结构上保持相对平衡,避免出现深度过大的单边子树,从而保证查找操作的时间复杂度稳定在O(log n),其中n为树中节点数。二、AVL树的数据结构特性。

2501_91318540的博客 499

WINCC7.3破解文件

WINCC7.3硬件够破解文件,有需要的下载!WINCC7.3硬件够破解文件,有需要的下载!

数据结构和算法:AVL自平衡二叉树

一、二叉树的基础知识1.1 二叉树 二叉树(Binary Tree)是n个结点的有限集合,该集合或者为空集,或者由一个根节点和两棵互不相交的、分别称为根节点的左子树和右子树的二叉树组成,且二叉树的左右要求是有顺序的。 1.1.1 特殊种类的二叉树 (1). 斜树:所有的结点都只有左子树的二叉树称为左斜树,所有结点都只有右子树的二叉树称为右斜树。 (2). 满二叉树:在一棵二

java的平凡之路 806

lwip-2.0.3

lwip是瑞典计算机科学院(SICS)的Adam Dunkels 开发的一个小型开源的TCP/IP协议栈。实现的重点是在保持TCP协议主要功能的基础上减少对RAM 的占用。

java avl自平衡二叉树_『数据结构与算法』AVL树(平衡二叉树)

GitHub源码分享主页地址:/gozhuyinglong.github.io源码分享:github.com/gozhuyinglong/blog-demos1. AVL树AVL(Adelson-Velskii 和 Landis)树是带有平衡条件的[二叉查找树],又叫做平衡二叉树。在AVL树中任何节点的两个子树高度差最多为1,所以它又被称为高度平衡树。如下图中可以清晰的看出,左边的树其根节点左子树...

weixin_33700405的博客 197

数据结构之二叉搜索树、AVL自平衡树

数据结构之二叉搜索树、AVL自平衡树 前言 最近在帮公司校招~~ 所以来整理一些数据结构方面的知识,这些知识呢,光看一遍理解还是很浅的,看过跟动手做过一遍的同学还是很容易分辨的哟~ 一直觉得数据结构跟算法,就好比金庸小说里的《九阳神功》,学会九阳神功后,有了内功基础,再去学习其他武功,速度就有质的提升 内容大概包含这些,会分多篇文章来整理: 二...

lijia4423的专栏 177

数据结构与算法之10(AVL自平衡二叉树与RB红黑树)

本节继续总结二叉树的变种,上节里的哈夫曼树是一种独特的二叉树,用于编解码会比较有效。这里的两种树都是BST二叉搜索树的加强版。》BST二叉搜索树的弱点我们之前也提到了,当插入序列是有序的时候,二叉搜索树几乎一边倒,像一个链表,这样查找的效率是低下的,接近O(N)。为了改善这一点,后来人考虑到算法效率低是因为它一边倒,太不平衡了,让它更平衡一点左右对称,查找的时候类似折半,就可以接近O(logN)了。

kkae8643150的专栏 545

笨办法学数据结构 平衡二叉树(AVL树)的介绍与实现

看一个案例(说明二叉排序树可能的问题) 给你一个数列{1,2,3,4,5,6},要求创建一颗二叉排序树(BST), 并分析问题所在. BST 存在的问题分析: 1)左子树全部为空,从形式上看,更像一个单链表. 2)插入速度没有影响 3)查询速度明显降低(因为需要依次比较), 不能发挥BST的优势,因为每次还需要比较左子树,其查询速度比单链表还慢 4)解决方案-平衡二叉树(AVL) 基本介绍 1)平衡二叉树也叫平衡二叉搜索树(Self-balancing binary se..

weixin_45829957的博客 237

数据结构基础:二叉树、AVL树、红黑树、B树和B+树的特点和对比

当谈到二叉树、AVL树、红黑树、B树和B+树时,这些都是常见的搜索树数据结构,它们在不同的应用场景中具有不同的特点。需要根据具体的应用场景和需求选择合适的树结构,以达到较好的性能和效率。

学亮编程手记 506

【二叉树】总结篇

面对问题,理解了思路,但是没有任何想法的时候,不妨从n=1 n=2开始分析下,然后找到递推公式进而成功accept! 【二叉树的构建】 已知前序和中序遍历序列可以确定这个二叉树。 已知中序和后序遍历序列可以确定这个二叉树。 层次遍历和后序遍历也可以确定二叉树。 二叉排序树和其他遍历序列的结合可以确定二叉树。 构建...

A201241302241的博客 189

二叉树演变

链表->二叉树->二叉搜索树->平衡二叉树->红黑树 二叉搜索树 (1)每个节点有一个唯一的key值,且所有结点互不相同; (2)左子树所有key值小于根的key值; (3)右子树所有key值大于根的key值; (4)左右子树都是二叉搜索树。 平衡二叉树(AVL树) 平衡二叉树也叫自平衡二叉搜索树(Self-Balancing Binary Search ...

北国觅梦 589

java实现AVL树(一种自平衡二叉树)数据结构

/****************************************************************************** * Compilation: javac AVLTreeST.java * Execution: java AVLTreeST < input.txt * Dependencies: StdIn.java StdOut.

小溪科技 1002

一文吃透二叉树、完全平衡树、红黑树原理及C语言实现

二叉树是一种树形数据结构,它的每个节点最多有两个子节点,分别称为左子节点和右子节点。这使得二叉树的结构相对简单且规则,易于理解和操作。根节点:是二叉树的起始节点,它没有父节点,就像是大树的根基,所有其他节点都从根节点衍生出来。叶子节点:也叫终端节点,是没有子节点的节点,它们位于二叉树的最底层,就像树枝的末梢。度:指一个节点拥有的子树数目。二叉树中节点的度最大为 2,即每个节点最多有两个子节点。深度:从根节点到最远叶子节点的最长路径上的节点数,它反映了二叉树的层次深度。

李熠专用博客_白帽子一枚,人称低危终结者。免费收徒,有意者私信!!! 1002

数据结构 红黑树 hashMap(jdk8)

啥打法是否

zhlin110228323的专栏 2920
上一篇: 数据结构---并查集
下一篇: 数据结构---红黑树(RBTree)
inferno devil
博客等级 码龄9年 54粉丝 172原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值