红黑树的理解与Java实现

25年PINN创新点大盘点! 在科研论文的激烈角逐中,想轻松产出高含金量成果?物理信息神经网络(PINN)堪称“宝藏研究方向”,是冲击高分区论文的绝佳赛道!对于渴望发表优质论文的科研伙伴,这三大研究路径值得重点关注。首先是自适应PINN,在PINN训练过程中,物理方程与实测数据间的矛盾常常导致权重调节困难,而恰好直击这一痛点,是极具价值的研究方向。其次,同样前景广阔,传统多物理场同时训练效果欠佳,如今分阶段训练方法脱颖而出,成效显著且竞争较小。最后,探索及多任务学习等技术的融合,能实现优势叠加,碰撞出创新火花。 阅读详情

前言

前段时间在研究 JDK1.8 的 hashmap 源码,看到 put 方法的插入环节,遇到了红黑树,不得不停止阅读源码的过程,因为还没掌握红黑树是无法完全读透 hashmap 源码的。红黑树作为一种数据结构,它被应用得非常多,可能很多人不认识它,但其实它已经在默默为我们的代码在发光发热。例如,你只要在 Java 中用到 map,基本上就是在用红黑树(当元素个数到达八个时链表转红黑树)。

PS:在看这篇文章前,必须先了解普通的二叉查找树和平衡查找树(AVL)树、2-3-4树。不然看起来会非常吃力。

 

红黑树的性质

红黑树是一种自平衡树,它也是一颗二叉树。既然能保持平衡,说明它和 AVL 树类似,在插入或者删除时肯定有调整的过程,只不过这个调整过程并不像 AVL 树那样繁琐。为何红黑树使用得比 AVL 树更多,就是因为红黑树它的调整过程迅速且简介。红黑树有以下五个特性:

  • 性质1:节点是红色或黑色
  • 性质2:根是黑色
  • 性质3:所有叶子都是黑色。叶子是 NIL 节点,也就是 Null 节点
  • 性质4:如果一个节点是红的,则它的两个儿子都是黑的
  • 性质5:从任一节点到其叶子的所有简单路径都包含相同数目的黑色节点。

 

下图展示了一棵红黑树。

 

红黑树的理解与Java实现

 

 

 

分析:

注意理解上,叶子并不等价于黑色节点,但是他们的颜色都是黑色。

为何要给节点指定红或者黑的颜色?

作者这种设计,只是为了从编程上达到一种便利的效果。另外可以让它们在插入时达到近似的平衡,并不像 AVL 树那样绝对平衡。实际上,红黑树是2-3树的一种变体,某种情况下,它又相当于2-3-4树。因为2-3树在编程上需要比较多的代码量,所以诞生了红黑树这种巧妙的设计。通过加了颜色来区分结点,这样编程上就可以当成二叉树来写程序,不用分别用三个指针表示左、中、右孩子了。

看一下红黑树和2-3树的等价性联系

 

红黑树的理解与Java实现

 

 

红黑树的理解与Java实现

 

 

 

从上面可以看到,把红色节点放到与父亲齐平,就是2-3树中的一个2-3节点。

红黑树的操作

数据结构的性质看完之后,就要掌握它到底会存在哪种操作?例如 hashmap,它最常见的操作就是 get 和 put、扩容。同理,红黑树也有它的基本操作。因为它本身上也是一棵二叉查找树,所以重点关注的操作无非就是查找、插入、删除。

1. 查找操作

红黑树的查找方式很简单,只要是树,查找的过程无非就是一个递归过程。如果查找的元素小于当前节点,那么查找其左子树;如果查找的元素大于当前元素,则查找其右子树。

2. 插入操作

插入操作首先需要通过查找操作找到合适的插入点,然后插入新节点。如果在插入节点后,发生了违背红黑树特性的情况时,需要对红黑树进行旋转染色等操作,使其重新满足特性。

2.1 插入新节点

为了在插入新节点时尽可能少的违反红黑树特性且更容易调整红黑树,就先将新节点染成红色。这样就只可能会违反特性4。如果这里没有违反特性4,那么就不需要对红黑树进行调整,插入操作完成。

2.2 调整子树

那么,在违反了特性4的时候,新节点的父节点为红色节点。根据特性2可知,父节点不是根节点,则新节点必有祖父节点。又根据特性3可推论出红色节点必有两个黑色子节点(空节点为黑色)。此时会出现两种情况:叔节点为红色、叔节点为黑色。

图例:C 表示当前节点,P 表示父节点,U 表示叔节点,G 表示祖父节点

 

(1)父节点与叔节点都为红色的情况

 

红黑树的理解与Java实现

 

 

 

在这种情况下,需要将父节点和叔节点变为黑色,再将祖父节点变为红色。这样,图上所展示的子树就满足了红黑树的特性。如下图所示。

 

红黑树的理解与Java实现

 

 

但是这里又可能会产生新的违反特性情况,因为祖父节点变成了红色,那么它可能会造成违反特性4的情况。所以,这里就将祖父节点作为当前节点,进行新一轮的调整操作。

(2)父节点为红色,叔节点为黑色的情况

 

红黑树的理解与Java实现

 

 

 

在这种情况下,对其调整的核心就是保持父节点分支符合特性4,而叔节点分支保持符合特性5。

  • 第一步,旋转。对祖父节点进行左旋或者右旋。如果父节点是祖父节点的右子节点,那么对祖父节点进行左旋;否则,对祖父节点进行右旋。
  • 第二步,染色。将祖父节点染为红色,而父节点染为黑色。

 

进过这两步,上图的情况会转换为下图所示。

红黑树的理解与Java实现

 

 

红黑树的理解与Java实现

 

 

可以看出,父节点这一分支进过调整后,当前节点与父节点的颜色不再是连续红色,满足特性4。而叔节点这一分支的黑色节点数目没有发生变化,满足特性5。对原祖父节点的父节点来说,该子树没有发生违反特性的变化。该子树调整完成。

2.3 检查根节点

当上述调整执行完后,还有最后一步,就是检查是否满足特性2。这一步只需要将根节点染成黑色就可以,无需再多加判断。

3. 删除操作

需要重点理解的就是删除操作,这个也是我觉得是红黑树中最难的部分。

删除操作要比插入操作略微复杂一些。因为删除的节点可能是出现在树的中间层的节点,此时删除该节点会遇到很复杂的情况。所以,在删除节点的时候,需要先对红黑树进行一些调整,使得删除节点对整个树的影响降到最低。

3.1 替换删除节点

首先根据 BST 删除节点的规则,使用当前节点左子树的最大值节点或者右子树的最小值节点代替其删除。这两个节点是其子树中数值上最贴近当前节点数值的节点)。 这一点,只要懂了二叉查找树的删除操作就明白了,在这里不多说了。如下图所示:

图例:D 表示当前节点,P 表示父节点,B 表示兄弟节点,BR 表示兄弟节点的右子节点,BL 表示兄弟节点的左子节点

 

 

红黑树的理解与Java实现

 

 

 

既然待删除节点是要被移走的,那肯定有一个节点要替换到它的位置上去。如何找到这个替换节点,这个过程和二叉查找树一模一样,要么在它的左子树下一直往右找到最大节点,要么在右子树下找到最小节点。

下面的描述过程采用的是右子树的最小值节点代替

当找到替换节点之后,现在需要考虑的情况就减少了,只可能会出现以下几种情况(因为需要满足红黑树特性):

  1. 无子节点,节点为红色
  2. 无子节点,节点为黑色
  3. 只有右子节点,右子节点为红色,节点本身为黑色

 

上面这三种情况,说的是新待删除节点。新待删除节点,就是即将被替换到待删除位置的节点。

 

因为 D 节点就是即将要替换到待删节点位置的节点,它同时又是右子树的最小值,既然是最小值了,它就不再可能拥有左子树了,所以只有可能有右子节点。另外,假如它有右节点且右节点的颜色是黑色,它自身颜色是红色,根本不成立。因为假如它自身为红色且又有黑孩子,那它必须要有两个黑孩子才满足红黑树性质,所以不满足。 那有没有可能,它自身是黑色且右孩子也为黑色呢?也不可能!因为它左孩子已经为空了,说明它从自身出发到左子树的叶子的距离就是1,假如它右孩子也为黑色,那它从自身出发到右子树叶子的距离肯定大于等于2了,明显不可能。

所以总的来说只可能有下面三种情况:

 

红黑树的理解与Java实现

 

 

 

  • 情况1:只需要直接删除节点就可以。删了一个红色新待删节点,不会影响红黑树性质。
  • 情况2:删除该 D 节点后,违反了红黑树特性5,需要调整(不考虑待删除节点为根节点的情况)
  • 情况3:用右子节点 R 占据待删除节点 D,再将其染成黑色即可,不违反红黑树特性。因为左边本来就是空了,其实右子树下即使有多少个黑色节点,也不会影响整体特性。

 

在这三种情况中,情况1和情况3比较简单,不需要多余的调整。情况2则需要后续的调整步骤使其满足红黑树特性。

3.2 调整红黑树

上述情况2的调整比较复杂。下面对各种情况进行讲解。

根据红黑树的特性5,待删除节点必然有兄弟节点。

为什么这么说呢?因为我们已经假设上面的 D 节点不为根了,那说明它肯定有父亲。首先它是没有孩子的,它下面直接就是叶子了,既然有父亲,不论它是父亲的左孩子或者右孩子,从父亲出发到它自身,黑色节点的个数为1。反证法:假如父亲只有它一个孩子,那说明父亲到另一边子树的叶子距离就为0,因为0个节点。这明显不符合,所以说明父亲肯定有两个孩子,那从而得知待删节点D必有兄弟。

下面根据其兄弟节点所在分支的不同,来分情况讨论。

以下是以关注待删节点为父节点的左子节点进行描述,如果遇到关注节点为父节点的右子节点的情况,则镜像处理。

 

思路:下面的任何调整只有一个目的,就是不断调整,直到调整到可以直接将 D 移除又不会影响红黑树特性的情况。但关键是调整过程中红黑树特性也不会发生改变。

图例:D 表示当前节点,P 表示父节点,B 表示兄弟节点,BR 表示兄弟节点的右子节点,BL 表示兄弟节点的左子节点

 

(1)兄弟节点为红色

 

红黑树的理解与Java实现

 

 

 

将父节点染成红色,兄弟节点染成黑色,然后对父节点进行左旋操作。此时就转换为了下面的(4),之后按照(4)继续进行调整。

分析:这种情况,树的整体高度为2,变色左旋之后,整体高度还是保持在2。

(2)兄弟节点为黑色,远侄节点为红色

 

红黑树的理解与Java实现

 

 

 

这种情况下,不需要考虑父节点的颜色。

  1. 将父节点 P 与兄弟节点 B 的颜色互换 ,这个过程父亲染黑
  2. 将兄弟节点的右子节点 BR 染成黑色
  3. 对父节点 P 进行左旋操作

 

可以看到,原本高度就是符合红黑树特性的,左右子树的高度都为1,因为黑色节点只有一个。经过这三步的调整后,直接删除节点 D 后仍然满足红黑树的特性,调整完成,跳出算法循环。

(3)兄弟节点为黑色,远侄节点为黑色,近侄节点为红色

 

红黑树的理解与Java实现

 

 

 

这种情况下,兄弟节点的左节点染成黑色。兄弟节点染红。然后对兄弟节点做右旋。此时的状况就和(2)一样了。之后就通过(2)的调整方式进行调整。

(4)父节点为红色,兄弟节点为黑色,兄弟节点无子节点

这种情况下,将父节点P染成黑色,再将兄弟节点染成红色。经过这样的操作后,除去节点D后,以P为根节点的子树的黑节点深度并没有发生变化。调整完成。

怎么理解这个操作?

可以看左边,没调整前,P 的左右子树的黑色结点的数目都是1,是相同的,符合红黑树的性质:从任一节点到其叶子的所有简单路径都包含相同数目的黑色节点。然后再看右边,调整后,删掉 D 之后,P 结点的左右子树的黑色结点都是0个,仍然满足性质,所以调整完成。

(5)父节点为黑色,兄弟节点为黑色,兄弟节点无子节点

 

红黑树的理解与Java实现

 

这种情况下,为了在删除节点 D 后使以 P 为根节点的子树能满足红黑树特性5,将兄弟节点 B 染成红色。但是这样操作后,以 P 为根节点的子树的黑色节点深度变小了。所以需要继续调整。

因为P节点子树的黑色深度发生了减少,可以把其当作待删除节点,那么此时就以 P 节点为关注节点进行进一步调整(继续向上调整)。 这句话的意思我们再以 P 为起始点,继续根据情况进行平衡操作。就是把 P 当成 D,只是不要再删除 P 了。再看是这五种中的哪种情况,再进行对应的调整,这样一直向上,直到新的起始点为根节点或者关注节点不为黑色。

第五种情况,不会一直连续回溯的。假如能一直回溯,指针向上走之后,兄弟节点会一直都没有右孩子吗?不存在的。假如有这种情况,说明树的路径长度已经严重往左倾斜,肯定不可能。所以回溯这个情况只会回溯一次,不会连续回溯。第五个这种情况出现之后,下一次进入算法循环,肯定就是进入其他情况,直到遇到 break,跳出循环,终止整个算法过程。

3.3 检查根节点及删除节点

经过上述的调整后,此时基本满足了红黑树的特性。但是存在根节点变成红色的情况。所以需要将根节点染成黑色的操作。 最后,执行删除操作,将待删除节点删掉。

当然从编程的角度,你也可以调整指针先把待删除节点移掉,然后再开始平衡调整过程。注意这里说的平衡调整,并不是 AVL 树的绝对平衡调整,而是满足红黑树特性的平衡调整。红黑树的平衡和 AVL 的平衡是有区别的。

总结

红黑树的删除操作是整个红黑树中最复杂的一部分,理解了这部分,红黑树就算基本拿下了。理解完一种数据结构,要能 get 到作者当初设计时的点,才算是一次积累。红黑树的删除操作,它非常地巧妙,整一个算法循环过程,它不会超过三次,调整过程基本都在子树内完成,指针不需要一直向上回溯,相比 AVL 树,AVL 树在删除节点时,指针有可能会一直回溯到根为止。

”我自己是一名从事了十余年的后端的老程序员,辞职后目前在做讲师,近期我花了一个月整理了一份最适合2018年学习的JAVA干货(里面有高可用、高并发、高性能及分布式、Jvm性能调优、Spring源码,MyBatis,Netty,Redis,Kafka,Mysql,Zookeeper,Tomcat,Docker,Dubbo,Nginx等多个知识点的架构资料)从事后端的小伙伴们都可以来了解一下的,这里是程序员秘密聚集地,各位还在架构师的道路上挣扎的小伙伴们速来。“
加QQ群:611481448(名额有限哦!)

【数据集】中国2003年至2022年全天空每日气温数据集 中国2003年至2022年全天空每日气温数据集 阅读详情

相关推荐

ddr3ip核心_DDR3 IP 核配置

DDR3 控制器 IP 核2.DDR3 IP核配置点击 Flow Navigator 面板下的“Project Manager -->IP Catalog”。 在“Memories & Storage Elements -->Memory Interface Generators”分类展开后,可以看到名为“Memory Interface Generator (MIG 7 ...

weixin_33049919的博客 2936

红黑树理解以及Java实现

我对红黑树的理解 红黑树本身并不复杂,只是在插入删除的时候情况比较多,如果强行记忆的话会显得比较困难,而且容易忘记。所以以前对红黑树一直没有很好的掌握。恰好这次借着复习数据结构的机会,静下心来仔细的学习了一下红黑树,所以用这篇文章把我对红黑树的操作的理解记录下来,在理解的基础上记忆会容易得多,这样以后就不用重复学习啦! 1. 红黑树的定义 红黑树是一颗二叉查找树,且具有如下...

qq_41854763的博客 1万+

对LSTM中每个batch都初始化隐含层的理解

不知道有没有人和我有一样疑惑 在LSTM相关的代码中,为什么每个batch都会将隐藏层重新初始化, 这样不会把以前训练出来的参数丢掉吗?? 比如 代码来自GitHub 看了一些解释是h与c是状态,不是参数,每个batch中都需要初始化为0,LSTM 中的参数是W,b。 网络中训练的是参数,不是状态。 说真的。。。当时我没怎么看懂。。。 咨询了实验室的师兄后,我有了自己的理解 产生误解的主要原因是我对RNN和LSTM的结构理解不深入,我们通常看到RNN结构图基本都是这样的 ...

Chauncey_Wang的博客 5911

Java 实现 红黑树(通俗易懂)

红黑树的概念和模拟实现

每篇博客都不是最终版,都会随着我的学习更新 3052

【问题解析】Matlab Function的易错点(Variable Size)

Matlab Function的易错点

CrazyRabbit的博客 9869

海洋科学—物理海洋学 第五章 海洋环流

本章是基于《海洋科学导论》,但里面涉及到的重要的公式推导是专门拎出来推的,主要借鉴董昌明老师的《物理海洋学导论》,其中有一些多出来的推导,会在更新完整个物理海洋学之后重新拿出来一一讲解,最后开一个番外篇

qq_58518586的博客 1万+

Java-红黑树的实现

数据结构可视化-红黑树因为红黑树中有变色左旋右旋等变化,不是很容易理解,如果能自己对红黑树进行操作,那么这些概念上的东西相对而言就好接受一点了。红黑树是一种自平衡二叉查找树,和AVL 树类似,都是在进行插入和删除时通过特定操作保持二叉查找树的平衡,从而获得较高的查找性能。红黑树虽然复杂,但它的最坏情况运行时间仍非常好,并且在实践中效率很高,它可以在O(logn)实践内进行查找、插入和删除操作,其性能要优于AVL 树。(1)其节点要么是红色,要么是黑色(2)根节点是黑色的(3)每个叶子节点都是黑色的。

xhmico的博客 1650

注意力机制模块:CA(坐标注意力)二次创新:融合深度可分离卷积,打造 CADS 模块

本文提出CADS模块,将坐标注意力(CA)与深度可分离卷积(DSC)深度融合,优化移动端AI部署效率。通过重构CA的计算范式,用深度卷积替代传统1×1卷积,在保持精度的同时显著降低计算开销。文章深入分析了CA的计算瓶颈和DSC的实际效率问题,详细阐述了CADS的设计原理与PyTorch实现,并提供了多组性能对比数据。该模块可直接应用于YOLO、UNet等主流模型,为移动端AI部署提供高效解决方案。

ZXSXJ的博客 96

数据结构与算法【红黑树】的Java实现+图解

红黑树也是一种自平衡的二叉搜索树,较之 AVL,插入和删除时旋转次数更少。首先介绍代码实现会用到的概念兄弟节点:具有同一个父结点的一对节点可以互称为兄弟节点叔叔节点:父结点的兄弟节点。

zmbwcx的博客 1910

通信算法之264: DJI O2 协议物理层逆向工程解析

对于 DroneID,标志之间的间隙由循环前缀 (CP) 填充:每个标志末尾的副本附加在相应标志的开头。有了关于确切标志开始的信息,可以使用 FFT 将标志转移到频域 - 来自时域的 1024 个样本导致频域中的 1024 个子载波。使用比特流的解扰和涡轮解码,并将生成的数据映射到如上的DroneID 结构,通过逆向工程在无人机的固件中找到了它。注意到一些无人机(Mavic 2 和更早的 OcuSync 无人机)不发送第一个标志(标志 1),这导致更短的帧持续时间为 576 µs。//产品型号数字代号。

leegang12的专栏 3950

一篇文章带你搞定数学建模中的线性回归模型(05年长江水质问题示例讲解含代码)

文章目录一、问题分析二、原理讲解三、MATLAB 实现线性回归模型 一、问题分析 根据你的预测分析,如果未来10年内每年都要求长江干流的Ⅳ类和Ⅴ类水的比例控制在20%以内,且没有劣Ⅴ类水,那么每年需要处理多少污水 为了达到题目中所要求的水质,可建立废水排放量与各类水百分比之间的二元线性回归模型,对未来十年的废水排放量进行预测,并确定其与各类水所占百分比之间的函数关系式。通过此关系式,可以计算在这种情况下长江所能承受的最大污水排放量,将这个排放量与预测的排放量进行比较,多出来的部分就是需要每年处理掉的。 二、

南淮北安的博客 2167

Java 关于红黑树(R-B Tree)原理

红黑树(R-B Tree)原理:原文链接 学过数据结构都知道二叉树的概念,而又有很多中比较常见的二叉树类型,比如完全二叉树、满二叉树、二叉搜索树、均衡二叉树、完美二叉树等;今天我们要说的红黑树就是一棵非严格均衡的二叉树,均衡二叉树又是在二叉搜索树的基础上增加了自动维持平衡的性质,插入、搜索、删除的效率都比较高。红黑树也是实现TreeMap存储结构的基石。 1、二叉搜索树: 二叉搜索树又叫二叉查找树、二叉排序树,我们先看一下典型的二叉搜索树,这样的二叉树有何规则特点呢? 节点的左子树小于本身节点 节点的右子

单枪匹码 1276

visio安装包

Microsoft Office Visio 是一款专业的制图软件。利用经过更新的形状、协作工具和数据链接图表,创建专业级图表以简化复杂的信息。

红黑树的理解与 Java 实现

前言红黑树的性质红黑树的操作1. 查找操作2. 插入操作3. 删除操作Java实现总结前言前段时间在研究 JDK1.8 的 hashmap 源码,看到 put 方法的插入环节,遇到了红黑树...

weixin_45727359的博客 218

文档:亲测可用解决vnc灰屏,黑屏,鼠标大黑叉情况

主要解决vnc-viewer灰屏,黑屏,鼠标大黑叉等现象,详细见文档。

Camera2Demo

在Camera2 的基础上进行封装,使得Camera2一堆初始化逻辑与Activity分离,降低耦合度,完成预览拍照并保存的操作

5张图带你彻底理解红黑树(含完整Java实现源码)

目前最清晰的红黑树图解。通过与2-3-4树对比来讲解红黑树的添加和删除

心中要有一片海的专栏 3639

C# WinForm 基于DirectShow.dll编写的程序,可边预览边保存视频,音频和图片

基于微软的DirectShow.dll的二次开发1.自动识别连接的摄像头跟麦克风且可以对其进行选择(默认选中第一个)2.可录制wmv和avi两种格式的视频并且都带有音频,avi可以录制的分辨率和帧数进行选择,wmv默认进行了淸晰度优化如不喜欢可去除代码中有相关提示3.可在预览点开之后进行拍照,也可边录制视频边拍照4.添加了视频和音频的压缩功能(酌情使用)这次二次开发发现C#对DirectShow的相关信息太少,这次做完也不敢藏私共享出来,还望大家指正

java红黑树的理解与实现

红黑树,一个很牛x的数据结构,作为目前JDK的hashmap的底层,是一个兼顾了空间和时间的完美二叉查找树,在AVL的平衡性上做出了巨大改进。首先它的本质是一种特殊的AVL树,祖父辈是二叉排序树,就是那个左子节点必定小于等于它,右子节点必定大于它的树。 首先要了解红黑树就要从他的基本性质说起, 1.根节点必定为黑色 2.不能有两个连接的红色节点 3.节点颜色只能为红或者黑 4.任意节点到每个叶子节点途径的黑色节点数都是相同的 5.所有的子节点(NIL)必定为黑色 第一个性质,硬性规定,没有什么好说的 第二个

goldenzhouzhuo的博客 393

对于红黑树的理解和基于Java的实现

前面的文章中有几处都提到了红黑树,有小伙伴私信我说不是很理解红黑树的概念,今天刚好看到一篇大牛的文章,结合一些自己对红黑树的理解,如果下文中出现的字段有任何的问题都欢迎各位评论、私信我!祝大家小年快乐,阖家团圆!   前段时间在研究 JDK1.8 的 hashmap 源码,看到 put 方法的插入环节,遇到了红黑树,不得不停止阅读源码的过程,因为还没掌握红黑树是无法完全读透 hashmap 源...

程序员随笔 284
上一篇: Java SSM框架相关基础面试题整理
下一篇: Java 即将迎来转折点
java1856905
博客等级 码龄8年 100粉丝 249原创
评论 1
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