红黑树,这个算法导论上有算法流程的介绍,这里简单实现了一下。不同于avl树,红黑树黑色叶子节点还是很有用,在处理删除操作时,多了null的叶子节点,算法写起来顺很多,因为有可能删除了节点之后,调整是从黑色的叶子节点开始的。
#ifndef __RBTREE_H__
#define __RBTREE_H__
#include <vector>
#define RBTREE_NODE_PTR rbtree_node<KEY_TYPE, VALUE_TYPE>*
#define RBTREE_NODE rbtree_node<KEY_TYPE, VALUE_TYPE>
#define PARENT_PTR(p) ((p)->parent_ptr)
#define GRANDPARENT_PTR(p) (((p)->parent_ptr)->parent_ptr)
enum Color { RED, BLACK };
template<class KEY_TYPE, class VALUE_TYPE>
struct rbtree_node {
KEY_TYPE key;
VALUE_TYPE value;
RBTREE_NODE_PTR parent_ptr;
RBTREE_NODE_PTR left_ptr;
RBTREE_NODE_PTR right_ptr;
Color color;
rbtree_node(const KEY_TYPE &_key = KEY_TYPE(), const VALUE_TYPE &_value = VALUE_TYPE()): key(_key), value(_value), parent_ptr(nullptr), left_ptr(nullptr), right_ptr(nullptr), color(RED) {}
};
template<class KEY_TYPE, class VALUE_TYPE>
class rbtree {
public:
rbtree();
~rbtree();
bool empty() { return root_ptr == nil; }
void clear();
void insert(const KEY_TYPE &key, const VALUE_TYPE &value);
void remove(const KEY_TYPE &key);
RBTREE_NODE_PTR find(const KEY_TYPE &key);
void inorder(std::vector<KEY_TYPE> *ans) { inorder(root_ptr, ans); }
int size() { return node_size-1; } // minus nil
bool check_valid();
private:
void clear(RBTREE_NODE_PTR node_ptr);
RBTREE_NODE_PTR new_node(const KEY_TYPE &key, const VALUE_TYPE &value);
void rbinsert_fixup(RBTREE_NODE_PTR cur_ptr);
void rotateL(RBTREE_NODE_PTR cur_ptr);
void rotateR(RBTREE_NODE_PTR cur_ptr);
void inorder(RBTREE_NODE_PTR node, std::vector<KEY_TYPE> *ans);
void rbdelete_fixup(RBTREE_NODE_PTR cur_ptr);
bool check_valid(RBTREE_NODE_PTR cur_ptr, int* height);
RBTREE_NODE_PTR root_ptr;
RBTREE_NODE_PTR nil;
size_t node_size;
};
template<class KEY_TYPE, class VALUE_TYPE>
rbtree<KEY_TYPE, VALUE_TYPE>::rbtree(): node_size(0)
{
nil = new_node(KEY_TYPE(), VALUE_TYPE());
root_ptr = nil;
nil->left_ptr = root_ptr; nil->right_ptr = root_ptr; nil->parent_ptr = root_ptr;
}
template<class KEY_TYPE, class VALUE_TYPE>
rbtree<KEY_TYPE, VALUE_TYPE>::~rbtree()
{
clear(root_ptr);
}
template<class KEY_TYPE, class VALUE_TYPE>
void rbtree<KEY_TYPE, VALUE_TYPE>::clear()
{
clear(root_ptr);
delete nil;
}
template<class KEY_TYPE, class VALUE_TYPE>
void rbtree<KEY_TYPE, VALUE_TYPE>::clear(RBTREE_NODE_PTR node_ptr)
{
if (node_ptr == nil) return;
clear(node_ptr->left_ptr);
clear(node_ptr->right_ptr);
delete node_ptr;
}
template<class KEY_TYPE, class VALUE_TYPE>
void rbtree<KEY_TYPE, VALUE_TYPE>::insert(const KEY_TYPE &key, const VALUE_TYPE &value)
{
RBTREE_NODE_PTR cur_ptr = root_ptr;
RBTREE_NODE_PTR parent_ptr = nil;
while (cur_ptr != nil )
{
parent_ptr = cur_ptr;
if (cur_ptr->key > key)
cur_ptr = cur_ptr->left_ptr;
else if(cur_ptr->key < key)
cur_ptr = cur_ptr->right_ptr;
else {
cur_ptr->value = value;
return;
}
}
auto insert_ptr = new_node(key, value);
if (parent_ptr == nil)
{
root_ptr = insert_ptr;
root_ptr->parent_ptr = nil;
nil->left_ptr = root_ptr;
nil->right_ptr = root_ptr;
nil->parent_ptr = root_ptr;
} else {
if (key < parent_ptr->key)
parent_ptr->left_ptr = insert_ptr;
else
parent_ptr->right_ptr = insert_ptr;
insert_ptr->parent_ptr = parent_ptr;
}
rbinsert_fixup(insert_ptr);
}
template<class KEY_TYPE, class VALUE_TYPE>
void rbtree<KEY_TYPE, VALUE_TYPE>::rbinsert_fixup(RBTREE_NODE_PTR cur_ptr)
{
while(cur_ptr->parent_ptr->color == RED)
{
if (PARENT_PTR(cur_ptr) == GRANDPARENT_PTR(cur_ptr)->left_ptr) {
auto uncle_ptr = GRANDPARENT_PTR(cur_ptr)->right_ptr;
if (uncle_ptr->color == RED)
{
PARENT_PTR(cur_ptr)->color = BLACK;
uncle_ptr->color = BLACK;
GRANDPARENT_PTR(cur_ptr)->color = RED;
cur_ptr = GRANDPARENT_PTR(cur_ptr);
} else {
if (cur_ptr == PARENT_PTR(cur_ptr)->right_ptr) {
cur_ptr = PARENT_PTR(cur_ptr);
rotateL(cur_ptr);
} else {
PARENT_PTR(cur_ptr)->color = BLACK;
GRANDPARENT_PTR(cur_ptr)->color = RED;
cur_ptr = GRANDPARENT_PTR(cur_ptr);
rotateR(cur_ptr);
}
}
} else {
auto uncle_ptr = GRANDPARENT_PTR(cur_ptr)->left_ptr;
if (uncle_ptr->color == RED) {
uncle_ptr->color = BLACK;
PARENT_PTR(cur_ptr)->color = BLACK;
GRANDPARENT_PTR(cur_ptr)->color = RED;
cur_ptr = GRANDPARENT_PTR(cur_ptr);
} else {
if (cur_ptr == PARENT_PTR(cur_ptr)->left_ptr) {
cur_ptr = PARENT_PTR(cur_ptr);
rotateR(cur_ptr);
} else {
PARENT_PTR(cur_ptr)->color = BLACK;
GRANDPARENT_PTR(cur_ptr)->color = RED;
cur_ptr = GRANDPARENT_PTR(cur_ptr);
rotateL(cur_ptr);
}
}
}
}
root_ptr->color = BLACK;
}
template<class KEY_TYPE, class VALUE_TYPE>
void rbtree<KEY_TYPE, VALUE_TYPE>::rotateL(RBTREE_NODE_PTR cur_ptr)
{
if (cur_ptr == nil || cur_ptr->right_ptr == nil) return;
auto subR = cur_ptr->right_ptr;
auto subRL = subR->left_ptr;
cur_ptr->right_ptr = subRL;
if (subRL != nil)
PARENT_PTR(subRL) = cur_ptr;
if (PARENT_PTR(cur_ptr) == nil) {
root_ptr = subR;
nil->left_ptr = root_ptr;
nil->right_ptr = root_ptr;
} else if (PARENT_PTR(cur_ptr)->left_ptr == cur_ptr) {
PARENT_PTR(cur_ptr)->left_ptr = subR;
} else {
PARENT_PTR(cur_ptr)->right_ptr = subR;
}
PARENT_PTR(subR) = PARENT_PTR(cur_ptr);
PARENT_PTR(cur_ptr) = subR;
subR->left_ptr = cur_ptr;
}
template<class KEY_TYPE, class VALUE_TYPE>
void rbtree<KEY_TYPE, VALUE_TYPE>::rotateR(RBTREE_NODE_PTR cur_ptr)
{
if (cur_ptr == nil || cur_ptr->left_ptr == nil) return;
auto subL = cur_ptr->left_ptr;
auto subLR = subL->right_ptr;
cur_ptr->left_ptr = subLR;
if (subLR != nil)
PARENT_PTR(subLR) = cur_ptr;
if (PARENT_PTR(cur_ptr) == nil) {
root_ptr = subL;
nil->left_ptr = nil->right_ptr = root_ptr;
} else if(PARENT_PTR(cur_ptr)->left_ptr == cur_ptr) {
PARENT_PTR(cur_ptr)->left_ptr = subL;
} else {
PARENT_PTR(cur_ptr)->right_ptr = subL;
}
PARENT_PTR(subL) = PARENT_PTR(cur_ptr);
PARENT_PTR(cur_ptr) = subL;
subL->right_ptr = cur_ptr;
}
template<class KEY_TYPE, class VALUE_TYPE>
RBTREE_NODE_PTR rbtree<KEY_TYPE, VALUE_TYPE>::new_node(const KEY_TYPE &key, const VALUE_TYPE &value)
{
auto node = new RBTREE_NODE(key, value);
node->right_ptr = nil;
node->left_ptr = nil;
++node_size;
return node;
}
template<class KEY_TYPE, class VALUE_TYPE>
RBTREE_NODE_PTR rbtree<KEY_TYPE, VALUE_TYPE>::find(const KEY_TYPE &key)
{
auto cur_ptr = root_ptr;
while (cur_ptr != nil)
{
if (cur_ptr->key == key)
break;
else if (cur_ptr->key > key)
cur_ptr = cur_ptr->left_ptr;
else
cur_ptr = cur_ptr->right_ptr;
}
return cur_ptr;
}
template<class KEY_TYPE, class VALUE_TYPE>
void rbtree<KEY_TYPE, VALUE_TYPE>::remove(const KEY_TYPE &key)
{
RBTREE_NODE_PTR key_ptr = find(key);
if (key_ptr == nil) return;
if (key_ptr->left_ptr != nil && key_ptr->right_ptr != nil)
{
auto successor = key_ptr->right_ptr;
while(successor->left_ptr != nil)
{
successor = successor->left_ptr;
}
key_ptr->key = successor->key;
key_ptr->value = successor->value;
key_ptr = successor;
}
RBTREE_NODE_PTR child = nil;
if (key_ptr->left_ptr == nil)
child = key_ptr->right_ptr;
else
child = key_ptr->left_ptr;
auto parent_ptr = PARENT_PTR(key_ptr);
PARENT_PTR(child) = parent_ptr;
if (parent_ptr == nil)
{
root_ptr = child;
child->left_ptr = root_ptr;
child->right_ptr = root_ptr;
PARENT_PTR(child) = root_ptr;
} else if (parent_ptr->left_ptr == key_ptr) {
parent_ptr->left_ptr = child;
} else {
parent_ptr->right_ptr = child;
}
if (key_ptr->color == BLACK && !empty())
{
rbdelete_fixup(child);
}
delete key_ptr;
node_size--;
return;
}
template<class KEY_TYPE, class VALUE_TYPE>
void rbtree<KEY_TYPE, VALUE_TYPE>::rbdelete_fixup(RBTREE_NODE_PTR cur_ptr)
{
while (cur_ptr != root_ptr && cur_ptr->color == BLACK)
{
if (cur_ptr == PARENT_PTR(cur_ptr)->left_ptr) {
auto brother = PARENT_PTR(cur_ptr)->right_ptr;
if (brother->color == RED) {
brother->color = BLACK;
PARENT_PTR(cur_ptr)->color = RED;
rotateL(PARENT_PTR(cur_ptr));
} else {
if (brother->left_ptr->color == BLACK && brother->right_ptr->color == BLACK)
{
brother->color = RED;
cur_ptr = PARENT_PTR(cur_ptr);
} else if (brother->right_ptr->color == BLACK) {
brother->left_ptr->color = BLACK;
brother->color = RED;
rotateR(brother);
} else if (brother->right_ptr->color == RED) {
brother->color = PARENT_PTR(cur_ptr)->color;
PARENT_PTR(cur_ptr)->color = BLACK;
brother->right_ptr->color = BLACK;
rotateL(PARENT_PTR(cur_ptr));
cur_ptr = root_ptr;
}
}
} else {
auto brother = PARENT_PTR(cur_ptr)->left_ptr;
if (brother->color == RED)
{
brother->color = BLACK;
PARENT_PTR(cur_ptr)->color = RED;
rotateR(PARENT_PTR(cur_ptr));
} else {
if (brother->left_ptr->color == BLACK & brother->right_ptr->color == BLACK)
{
brother->color = RED;
cur_ptr = PARENT_PTR(cur_ptr);
} else if (brother->left_ptr->color == BLACK){
brother->color = RED;
brother->right_ptr->color = BLACK;
rotateL(brother);
} else if (brother->left_ptr->color == RED) {
brother->color = PARENT_PTR(cur_ptr)->color;
PARENT_PTR(cur_ptr)->color = BLACK;
brother->left_ptr->color = BLACK;
rotateR(PARENT_PTR(cur_ptr));
cur_ptr = root_ptr;
}
}
}
}
nil->parent_ptr = root_ptr;
cur_ptr->color = BLACK;
}
template<class KEY_TYPE, class VALUE_TYPE>
void rbtree<KEY_TYPE, VALUE_TYPE>::inorder(RBTREE_NODE_PTR node, std::vector<KEY_TYPE> *ans)
{
if (node == nil) return;
inorder(node->left_ptr, ans);
ans->push_back(node->key);
inorder(node->right_ptr, ans);
}
template<class KEY_TYPE, class VALUE_TYPE>
bool rbtree<KEY_TYPE, VALUE_TYPE>::check_valid()
{
if (root_ptr == nil) return true;
int height = 0;
return check_valid(root_ptr, &height);
}
#include <iostream>
using namespace std;
template<class KEY_TYPE, class VALUE_TYPE>
bool rbtree<KEY_TYPE, VALUE_TYPE>::check_valid(RBTREE_NODE_PTR cur_ptr, int *height)
{
*height = 0;
if (cur_ptr == nil) return true;
int left = 0, right = 0;
if (!check_valid(cur_ptr->left_ptr, &left)) return false;
if (!check_valid(cur_ptr->right_ptr, &right)) return false;
if (left != right) {
cout << left << " " << right << endl;
return false;
}
auto parent_ptr = PARENT_PTR(cur_ptr);
if (parent_ptr != nil && parent_ptr->color == cur_ptr->color && cur_ptr->color == RED)
return false;
//if (PARENT_PTR(cur_ptr) != nil && (PARENT_PTR)->
*height = left + (cur_ptr->color == BLACK?1:0);
return true;
}
#endif
相关推荐
域自适应的理解与想法(Domain Adaptation)
这幅图是域适应非常有名的一篇论文中的插图,被很多文章转载。 什么是领域自适应? Domain Adaptation是迁移学习中很重要的一部分内容,目的是把分布不同的源域和目标域的数据,映射到一个特征空间中,使其在该空间中的距离尽可能近。于是在特征空间中对source domain训练的目标函数,就可以迁移到target domain上,提高target domain上的准确率。 上面的图主要的思想来源于GAN,上图由三部分组成:特征映射网络 标签分类网络和和域判别网络 其中,source domain的数.
算法导论 红黑树的C++代码实现
红黑树为满足下列五个条件的特殊二叉树 每个结点要么是红的要么是黑的。 根结点是黑的。 每个叶结点(叶结点即指树尾端NIL指针或NULL结点)都是黑的。 如果一个结点是红的,那么它的两个儿子都是黑的。 对于任意结点而言,其到叶结点树尾端NIL指针的每条路径都包含相同数目的黑结点。 本文代码根据算法导论上的伪代码编写,按照先序、中序、后序输出。可直接运行,如有错误,欢迎大家指正~~~
基于Java+Maven+Testng+RestAssured+Allure+Jenkins搭建一个接口自动化框架
2、有一个提取表达式列,通过编写每个接口的JSON提取表达式,后边在解析Excel时,对接口执行后的响应数据用该表达式提取出来,保存到环境变量,如果某些接口需要前置接口的响应数据,我们就可以从环境变量中获取该数据出来,从而解决了接口关联的问题。1、在之前介绍过全局配置类Contants中添加一个控制台日志开关控制权限,如果选择为false,则控制台不输出日志,将日志输出到allure报表,选择为true,则在控制台输出日志,不输出到allure报表。
算法导论红黑树的C++实现
按照算法导论里的红黑树伪代码用C++实现了一下, 并附带一些测试代码。 #include #include using namespace std; enum Color{RED,BLACK};//颜色标记 template class Binary_Tree_Node//红黑树节点 { public: Binary_Tree_Node() { parent=NULL; l
无监督学习初探:K-Means聚类与主成分分析(PCA)
K-Means适用于快速分组,但对数据分布敏感,可结合轮廓系数评估质量。PCA通过特征值分解实现线性降维,需注意非线性场景的替代方案(如UMAP)。进阶方向:聚类:谱聚类、高斯混合模型(GMM)处理复杂形状。降维:t-SNE、自编码器处理非线性结构。
MuJoCo 入门教程(二)
本章介绍 MuJoCo 的数学和算法基础。对于熟悉广义或关节坐标建模和仿真的读者来说,整体框架是相当标准的。因此,我们将对这些材料进行简要总结。本章的大部分篇幅用于介绍我们如何处理接触和其他约束条件。这种方法是基于我们最近的研究,也是 MuJoCo 所独有的,因此我们花时间对其进行了详细的激励和解释。更多信息可参见下面的论文,尽管本章中的一些技术思想是新的,在其他地方还没有描述过。
算法导论红黑树C++实现
用一个类封装了红黑树的一些属性,水平有限,敬请批评指正,谢谢!#include "Header.h"enum NodeColor { Red, Black };struct RBTreeNode{RBTreeNode* leftchild;RBTreeNode* rightchild;RBTreeNode* parents;//char color;NodeColor color;int key;
YOLOv11 改进 - 即插即用 | PST金字塔稀疏Transformer:粗粒度到细粒度推理优化特征提取,提升复杂场景适应性
本文介绍了金字塔稀疏 Transformer(PST)与 YOLOv11 的结合。主流基于注意力的特征融合方法计算复杂度高、实现难度大,作者提出 PST 模块,融合粗到细令牌选择与共享注意力参数机制,在保留空间细节的同时降低计算量。该模块通过层级化注意力机制、动态令牌选择与参数共享,实现高效多尺度特征融合
算法导论-红黑树C++实现
红黑树的定义: 一棵二叉查找树如果满足下面的红黑性质,则为一棵红黑树: 1)每个节点或是红的,或是黑的。 2)根节点是黑的。 3)每个叶节点(NIL)是黑节点。 4)如果一个节点是红的,则它的两个儿子都是黑的。 5)对每个节点,从该节点到其子孙节点的所有路径上包含相同节点数目的黑节点。 C++代码实现: BRTreeNode.h [cpp] view plai...
10.18华为OD机试真题 新系统 - 社区赢手机比赛 (Java/Py/C/C++/Js/Go)
10.18华为OD机试真题 新系统 - 社区赢手机比赛 (Java/Py/C/C++/Js/Go)
MATLAB - 使用 RRT 进行挖掘机运动规划
本例演示了如何使用运动规划器在包含障碍物的环境中为挖掘机规划路径。在此示例中,您将以运动树的简化形式为挖掘机建模,然后使用基于采样的运动规划器确定挖掘机在存在障碍物的两个姿势之间的可行路径。在 Simscape™ 多体™ 模型中模拟结果。
算法导论:c++实现红黑树
数据结构性质 这里定义一个结构体保存颜色enum colorRB { black = 0, red, }; struct TreeNode_RB { int val; colorRB color; TreeNode_RB *left; TreeNode_RB *right; TreeNode_RB *parent; TreeNod
NTscan扫描工具
ntscan是一个扫描器,可以扫描没有密码和弱密码的共享,先到配置文件中填写猜测的用户名和密码,扫描过程中右侧出现的是扫描日志。
【C++】红黑树实现
红黑树是一棵二叉搜索树,他的每个结点增加一个存储位来表示结点的颜色,可以是红色或者黑色。通过对任何一条从根到叶子的路径上各个结点的颜色进行约束,红黑树确保没有一条路径会比其他路径长出2倍,因而是接近平衡的。
Statistics and Machine Learning Toolbox
Statistics and Machine Learning Toolbox(带书签),MATLAB统计学习工具
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
C++中红黑树的实现 -- 红黑树的概念,红黑树的规则,红黑树插入时的情况分析,红黑树的实现,红黑树的查找,红黑树的验证
红黑树是一种自平衡二叉搜索树,通过颜色约束确保最长路径不超过最短路径的两倍。其核心规则包括:根节点为黑色、红色节点不能连续、每条路径黑色节点数相同。插入操作涉及变色和旋转两种调整方式,根据叔叔节点颜色分为不同处理情况。与AVL树相比,红黑树平衡要求较宽松,旋转次数更少,但查找效率相近(O(logN))。本文详细介绍了红黑树的结构定义、插入逻辑(包括单旋和双旋场景)、验证方法,并提供了与AVL树的性能对比测试代码,显示两者在百万级数据下的操作耗时相当。
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。
【C++】红黑树的实现
本文深入讲解了红黑树的概念、实现及验证。红黑树是一种自平衡二叉搜索树,通过颜色约束规则确保最长路径不超过最短路径的2倍。文章详细介绍了红黑树的插入操作,包括变色、单旋和双旋等调整方法,并提供了完整的C++实现代码。通过对比AVL树,展示了红黑树在平衡性和效率上的优势。最后还介绍了红黑树的验证方法,确保其符合所有规则。红黑树的删除操作相对复杂,本文未作实现,但提供了相关参考书籍。
C++实现——红黑树
我们将红色与黑色设置成枚举类型,使代码看起来更加规范,我们定义节点采用类模板的方式,内部成员分别是左节点指针,右节点指针,父亲节点指针,pair结构体类型的变量,然后就是代表我们颜色的变量。我们再对它们进行初始化列表就可以了,我们的每个节点初始颜色都得设置成红色,不然就无法满足我们上面给的5条红黑树的性质。
红黑树c++实现
一、红黑树的基本概念 性质: 1、根结点的颜色是黑色 2、红结点的两个孩子都为黑色 3、根结点的父结点,所有叶子结点都为黑色(在程序中用NIL替换) 4、每个结点到其所有后代叶结点的简单路径上,均包含相同数目的黑色结点 黑高:从某个结点出发(不含该结点)到达一个叶结点的任意一条简单路径上的黑色结点个数称为该结点的黑高 二、c++源代码 #include using
【C++】红黑树的原理与实现
本篇文章会对红黑树的实现原理进行详解。同时还会给出红黑树的C++实现代码。希望本篇文章会对你有所帮助。红黑树也是一种二叉搜索树,它的每个节点包含一个关键字(键值对)、左右孩子指针和父结点指针。每个节点还包含一个记录颜色的变量该变量用来表示该节点是红色节点还是黑色节点。RED,BLACK, _kv(kv){}表示颜色我们采用枚举的方式,以便整篇的代码比较整洁且易于理解。红黑树作为一种自平衡二叉搜索树,
【C++深度探索】红黑树的底层实现机制
红黑树与AVL树一样,也是一种自平衡的二叉搜索树,它在每个结点上增加一个存储位表示结点的颜色,可以是Red或Black,通过对任何一条从根到叶子的路径上各个结点着色方式的限制,红黑树确保没有一条路径会比其他路径长出俩倍,因而是接近平衡的。因为红黑树也是二叉搜索树,其他的类似查找节点,析构函数和构造函数都与二叉搜索树类似,对于删除节点,可按照二叉搜索树的方式将节点删除,然后再进行调整,大家有兴趣可以自己查找了解一下
[C++]20.实现红黑树。
1.分别在myset和mymap中去实现两个类并且重载operator()进行比较数据值的提取。2.在operator()定义的时候要考虑返回值的类型是否是可以进行比较的数值。3.优点:通过一个模板参数可以实例化两份不同的树,不需要自己手写。
C++模拟实现红黑树
本文适合熟悉二叉平衡树和AVL树的人阅读,因为红黑树是在这两者的基础上优化而来的,是一个更加高效的数据结构,里面的许多逻辑基础是与平衡二叉树或者AVL树一样的。本文会阐述红黑树的实现逻辑并且用c++代码将红黑树增查改的功能用代码实现出来,帮助我们更好地理解红黑树,并且提高理解和编程能力。红黑树,是一种二叉搜索树,但在每个结点上增加一个存储为表示结点的颜色,可以是RED或BLACK。通过对任何一条从根到叶子的路径上各个结点着色方式的限制,红黑树确保没有一条路径会比其它路径长出两倍,因而是接近平衡的。
C++实现红黑树
C++实现红黑树先附上代码,后面有一系列讲解 先附上代码,后面有一系列讲解 #include<stdio.h> #include<iostream> #include "RBTree.h" using namespace std; Node* RBTree::rotateLeft(Node* h) { Node* x = h->right; h-&g...
红黑树的C++完整实现源码
红黑树的C++完整实现源码
C++红黑树模拟实现map和set
C++红黑树模拟实现map和set零、前言一、红黑树及其节点的设计1、树节点的设计2、红黑树的设计3、取值仿函数的使用二、红黑树的迭代器1、begin()与end()2、operator++()与operator--()3、正反迭代器的实现三、map和set的实现1、红黑树的实现2、map的封装3、set的封装 零、前言 本章是继红黑树的介绍和实现后,讲解使用红黑树来封装实现map和set 一、红黑树及其节点的设计 对于底层都是红黑树的map和set来说,他们之间存在的最大的区别就是:对于set是K模
C++进阶-->红黑树的实现
红黑树的概念、以及红黑树的插入、查找的实现。
5984



被折叠的 条评论
为什么被折叠?



