二叉树

原文链接：http://www.orlion.ga/267/

为什么使用二叉树呢？因为它通常结合了另外两种数据结构的优点：一种是有序数组，另一种是链表。在树中查找数据项的速度和在有序数组中查找一样快，并且插入数据项和删除数据项的速度也和链表一样。

 

二叉搜索树：

 

非平衡树：树的大部分的节点是在根的一边或者是另一边，如下图所示

树变得不平衡是由数据项插入的顺序造成的。

 

用java代码来表示树

    像其他数据结构一样，有很多方法可以在计算机内存中表示树，最常用的方法是把节点存储在无关联的存储器中，而通过每个节点中指向自己子节点的引用来连接。

    还可以在内存中用数组来表示树，用存储在数组中相对的位置来表示节点在树中的位置。实例中的java代码采用的是引用连接节点的方法。

    Node类

    首先，需要一个节点对象的类，这些对象包含数据，数据代表要存储的内容，而且还有指向节点的两个子节点的引用。类代码如下：

package ga.orlion.btree;

public class Node {
	
	int iData;		// 节点数
	double fData;	// 其他数
	Node leftChild;	// 左节点
	Node rightChild;// 右节点
	
	public void displayNode(){
		// 显示节点数据
	}
}

还需要一个类来表示树本身：Tree类

package ga.orlion.btree;

public class Tree {
	
	private Node root; // 根节点
	
	public Node find(int key){
		// 查询
	}
	
	public void insert(int id , double dd){
		// 插入
	}
	
	public void delete(int id){
		// 删除
	}
}

最后是一个操作树的类TreeApp:

package ga.orlion.btree;

public class TreeApp {

	public static void main(String[] args) {
		
		Tree theTree = new Tree();
		
		theTree.insert(50, 1.5);
		theTree.insert(25, 1.7);
		theTree.insert(75, 1.9);
		
		Node found = theTree.find(25); // 查找key为25的节点
		
		if (found == null) 
			System.out.println("未找到key25");
		else
			System.out.println("找到key25");
	}

}

 

查找节点

Tree中的查找方法find()：

public Node find(int key){
		
		Node current = root;
		
		while (current.iData != key) {
			if (key < current.iData)
				current = current.leftChild;
			else 
				current = current.rightChild;
			
			if (current == null)
				return null;
		}
		
		return current;
	}

树的效率

    查找节点的时间取决于这个节点所在的层数。

 

插入一个节点

    insert()方法从创建新节点开始，用提供的数据作为参考。下一步insert()必须先确定新节点插入的位置，这段代码与查找代码大致相同，区别是查找节点时遇到null直接返回现在要插入节点就是在返回前插入节点。

    java代码：

public void insert(int id , double dd){
		
		Node newNode = new Node();
		newNode.iData = id;
		newNode.fData = dd;
		
		if (root == null)
			root = newNode;
		else {
			Node current = root;
			Node parent;
			while(true){
				parent = current;
				if (id < current.iData) {
					current = current.leftChild;
					if (current == null) {
						parent.leftChild = newNode;
						return;
					}
				} else {
					current = current.rightChild;
					if (current == null) {
						parent.rightChild = newNode;
						return;
					}
				}
			}
		}
	}

    
中序遍历的java代码：

public void inOrder(Node localRoot){
		
		if (localRoot != null) {
			inOrder(localRoot.leftChild);
			
			System.out.print(localRoot.iData + "|");
			
			inOrder(localRoot.rightChild);
		}
	}

查找最大值和最小值：

找到最小值就是要找到二叉树的最左边的叶子，具体过程为从根节点出发往左子节点走，直到该节点没有了左子节点那么该节点就是最小值了，java代码：

public Node miniNum(){
		
		Node last , current;
		last = current = root;
		while(current != null) {
			last = current;
			current = current.leftChild;
		}
		
		return last;
	}

删除！

        // 找到待删除节点的后继节点
	private Node getSuccessor(Node delNode){
		
		Node successorParent = delNode;
		Node successor = delNode;
		Node current = delNode.rightChild;
		while (current != null) {
			successorParent = successor;
			successor = current;
			current = current.leftChild;
		}
		
		if (successor != delNode.rightChild) {
			successorParent.leftChild = successor.rightChild;
			successor.rightChild = delNode.rightChild;
		}
		
		return successor;
	}
	public boolean delete(Node node){
		
		if (node != null) {
			Node current = root;
			Node parent = root;
			boolean isLeftChild = true;
			// 找到待删除节点
			while(current != node){
				parent = current;
				if (node.iData < current.iData) {
					isLeftChild = true;
					current = current.leftChild;
				} else {
					isLeftChild = false;
					current = current.rightChild;
				}
				if (current == null)
					return false;
			}
			// 如果待删除节点无子节点
			if (current.leftChild == null && current.rightChild == null) {
				if (current == root)
					root = null;
				else if (isLeftChild)
					parent.leftChild = null;
				else 
					parent.rightChild = null;
			// 如果待删除节点有左子节点
			} else if (current.rightChild == null) {
				if (current == root)
					root = root.leftChild;
				else if (isLeftChild)
					parent.leftChild = current.leftChild;
				else 
					parent.rightChild = current.leftChild;
			// 如果待删除节点有右子节点
			} else if (current.leftChild == null) {
				if (current == root)
					root = root.rightChild;
				else if (isLeftChild)
					parent.leftChild = current.rightChild;
				else {
					parent.rightChild = current.rightChild;
				}
			// 如果待删除节点有两个节点
			} else {
				Node successor = getSuccessor(current);
				if (current == root)
					root = successor;
				else if (isLeftChild)
					parent.leftChild = successor;
				else 
					parent.rightChild = successor;
				
				successor.leftChild = current.leftChild;
			}
			
		}
		
		return true;
	}