04-树7 二叉搜索树的操作集   (30分)

本文介绍了一种二叉搜索树的基本操作实现方法,包括插入、删除、查找、寻找最小及最大值节点等功能。通过递归与非递归方式实现了这些功能,并提供了完整的C语言代码示例。

本题要求实现给定二叉搜索树的5种常用操作。

函数接口定义:

BinTree Insert( BinTree BST, ElementType X );
BinTree Delete( BinTree BST, ElementType X );
Position Find( BinTree BST, ElementType X );
Position FindMin( BinTree BST );
Position FindMax( BinTree BST );

其中BinTree结构定义如下:

typedef struct TNode *Position;
typedef Position BinTree;
struct TNode{
    ElementType Data;
    BinTree Left;
    BinTree Right;
};
  • 函数InsertX插入二叉搜索树BST并返回结果树的根结点指针;
  • 函数DeleteX从二叉搜索树BST中删除,并返回结果树的根结点指针;如果X不在树中,则打印一行Not Found并返回原树的根结点指针;
  • 函数Find在二叉搜索树BST中找到X,返回该结点的指针;如果找不到则返回空指针;
  • 函数FindMin返回二叉搜索树BST中最小元结点的指针;
  • 函数FindMax返回二叉搜索树BST中最大元结点的指针。

裁判测试程序样例:

#include <stdio.h>
#include <stdlib.h>

typedef int ElementType;
typedef struct TNode *Position;
typedef Position BinTree;
struct TNode{
    ElementType Data;
    BinTree Left;
    BinTree Right;
};

void PreorderTraversal( BinTree BT ); /* 先序遍历,由裁判实现,细节不表 */
void InorderTraversal( BinTree BT );  /* 中序遍历,由裁判实现,细节不表 */

BinTree Insert( BinTree BST, ElementType X );
BinTree Delete( BinTree BST, ElementType X );
Position Find( BinTree BST, ElementType X );
Position FindMin( BinTree BST );
Position FindMax( BinTree BST );

int main()
{
    BinTree BST, MinP, MaxP, Tmp;
    ElementType X;
    int N, i;

    BST = NULL;
    scanf("%d", &N);
    for ( i=0; i<N; i++ ) {
        scanf("%d", &X);
        BST = Insert(BST, X);
    }
    printf("Preorder:"); PreorderTraversal(BST); printf("\n");
    MinP = FindMin(BST);
    MaxP = FindMax(BST);
    scanf("%d", &N);
    for( i=0; i<N; i++ ) {
        scanf("%d", &X);
        Tmp = Find(BST, X);
        if (Tmp == NULL) printf("%d is not found\n", X);
        else {
            printf("%d is found\n", Tmp->Data);
            if (Tmp==MinP) printf("%d is the smallest key\n", Tmp->Data);
            if (Tmp==MaxP) printf("%d is the largest key\n", Tmp->Data);
        }
    }
    scanf("%d", &N);
    for( i=0; i<N; i++ ) {
        scanf("%d", &X);
        BST = Delete(BST, X);
    }
    printf("Inorder:"); InorderTraversal(BST); printf("\n");

    return 0;
}
/* 你的代码将被嵌在这里 */

输入样例:

10
5 8 6 2 4 1 0 10 9 7
5
6 3 10 0 5
5
5 7 0 10 3

输出样例:

Preorder: 5 2 1 0 4 8 6 7 10 9
6 is found
3 is not found
10 is found
10 is the largest key
0 is found
0 is the smallest key
5 is found
Not Found
Inorder: 1 2 4 6 8 9


基本操作,应熟练掌握

#include <stdio.h>
#include <stdlib.h>

typedef int ElementType;
typedef struct TNode *Position;
typedef Position BinTree;
struct TNode{
    ElementType Data;
    BinTree Left;
    BinTree Right;
};

void PreorderTraversal( BinTree BT ); /* 先序遍历,由裁判实现,细节不表 */
void InorderTraversal( BinTree BT );  /* 中序遍历,由裁判实现,细节不表 */
void PostorderTraversal( BinTree BT );

BinTree Insert( BinTree BST, ElementType X );
BinTree Delete( BinTree BST, ElementType X );
Position Find( BinTree BST, ElementType X );
Position FindMin( BinTree BST );
Position FindMax( BinTree BST );

int main()
{
    BinTree BST, MinP, MaxP, Tmp;
    ElementType X;
    int N, i;

    BST = NULL;
    scanf("%d", &N);
    for ( i=0; i<N; i++ ) {
        scanf("%d", &X);
        BST = Insert(BST, X);
    }
    printf("Preorder:"); PreorderTraversal(BST); printf("\n");
    MinP = FindMin(BST);
    MaxP = FindMax(BST);
    scanf("%d", &N);
    for( i=0; i<N; i++ ) {
        scanf("%d", &X);
        Tmp = Find(BST, X);
        if (Tmp == NULL) printf("%d is not found\n", X);
        else {
            printf("%d is found\n", Tmp->Data);
            if (Tmp==MinP) printf("%d is the smallest key\n", Tmp->Data);
            if (Tmp==MaxP) printf("%d is the largest key\n", Tmp->Data);
        }
    }
    scanf("%d", &N);
    for( i=0; i<N; i++ ) {
        scanf("%d", &X);
        BST = Delete(BST, X);
    }
    printf("Inorder:"); InorderTraversal(BST); printf("\n");

	system("pause");
    return 0;
}
void PreorderTraversal( BinTree BT ){
	if( BT ){
		printf("%d ", BT->Data);
		PreorderTraversal( BT->Left );
		PreorderTraversal( BT->Right );
	}
}
void InorderTraversal( BinTree BT ){
	if( BT ){
		InorderTraversal( BT->Left );
		printf("%d ", BT->Data);
		InorderTraversal( BT->Right );
	}
}
void PostorderTraversal( BinTree BT ){
	if( BT ){
		PostorderTraversal( BT->Left );
		PostorderTraversal( BT->Right );
		printf("%d ", BT->Data);
	}
}
BinTree Insert( BinTree BST, ElementType X ){
	if( !BST ){
		BST = (BinTree)malloc(sizeof(struct TNode));
		BST->Data = X;
		BST->Left = BST->Right = NULL;
	}
	else {
		if( X < BST->Data ) BST->Left = Insert( BST->Left, X );
		else if( X > BST->Data ) BST->Right = Insert( BST->Right, X );
		//else if(X = BST->Data)  do nothing
	}
	return BST;
}
BinTree Delete( BinTree BST, ElementType X ){
	Position TMP;
	if( !BST ) printf("Not Found\n");
	else {
		if( X < BST->Data ) BST->Left = Delete( BST->Left, X );  //从左子树递归删除
		else if( X > BST->Data ) BST->Right = Delete( BST->Right, X );  //从右子树递归删除
		else { //BST就是要删除的结点
			if( BST->Left && BST->Right ){  //如果BST左右孩子都有
				TMP = FindMin( BST->Right ); //从右子树中找到最小的结点来代替该结点
				BST->Data = TMP->Data;
				BST->Right = Delete( BST->Right, BST->Data );  //从右子树中把最小的结点删除
			}
			else { 
				TMP = BST;
				if( !BST->Left )	//如果只有右结点,或者没有结点
					BST = BST->Right;
				else				//只有左结点
					BST = BST->Left;
				free( TMP );
			}
		}
	}
	return BST;
}
Position Find( BinTree BST, ElementType X ){
	if( !BST )	return NULL;
	else if( X == BST->Data ) return BST;
	else if( X > BST->Data ) return Find( BST->Right, X );
	else if( X < BST->Data ) return Find( BST->Left, X );
	return NULL;
}
//递归查找最小元素
Position FindMin( BinTree BST ){
	if( !BST ) return NULL;
	else if( !BST->Left ) return BST;
	else if( BST->Left ) FindMin( BST->Left );
}
//非递归查找最大元素
Position FindMax( BinTree BST ){
	if( BST )
		while( BST->Right ) BST = BST->Right;
	return BST;
}



### 二叉搜索树的定义 二叉搜索树(Binary Search Tree, BST)是一种基于二叉的数据结构。其定义如下:对于中的每个节点,其左子中的所有节点值都小于该节点的值,而右子中的所有节点值都大于或等于该节点的值,并且左右子本身也必须是二叉搜索树[^1]。 ### 二叉搜索树的性质 1. **有序性**:二叉搜索树的中序遍历结果是一个递增序列。这一性质使得查找、插入、删除操作能够基于比较操作进行。 2. **结构灵活性**:二叉搜索树的形状依赖于插入和删除的顺序,因此在不同情况下,的平衡性可能发生变化。 3. **查找效率**:在理想情况下,即保持平衡时,二叉搜索树的查找、插入和删除的时间复杂度为 $ O(\log n) $。然而,当变得不平衡时,例如退化为链表结构(所有节点仅有左子或右子),查找效率将退化为 $ O(n) $[^2]。 ### 二叉搜索树的查找效率 二叉搜索树的查找效率依赖于的高度。在平衡的情况下,的高度为 $ \log n $,此时查找的时间复杂度为 $ O(\log n) $。然而,如果的高度增长到 $ n $(例如,所有节点都只有左子或右子),查找的时间复杂度将变为 $ O(n) $。 ### 改进二叉搜索树的性能 为了克服二叉搜索树在极端情况下性能退化的问题,研究者提出了多种改进方式: 1. **平衡二叉(AVL Tree)**:AVL 是一种自平衡的二叉搜索树,它通过旋转操作保持的高度平衡。在每次插入或删除操作后,AVL 会检查节点的平衡因子(左子和右子的高度差),并通过旋转操作来维持平衡,从而确保查找效率始终为 $ O(\log n) $[^3]。 2. **红黑(Red-Black Tree)**:红黑是一种近似平衡的二叉搜索树,它通过一系列颜色规则来确保的平衡性。与 AVL 相比,红黑在插入和删除操作时需要较少的旋转操作,因此更适合动态数据集合[^3]。 3. **缓存敏感 T (CST-Tree)**:CST 通过优化缓存使用和的结构,减少缓存缺失,从而提高大规模数据处理的性能。该结构在搜索性能方面具有优势,并在插入和删除操作上也有一定的竞争力[^4]。 4. **自调整(Splay Tree)**:自调整是一种通过访问模式自动调整结构的数据结构。它通过将最近访问的节点移动到根来优化后续访问的性能,适用于访问模式具有局部性的场景。 ### 示例代码:二叉搜索树的查找操作 以下是一个简单的二叉搜索树查找操作的 Python 实现: ```python class TreeNode: def __init__(self, val): self.val = val self.left = None self.right = None def search(root, target): if not root: return None if target < root.val: return search(root.left, target) elif target > root.val: return search(root.right, target) else: return root ``` 在上述代码中,`search` 函数利用了二叉搜索树的性质,通过比较目标值与当前节点的值来决定搜索方向,从而实现高效的查找操作[^5]。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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