• 【高阶数据结构】红黑树 {概念及性质；红黑树的结构；带头结点的红黑树；红黑树的实现；红黑树插入操作详细解释；红黑树的验证}

    红黑树

    一、红黑树的概念

    红黑树（Red Black Tree） 是一种自平衡二叉查找树，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。

    在这里插入图片描述

    AVL树 VS 红黑树

    • 红黑树是一种特化的AVL树，都是在进行插入和删除操作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。

    • AVL树要求每棵子树的左右高度差不超过1，是严格平衡；而红黑树要求最长路径不超过最短路径的2倍，是近似平衡。

    • 红黑树是AVL树的一种变体，它要求最长路径不超过最短路径的2倍，左右子树高差有可能大于 1。所以红黑树不是严格意义上的平衡二叉树（AVL），但相比AVL树对红黑树进行平衡的代价较低， 其平均统计性能要强于 AVL 。

      • 旋转次数：插入或删除同样的数据，AVL树旋转的次数更多，而由于红黑树近似平衡的性质，旋转的次数更少，平衡代价相对较低。
      • 查找效率：对于同样的N个数据，AVL树的高度是严格的log_2 N，红黑树的高度可能略高但最高不超过2log_2 N。对于计算机算力而言，其查找效率的差异可以忽略不计。综合而言，红黑树的性能更优。

    二、红黑树的性质

    红黑树是每个结点都带有颜色属性的二叉查找树，颜色或红色或黑色。 在二叉查找树强制一般要求以外，对于任何有效的红黑树我们增加了如下的额外要求:

    • 性质1. 结点是红色或黑色。

    • 性质2. 根结点是黑色。

    • 性质3. 每个红色结点的两个子结点都是黑色。（每条路径上不能有两个连续的红色结点）

    • 性质4. 从任一结点到其每个叶子的所有路径都包含相同数目的黑色结点。 （每条路径上的黑色节点数量相同）

    • 性质5. 所有NIL结点都是黑色的。（NIL节点即空结点，空树也是红黑树）

    这些约束强制了红黑树的关键性质: 从根到叶子的最长的可能路径不多于最短的可能路径的两倍长。结果是这个树大致上是平衡的。因为操作比如插入、删除和查找某个值的最坏情况时间都要求与树的高度成比例，这个在高度上的理论上限允许红黑树在最坏情况下都是高效的，而不同于普通的二叉查找树。

    是性质3导致路径上不能有两个连续的红色结点确保了这个结果。最短的可能路径都是黑色结点，最长的可能路径有交替的红色和黑色结点。因为根据性质4所有路径都有相同数目的黑色结点，这就表明了没有路径能多于任何其他路径的两倍长。

    思考：新插入的节点应该设为黑色还是红色？

    • 如果将新插入的节点设为黑色，不管插到那条路径都必然违反性质4。

    • 如果将新插入的节点设为红色：如果父节点是红色则违反性质3，需要进行调整；如果父节点是黑色就正常插入，无需调整。

    • 对比两种情况，最终选择将新插入的节点设为红色。

    三、STL中的红黑树结构

    • 为了后续实现关联式容器map/set，STL红黑树的实现中增加一个头结点；
    • 因为根节点必须为黑色，为了与根节点进行区分，将头结点给成红色；
    • 并且让头结点的_parent域指向红黑树的根节点，_left域指向红黑树中最小的节点，_right域指向红黑树中最大的节点。

    在这里插入图片描述

    头结点的作用：

    • STL明确规定，begin()与end()代表的是一段前闭后开的区间，而对红黑树进行中序遍历后，可以得到一个有序的序列，因此：begin()可以放在红黑树中最小节点(即最左侧节点)的位置，end()放在最大节点(最右侧节点)的下一个位置，关键是最大节点的下一个位置在哪块？
    • 能否给成nullptr呢？答案是行不通的，因为对end()位置的迭代器进行–操作，必须要能找最后一个元素，此处就不行，因此最好的方式是将end()放在头结点的位置：

    四、红黑树的核心结构

    enum Color{
  RED,
  BLACK
};
//红黑树的节点
template <class K, class V>
struct RBTreeNode{ 
  RBTreeNode<K,V> *_left;
  RBTreeNode<K,V> *_right;
  RBTreeNode<K,V> *_parent;
  pair<K,V> _kv;
  Color _color; //颜色属性，是一个枚举类型

  RBTreeNode(const pair<K,V> &kv=pair<K,V>(), Color color = RED)
    :_left(nullptr),
    _right(nullptr),
    _parent(nullptr),
    _kv(kv),
    _color(color)
  {}
};

//红黑树结构
template <class K, class V>
class RBTree{ 
  typedef RBTreeNode<K,V> Node;
  Node *_phead; //指向头结点的指针

public:
  RBTree(){
    _phead = new Node; //红黑树的头结点
    _phead->_left = _phead; //起初先让头结点的左右指针指向自己
    _phead->_right = _phead;
  }
  //插入
  bool Insert(const pair<K,V> &kv);  
  //中序遍历，其内部主要依靠_Inorder递归遍历。
  void Inorder();  
  //查找
  Node* Find(const K &k);
  //检测红黑树是否为有效的红黑树，其内部主要依靠_IsValidRBTRee递归检测
  bool IsValidRBTRee();

private:
  //为了操作树简单起见：获取根节点
  Node*& GetRoot(){ 
    return _phead->_parent; 
  }
  //获取红黑树最左侧节点
  Node* LeftMost(){
  	Node *root = GetRoot();
    if(root == nullptr) //如果根节点为空，就返回_phead
      return _phead;
    else{
      Node *left = root;
      while(left->_left!=nullptr)
      {
        left = left->_left;
      }
      return left;
    }
  }
  //获取红黑树最右侧节点
  Node* RightMost(){
	Node *root = GetRoot();
    if(root == nullptr) //如果根节点为空，就返回_phead
      return _phead;
    else{
      Node *right = root;
      while(right->_right!=nullptr)
      {
        right = right->_right;
      }
      return right;
    }
  }
  void _Inorder(Node *root);
  bool _IsValidRBTree(Node *root, int blacknum, int &benchmark);
  //左单旋
  void RotateL(Node* parent);
  //右单旋
  void RotateR(Node* parent);
};

    • 1
    • 2
    • 3
    • 4
    • 5
    • 6
    • 7
    • 8
    • 9
    • 10
    • 11
    • 12
    • 13
    • 14
    • 15
    • 16
    • 17
    • 18
    • 19
    • 20
    • 21
    • 22
    • 23
    • 24
    • 25
    • 26
    • 27
    • 28
    • 29
    • 30
    • 31
    • 32
    • 33
    • 34
    • 35
    • 36
    • 37
    • 38
    • 39
    • 40
    • 41
    • 42
    • 43
    • 44
    • 45
    • 46
    • 47
    • 48
    • 49
    • 50
    • 51
    • 52
    • 53
    • 54
    • 55
    • 56
    • 57
    • 58
    • 59
    • 60
    • 61
    • 62
    • 63
    • 64
    • 65
    • 66
    • 67
    • 68
    • 69
    • 70
    • 71
    • 72
    • 73
    • 74
    • 75
    • 76
    • 77
    • 78
    • 79
    • 80
    • 81
    • 82
    • 83

    五、红黑树的插入操作

    红黑树是在二叉搜索树的基础上加上其平衡限制条件，因此红黑树的插入可分为两步：

    1. 按照二叉搜索的树规则插入新节点

    2. 检测新节点插入后，红黑树的性质是否造到破坏。因为新节点的默认颜色是红色，因此：

      • 如果新插入的节点是根节点，需要将节点变为黑色以满足性质2。
      • 如果父节点是黑色的，没有违反红黑树的任何性质，则不需要调整；
      • 但如果父节点颜色为红色时，就违反了性质3：路径上不能有两个连续的红色结点。此时需要对红黑树分情况来讨论：

    在讲解情况三、四、五之前，先说明一下：

    • cur为当前节点（关注节点），p(parent)为父节点，g(grandparent)为祖父节点，u(uncle)为叔叔节点；
    • cur不一定就是新插入的节点，也有可能是因为 cur 的子树在调整的过程中将 cur 节点的颜色由黑色改成红色。

    5.1 情况一：u存在且为红

    情况一: cur为红，p为红，g为黑，u存在且为红

    抽象分析：

    在这里插入图片描述

    1. 因为cur和p都为红色违反性质3，所以一定要把p变为黑色。
    2. 但只变p又违反性质4各路径上黑色节点的数量不同，所以要把u也变为黑色。
    3. 但原来所有路径上只有1个黑色节点（可见的）而现在变为2个。如果g树是子树，又会使整棵树违反性质4。所以要把g变为红色。
    4. g的父节点也可能是红色，所以要继续向上调整。

    解决方式：变色并继续向上调整

    1. 将p,u都改为黑色，g改为红色；
    2. 如果g不为根，就把g当成cur继续向上调整；
    3. 如果g为根，就把g变为黑色。性质2：根节点是黑色的。

    具体分析：

    cur就是新插入的节点：

    在这里插入图片描述

    cur节点原来是黑色之后又被调整为红色：

    在这里插入图片描述

    注意：a,b,c,d,e可能是连续的几层黑色节点（要求每条路径的黑色节点数量相同），然后才出现上述情况。因为情况太多，过于复杂故作省略。

    5.2 情况二：u不存在/u存在且为黑（左左/右右）

    情况二: cur为红，p为红，g为黑，u不存在/u存在且为黑（左左/右右）

    抽象分析：
    在这里插入图片描述

    1. 因为cur和p都为红色违反性质3，所以一定要把p变为黑色。
    2. 但只变p使左路黑节点+1违反性质4，因此还要以g为轴点右单旋，使左路黑节点-1。
    3. 但此时由于右单旋使右路黑节点+1，所以要将g变为红色，右路黑节点-1。最终满足性质4。

    问：为什么该g不改u？
    答：c树和u树的黑色节点数量本来就相同，所以将g改为红色，g树仍然满足性质4。如果将u节点改为红色，将违反性质4。

    解决方式：单旋+变色

    1. 如果p为g的左孩子，cur为p的左孩子（左左），则对g进行右单旋；
    2. 如果p为g的右孩子，cur为p的右孩子（右右），则对g进行左单旋；
    3. p、g变色–p变黑色，g变红色。
    4. 完成旋转变色后每条路径的黑节点数量相同且与插入前也相同，并且根节点为黑色不需要继续往上处理。

    具体分析：u 的情况有两种

    uncle节点不存在：

    如果 u 节点不存在，则 cur 一定是新插入节点，因为如果 cur 不是新插入节点，则 cur 和 p 一定有一个节点的颜色是黑色，就不满足性质4：每条路径黑色节点个数相同。

    在这里插入图片描述

    uncle节点存在且为黑色：

    如果 u 节点存在且为黑色，那么 cur 节点原来的颜色也一定是黑色的，现在看到其是红色的原因是因为 cur 的子树在调整的过程中将 cur 节点的颜色由黑色改成红色。

    在这里插入图片描述

    注意：a,b,c,d,e可能是连续的几层黑色节点（要求每条路径的黑色节点数量相同），然后才出现上述情况。因为情况太多，过于复杂故作省略。

    5.3 情况三：u不存在/u存在且为黑（左右/右左）

    情况三: cur为红，p为红，g为黑，u不存在/u存在且为黑（左右/右左）

    抽象图：
    在这里插入图片描述
    情况三先以p为轴点左单旋，转换为情况二。

    解决方式：双旋+变色

    1. p为g的左孩子，cur为p的右孩子（左右），则先对p做左单旋，再对g做右单旋；
    2. p为g的右孩子，cur为p的左孩子（右左），则先对p做右单旋，再对g做左单旋；
    3. cur、g变色–cur变黑色，g变红色。
    4. 完成旋转变色后每条路径的黑节点数量相同且与插入前也相同，并且根节点为黑色不需要继续往上处理。

    具体分析：

    uncle节点不存在

    在这里插入图片描述

    uncle节点存在且为黑色：

    在这里插入图片描述

    注意：a,b,c,d,e可能是连续的几层黑色节点（要求每条路径的黑色节点数量相同），然后才出现上述情况。因为情况太多，过于复杂故作省略。

    总结：

    • 二叉树插入操作的难点在于通过变色和旋转操作恢复红黑树的性质，性质得到满足红黑树就能做到近似平衡：最长路径不超过最短路径的两倍。
    • 恢复的最终目的：1.关注子树满足红黑树的所有性质 2.插入前后关注子树每条路径的黑节点数量不变（保证整棵树的性质4）

    5.4 插入代码

    bool Insert(const pair<K,V> &kv)
{
  //1. 按照二叉搜索的树规则插入新节点
  Node* &root = GetRoot(); //这里注意要用引用接收返回值
  if(root == nullptr)
  {
  	//如果新插入的节点是根节点，需要将节点变为黑色以满足性质2
    root = new Node(kv, BLACK); //因为GetRoot返回指针的引用，所以改的实际是_phead->_parent
    root->_parent = _phead;
    _phead->_left = root;
    _phead->_right = root;
    return true;
  }

  Node *cur = root;
  Node *parent = nullptr;
  while(cur != nullptr)
  {
    if(kv.first > cur->_kv.first)
    {
      parent = cur;
      cur = cur->_right;
    }
    else if(kv.first < cur->_kv.first)
    {
      parent  = cur;
      cur = cur->_left;
    }
    else{
      return false;
    }
  }
  
  cur = new Node(kv,RED); //新插入的节点默认是红色的
  if(kv.first > parent->_kv.first)
  {
    parent->_right = cur;
  }
  else{
    parent->_left = cur;
  }
  cur->_parent = parent;
 
  //2.检测新节点插入后，红黑树的性质是否造到破坏。
  //如果父节点是黑色的，没有违反红黑树的任何性质，则不需要调整；
  //但如果父节点颜色为红色时，就违反了性质3：路径上不能有两个连续的红色结点。
  //上一次循环中grandparent 为根节点，此次循环parent == _phead
  while(parent != _phead && parent->_color == RED) 
  {
    Node *grandparent = parent->_parent;
    //断言检查：grandparent一定不为空且为黑色！
    assert(grandparent != nullptr);
    assert(grandparent->_color == BLACK);

    Node *uncle = grandparent->_left;
    if(parent == grandparent->_left)
      uncle = grandparent->_right;

    if(uncle != nullptr && uncle->_color == RED) //情况一：uncle存在且为红
    {
      parent->_color = uncle->_color = BLACK; //变色
      grandparent->_color = RED;
      cur = grandparent; //继续向上调整
      parent = cur->_parent;
    }
    else //情况二、三：uncle不存在或uncle存在且为黑
    {
      if(parent == grandparent->_left)
      {
        if(cur == parent->_left) //左左
        {
          RotateR(grandparent); //右单旋
          parent->_color = BLACK; //变色
          grandparent->_color = RED;
        }
        else{ //左右
          RotateL(parent); //左右双旋
          RotateR(grandparent);
          cur->_color = BLACK; //变色
          grandparent->_color = RED;
        }
      }
      else{
        if(cur == parent->_right) //右右
        {
          RotateL(grandparent); //左单旋
          parent->_color = BLACK; //变色
          grandparent->_color = RED;
        }
        else{ //右左
          RotateR(parent); //右左双旋
          RotateL(grandparent);
          cur->_color = BLACK; //变色
          grandparent->_color = RED;
        }
      }
      //旋转变色后无需继续调整，直接退出循环。
      break; 
    } //end of else
  } //end of while
  
  //如果在调整过程中将根节点变为红色，记得重新变回黑色。
  if(parent == _phead) 
    root->_color = BLACK;
  //令头节点的左指针指向红黑树的最左节点
  _phead->_left = LeftMost();
  //令头节点的右指针指向红黑树的最右节点
  _phead->_right = RightMost();
  return true;
}

    • 1
    • 2
    • 3
    • 4
    • 5
    • 6
    • 7
    • 8
    • 9
    • 10
    • 11
    • 12
    • 13
    • 14
    • 15
    • 16
    • 17
    • 18
    • 19
    • 20
    • 21
    • 22
    • 23
    • 24
    • 25
    • 26
    • 27
    • 28
    • 29
    • 30
    • 31
    • 32
    • 33
    • 34
    • 35
    • 36
    • 37
    • 38
    • 39
    • 40
    • 41
    • 42
    • 43
    • 44
    • 45
    • 46
    • 47
    • 48
    • 49
    • 50
    • 51
    • 52
    • 53
    • 54
    • 55
    • 56
    • 57
    • 58
    • 59
    • 60
    • 61
    • 62
    • 63
    • 64
    • 65
    • 66
    • 67
    • 68
    • 69
    • 70
    • 71
    • 72
    • 73
    • 74
    • 75
    • 76
    • 77
    • 78
    • 79
    • 80
    • 81
    • 82
    • 83
    • 84
    • 85
    • 86
    • 87
    • 88
    • 89
    • 90
    • 91
    • 92
    • 93
    • 94
    • 95
    • 96
    • 97
    • 98
    • 99
    • 100
    • 101
    • 102
    • 103
    • 104
    • 105
    • 106
    • 107
    • 108
    • 109
    • 110

    5.5 旋转代码

    关于旋转的详细讲解请阅读：
    【高阶数据结构】AVL树 {概念及实现；节点的定义；插入并调整平衡因子；旋转操作：左单旋，右单旋，左右双旋，右左双旋；AVL树的验证及性能分析}

    void RotateL(Node *parent){
  Node *subR = parent->_right;
  Node *subRL = subR->_left;
  Node *ppNode = parent->_parent;

  parent->_right = subRL;
  if(subRL != nullptr)
  {
    subRL->_parent = parent;
  }

  subR->_left = parent;
  parent->_parent = subR;
 
  if(ppNode == _phead)
  {
    _phead->_parent = subR;
  }
  else{
    if(ppNode->_left == parent)
    {
      ppNode->_left = subR;
    }
    else{
      ppNode->_right = subR;
    }
  }
  subR->_parent = ppNode;
}

void RotateR(Node *parent){
  Node *subL = parent->_left;
  Node *subLR = subL->_right;
  Node *ppNode = parent->_parent;
  
  subL->_right = parent;
  parent->_parent = subL;
  
  parent->_left = subLR;
  if(subLR != nullptr)
  subLR->_parent = parent;

  if(ppNode == _phead)
  {
    ppNode->_parent = subL;
  }
  else{
    if(ppNode->_left == parent)
    {
      ppNode->_left = subL;
    }
    else{
      ppNode->_right = subL;
    }
  }
  subL->_parent = ppNode;
}

    • 1
    • 2
    • 3
    • 4
    • 5
    • 6
    • 7
    • 8
    • 9
    • 10
    • 11
    • 12
    • 13
    • 14
    • 15
    • 16
    • 17
    • 18
    • 19
    • 20
    • 21
    • 22
    • 23
    • 24
    • 25
    • 26
    • 27
    • 28
    • 29
    • 30
    • 31
    • 32
    • 33
    • 34
    • 35
    • 36
    • 37
    • 38
    • 39
    • 40
    • 41
    • 42
    • 43
    • 44
    • 45
    • 46
    • 47
    • 48
    • 49
    • 50
    • 51
    • 52
    • 53
    • 54
    • 55
    • 56
    • 57

    六、查找和遍历

    Node* Find(const K &k){
  Node *root = GetRoot();
  if(root == nullptr)
    return nullptr;
  Node *cur = root;
  while(cur != nullptr)
  {
    if(k > cur->_kv.first)
    {
      cur = cur->_right;
    }
    else if(k < cur->_kv.first)
    {
      cur = cur->_left;
    }
    else{
      return cur;
    }
  }
  return nullptr;
}

void Inorder(){
  _Inorder(GetRoot());
  cout << endl;
}

void _Inorder(Node *root){
  if(root == nullptr) return; 
  _Inorder(root->_left);
  cout << root->_kv.first << ":" << root->_kv.second << " ";
  _Inorder(root->_right);
}

    • 1
    • 2
    • 3
    • 4
    • 5
    • 6
    • 7
    • 8
    • 9
    • 10
    • 11
    • 12
    • 13
    • 14
    • 15
    • 16
    • 17
    • 18
    • 19
    • 20
    • 21
    • 22
    • 23
    • 24
    • 25
    • 26
    • 27
    • 28
    • 29
    • 30
    • 31
    • 32
    • 33

    七、红黑树的验证

    红黑树的检测分为两步：

    1. 检测其是否满足二叉搜索树(中序遍历是否为有序序列)
    2. 检测其是否满足红黑树的性质
    bool IsValidRBTree(){
  Node *root = GetRoot();
  //空树也是红黑树
  if(root == nullptr) return true;
  //检查性质2:
  if(root->_color != BLACK)
  {
    cout << "违反性质2：根节点不为黑色！" << endl;
    return false;
  }
  //检查性质3,4：
  int benchmark = 0;
  return _IsValidRBTree(root, 0, benchmark);
}

//blacknum：用于记录当前路径的黑色节点个数，不能传引用。
//benchmark：用于记录第一条路径的黑色节点个数。需要传引用，返回给上层递归。
bool _IsValidRBTree(Node *root, int blacknum, int &benchmark){
  if(root == nullptr)
  {
    if(benchmark == 0) //表示第一条路径遍历完
    {
      benchmark = blacknum; //记录第一条路径的黑色节点个数
      return true;
    }
    else{
      if(blacknum != benchmark) //如果其他路径的blacknum与第一条路径不同，说明违反性质4
      {
        cout << "违反性质4：从任意节点到每个叶子节点的所有路径都包含相同数目的黑色节点！" << endl;
        return false;
      }
      else{
        return true;
      }
    }
  }
    
  //检查性质3：
  if(root->_color == RED && root->_parent->_color == RED)
  {
    cout << "违反性质3：路径上有两个连续的红色节点！" << endl;
    return false;
  }

  if(root->_color == BLACK)
  {
    ++blacknum; 
  }
  return _IsValidRBTree(root->_left, blacknum, benchmark)
      && _IsValidRBTree(root->_right, blacknum, benchmark);
}

    • 1
    • 2
    • 3
    • 4
    • 5
    • 6
    • 7
    • 8
    • 9
    • 10
    • 11
    • 12
    • 13
    • 14
    • 15
    • 16
    • 17
    • 18
    • 19
    • 20
    • 21
    • 22
    • 23
    • 24
    • 25
    • 26
    • 27
    • 28
    • 29
    • 30
    • 31
    • 32
    • 33
    • 34
    • 35
    • 36
    • 37
    • 38
    • 39
    • 40
    • 41
    • 42
    • 43
    • 44
    • 45
    • 46
    • 47
    • 48
    • 49
    • 50
    • 51
  • 相关阅读:
    kingbase之ksql命令工具
    CentOS7配置Zookeeper+Hbase2.4.12+Phoenix5.1.2，用DBeaver工具可视化连接hbase
    Taurus.MVC WebMVC 入门开发教程2：一个简单的页面呈现
    OpenAI ChatGPT 能取代多少程序员的工作？导致失业吗？
    2021 RoboCom 世界机器人开发者大赛-高职组（复赛）
    WPF使用事件聚合器，实现任意页面跨页通信
    硬盘分哪几种类型及主要参数详解
    【嵌入式软件-STM32】按键控制LED & 光敏传感器控制蜂鸣器
    PMP每日一练 | 考试不迷路-11.29（包含敏捷+多选）
    link 和 @important 的区别
  • 原文地址：https://blog.csdn.net/zty857016148/article/details/132654264