【数据结构】AVL树的删除(解析有点东西哦)

2023-09-17 09:38:30

前言

  由于AVL树也是二叉搜索树,为了降低一点难度,我们就基于普通二叉搜索树的删除的铺垫,再进行相关的操作。

一、普通二叉搜索树的删除

第一步:先找到要删除的结点,没有返回false。
情况分析:

1. 删除结点的左右结点都不为空

  • 父节点为根节点。

例:
在这里插入图片描述

删除1,但父节点也是1,直接将根节点置为空即可。

  • 父节点不为根节点。

例:
在这里插入图片描述

删除5结点,将其父节点的指向,指向空即可。

2. 删除结点的左结点为空,右节点不为空

  • 父节点为根节点

在这里插入图片描述

删除1,这里只需要将2改为根节点。

  • 父节点不为根节点。

在这里插入图片描述

删除5结点,将其父节点,指向5的右结点即可,再删除6即可。

3. 删除结点的右结点为空,左节点不为空

  • 父节点为根节点

例:
在这里插入图片描述

直接将0置为根节点即可。

  • 父节点不为根节点。

例:
在这里插入图片描述

将0的父节点的左孩子的指向改为-1,再释放0结点。

4. 删除结点的左右结点都不为空

 这里我们就采用置换法的找左子树的最大节点进行值交换即可。

如果删除结点为根节点,由于我们置换的是值,再对交换后的结点进行讨论:

  1. 交换后的结点,必然不为根节点。
  2. 交换后的结点的右结点必然为空。
  3. 交换后的结点的左节点可能不为空。
  4. 交换后的结点,其父节点的左边可能为交换后的结点,父节点的右边也坑为交换后的结点,就此点展开讨论。

说明:交换后的结点,原先为左子树的最大节点,我们用left_most_node进行表示。

  • 父节点的左节点为left_most_node

例:
在这里插入图片描述

待删除结点为1,left_most_node为0,交换后1变0, 0变1,然后父节点的左节点指向left_most_node的左结点即可。

  • 父节点的右节点为left_most_node

例:
在这里插入图片描述

待删除结点为1,left_most_node为-1,交换后1变-1, -1变1,然后父节点的右节点指向left_most_node的左结点即可。

 如果连普通的二叉搜索树的相关知识有所缺陷,可以看一下我之前写的这篇文章——二叉搜索树。本文的普通二叉树的删除,也是源自于这篇文章。

二、AVL树的删除

 说明一点,在正式讲AVL树之前,最好先把AVL树的插入及四种旋转了解清楚,因为删除说白了就是在这个基础上分类讨论的结果。

如果不清楚, 请看此篇文章:AVL树的插入与验证

OK,铺垫完成,正文开始。

删除时,再基于上面删除的四种情况外,我们还要考虑两大类情况。即整棵树的高度变化(降一) + 高度不变化。高度变化会影响上面的树的平衡因子,因此需要向上更新。

1. 删除结点,整棵树的高度不变化

两种情况,parent的平衡因子为0或者为2

1.1 parent的平衡因子在删除结点之前为0

1.1.1 删除结点为parent的左节点

在这里插入图片描述

整棵树的高度未发生变化,调整结束。

1.1.2 删除结点为parent的右节点

情况与左节点类似,上面理解,这块可以不用看。

在这里插入图片描述

整棵树的高度未发生变化,调整结束。

1.2 parent的平衡因子在调整过程中为2

1.2.1 删除结点为parent的左节点

1.2.1.1 parent的右节点的平衡因子为0

在这里插入图片描述

进行左旋,更新parent_right和parent的平衡因子分别为 -1 与 1,整棵树的高度不发生变化,调整结束。

1.2.1.2 parent的右节点的平衡因子为1

在这里插入图片描述

左旋之后,parent与parent_right的平衡因子变为0,结束调整。

1.2.2 删除结点为parent的右节点

情况与左节点类似,上面理解,这块可以不用看。

1.2.2.1 parent的左节点的平衡因子为0

在这里插入图片描述

进行右旋,更新parent_left与parent的平衡因子分别为1与-1,调整结束。

1.2.2.2parent的左节点的平衡因子为 -1

在这里插入图片描述

进行右旋,更新parent_left与parent的平衡因子0,调整结束。

2. 删除结点,整棵树的高度变化

2.1 删除结点为parent的左节点

2.1.1 parent的平衡因子在删除结点之前为 -1

在这里插入图片描述

调整parent的平衡因子为0,继续向上进行调整。

2.1.2 parent的平衡因子为2且parent的右结点的平衡因子为-1

为了便于描述。这里把parent右节点记作Pright,Pright的左节点记作PRleft

2.1.2.1 PRleft的平衡因子为1

在这里插入图片描述

进行右左双旋,且把parent的平衡因子调整为-1,PRleft的平衡因子调整为0,Pright的平衡因子调整为0。

2.1.2.2 PRleft的平衡因子为-1

在这里插入图片描述

进行右左双旋,且把parent的平衡因子调整为0,PRleft的平衡因子调整为0,Pright的平衡因子调整为1。

2.2 删除结点为parent的右节点

2.1.1 parent的平衡因子在删除结点之后为 0

在这里插入图片描述

parent的平衡因子改为0,继续向上调整。

2.1.2 parent的平衡因子为-2且parent的左节点的平衡因子为1

为了便于描述。这里把parent左节点记作Pleft,Pleft的右节点记作PLright

2.1.2.1 PLright的平衡因子为 1

在这里插入图片描述

进行左右双旋,调整PLright的平衡因子为0,parent的平衡因子为0,Pleft的平衡因子为-1。继续向上进行调整。

2.1.2.2 PLright的平衡因子为-1

在这里插入图片描述

进行左右双旋,调整PLright的平衡因子为0,parent的平衡因子为0,Pleft的平衡因子为-1。继续向上进行调整。

实现代码

  • 每个人的写出来的代码可能不一样,但思路还是一致的,因此重点不在代码,而在分析思路上,这里只是贴出来方便大家对照。
		Node* find(const Key &val)
		{
			Node* cur = _root;
			while (cur)
			{
				if (cur->_key > val)
				{
					//左子树中查找
					cur = cur->_left;
				}
				else if (cur->_key < val)
				{
					//右子树中查找
					cur = cur->_right;

				}
				else
				{
					//找到了
					return cur;
				}
			}
			return nullptr;
		}
		//为了避免删除时的代码过于冗余,将重复利用的代码写成一个函数较好。
		void UpDateBFactor(Node* parent, Node* cur)
		{
			while (parent)
			{

				if (parent->_left == cur)
				{
					parent->_bf++;
				}
				else
				{
					parent->_bf--;
				}

				//判断平衡因子
				if (parent->_bf == 1 || parent->_bf == -1)
				{
					break;
				}
				else if (parent->_bf == 0)
				{
					cur = parent;
					parent = parent->_parent;
				}
				else if (parent->_bf == 2)
				{
					if (parent->_right->_bf == 0)
					{
						//进行左单旋
						Node* parent_right = parent->_right;
						RotateL(parent);
						parent->_bf = 1;
						parent_right->_bf = -1;
						//高度不变
						break;
					}
					else if(parent->_right->_bf == 1)
					{
						//左单旋

						RotateL(parent);
						//更新平衡因子
					}
					else
					{
						//进行右左双旋
						RotateRL(parent);
					}
					cur = parent->_parent;
					parent = cur->_parent;
				}
				else if (parent->_bf == -2)
				{
					//这还有一种特殊情况
					if (parent->_left->_bf == 0)
					{
						Node* parent_left = parent->_left;
						RotateR(parent);
						parent->_bf = -1;
						parent_left->_bf = 1;
						//此时高度不变
						break;
					}
					else if (parent->_left->_bf == -1)
					{
						//右单旋
						RotateR(parent);
						//高度降低1
					}
					else
					{
						//左右双旋
						RotateLR(parent);
						//高度降低1
					}
					cur = parent->_parent;
					parent = cur->_parent;
				}
				else
				{
					cout << parent->_key << ":";
					perror("平衡因子有误");
					exit(-1);
				}
			}
		}
		//AVL树结点的删除
		bool erase(const Key& val)
		{
			Node* cur = find(val);
			//对cur进行判空
			if (cur == nullptr)
			{
				//说明没找到。
				return false;
			}
			else
			{
				Node* parent = cur->_parent;
				Node* delnode = cur;
				Node* delparent = cur->_parent;

				//更新平衡因子,然后判断旋转与删除。
				//左加加,右减减
				//分析四种情况
				//1.cur的left和right都为空。
				//2.cur的left为空,right不为空。
				//3.cur的right为空,left不为空。
				//4.cur的right与left都不为空。
				//在此基础上还要判断cur是否为根节点。

				//1.cur的left和right都为空。
				if (cur->_left == nullptr && cur->_right == nullptr)
				{
					//更新平衡因子
					//判断cur是否为根节点
					if (cur == _root)
					{
						_root = nullptr;
					}
					else
					{
						
						UpDateBFactor(parent, cur);
						//将父节点的指向清空
						parent = delnode->_parent;
						if (parent->_left == delnode)
						{
							parent->_left = nullptr;
						}
						else
						{
							parent->_right = nullptr;
						}
					}
					//删除结点。
					delete delnode;
				}
				//左不为空,并且右为空
				else if (cur->_left && cur->_right == nullptr)
				{
					if (cur == _root)
					{
						//更改根节点
						_root = cur->_left;
						//改变根节点的父节点的指向,因为平衡因子的绝对值必然小于等于1,
						//因此其左节点只有一个结点。
						//因此只需更改父节点的指向即可。
						_root->_parent = nullptr;
						//无需更新平衡因子
						delete delnode;
					}
					else
					{
						Node* cur_left = cur->_left;
						//更新平衡因子
						UpDateBFactor(parent, cur);
						//更新cur_left到cur的位置
						cur_left->_parent = delnode->_parent;
						//更新其父节点的指向
						if (parent->_left == delnode)
						{
							parent->_left = cur_left;
						}
						else
						{
							parent->_right = cur_left;
						}
						//删除delnode
						delete delnode;
					}
				}
				else if (cur->_left == nullptr && cur->_right)
				{
					if (cur == _root)
					{
						//更新根节点
						_root = cur->_right;
						//说明:为了保证树为AVL树,cur->_right必然无左右孩子
						//更新根节点的信息
						_root->_parent = nullptr;
						//释放delnode
						delete delnode;
					}
					else
					{
						Node* parent = cur->_parent;
						Node* cur_right = cur->_right;
						//更新平衡因子
						UpDateBFactor(parent, cur);
						//首先改变cur_right的父节点的指向
						cur_right->_parent = delparent;
						//其次改变parent其孩子的指向
						if (delparent->_left == delnode)
						{
							delparent->_left = cur_right;
						}
						else
						{
							delparent->_right = cur_right;
						}
						//最后删除cur
						delete delnode;
					}
				}
				//4.cur的right与left都不为空。
				else
				{
					//可以找左子树的最大节点,也可以找右子树的最小节点。
					//进行交换,然后更新平衡因子
					Node* mostleft = cur->_left;
					while (mostleft && mostleft->_right)
					{
						mostleft = mostleft->_right;
					}
					Node* curr = mostleft->_left;

					//直接进行赋值。
					cur->_key = mostleft->_key;
					cur->_val = mostleft->_val;
					Node* parent = mostleft->_parent;

					UpDateBFactor(parent,mostleft);

					if (mostleft == cur->_left)
					{
						if (curr != nullptr)
						{
							//改变cur与curr的指向。
							curr->_parent = cur;
							cur->_left = curr;
						}
						cur->_left = curr;
					}
					else
					{
						Node* parent = mostleft->_parent;
						parent->_right = curr;
						if (curr != nullptr)
						{
							//改变curr的父节点的指向
							curr->_parent = parent;
						}
					}
					//释放mostleft
					delete mostleft;
					//更新平衡因子
				}
					return true;
				}
			}

详细图解(建议收藏)

总结

删除的例子我们已经举完了,那么这里我们再总结一下:

  1. 调整完后,整棵树的高度变化(降低一个高度),会影响上面树的高度,需要向上调整。
  2. 调整完后,整棵树的高度不变,不会影响上面树的高度,无需调整。
  3. 最坏调整到根节点结束。

具体情况的分析,我等价替换一下:

  • 以删除的结点为左节点举例。
  1. parent的平衡因子为2,且其右节点的平衡因子为-1,等价于插入的右左双旋。
  2. parent的平衡因子为2,且其右节点的平衡因子为1, 等价于插入的左双旋。

说明: 这里的等价是包括平衡因子的调整的!

  • 核心情况
  1. parent的平衡因子为2且parent_right的平衡因子为0.
    在这里插入图片描述

这种情况是需要我们在插入的基础上,进行左旋之后,手动调平衡因子的。

  1. 在更新平衡因子时,插入是左减减,右加加。删除是左加加,右减减。
  2. 判断是否需要向上更新时,插入是1或者-1向上调整,删除是0向上调整。

 其实分析了那么多情况,其实也就这几点需要我们真正注意的,剩余的用插入剩下的轮子套用即可。

最后如果觉得文章不错的话,点个赞鼓励一下吧!

更多推荐

Java基于SpringBoot的校园疫情防控系统

文章目录第一章2.主要技术第三章第四章系统设计4.1功能结构4.2数据库设计4.2.1数据库E/R图4.2.2数据库表第五章系统功能实现5.1系统功能模块5.2后台功能模块5.2.1管理员功能源码咨询第一章springboot校园疫情防控系统演示录像2022一个好的系统能将校园疫情防控的管理手段提上一个新的台阶。系统内

一键实现冒泡排序算法,代码质量有保障!

近年来,深度学习和神经语言模型作为提高开发人员生产力的手段,尤其是2022年11月30日,ChatGPT这一现象级热点得出横空出世,在全球范围内形成了热烈的讨论,其中关于自动化代码生成和其它软件工程方面受到了极大的关注。软件开发过程涵盖了各种代码生成任务,包括代码自动生成、代码翻译和程序融合。受到预训练神经语言模型在不

【超实用】2023年,学生上班族如何简单快速,低成本的搭建一个博客网站

文章目录前言实操环节香港虚拟机购买博客搭建ssl证书配置备份设置总结前言因为工作和生活的需要,我一直有博客的搭建需求。我将总结下来,为读者提供参考。起初,我采用的是香港云虚拟主机,这种虚拟机极其便宜(一个月几块钱),域名免备案。这非常好,我用了一段时间发现,香港虚拟机的内地访问速度比较慢,并且服务商可能过一两年就会跑路

紫光展锐5G芯T820 解锁全新应用场景,让机器人更智能

数字经济的持续发展正推动机器人产业成为风口赛道。工信部数据显示,2023年上半年,我国工业机器人产量达22.2万套,同比增长5.4%;服务机器人产量为353万套,同比增长9.6%。作为国内商用服务机器人领先企业,云迹科技近日在“云迹UP服务平台全球首发”发布会上表示,机器人正迎来3.0时代,从原来单纯只能执行单一功能的

计算机网络 套接字函数 | socket、bind、listen、accept、connect

欢迎关注博主Mindtechnist或加入【LinuxC/C++/Python社区】一起学习和分享Linux、C、C++、Python、Matlab,机器人运动控制、多机器人协作,智能优化算法,滤波估计、多传感器信息融合,机器学习,人工智能等相关领域的知识和技术。socket、bind、listen、accept、co

【AI视野·今日Robot 机器人论文速览 第三十六期】Tue, 19 Sep 2023

AI视野·今日CS.Robotics机器人学论文速览Tue,19Sep2023(showingfirst100of112entries)Totally112papers👉上期速览✈更多精彩请移步主页DailyRoboticsPapersGeneralIn-HandObjectRotationwithVisionand

基于SpringBoot+Vue的宠物领养饲养交流管理平台设计与实现

前言💗博主介绍:✌全网粉丝10W+,CSDN特邀作者、博客专家、CSDN新星计划导师、全栈领域优质创作者,博客之星、掘金/华为云/阿里云/InfoQ等平台优质作者、专注于Java、小程序技术领域和毕业项目实战✌💗👇🏻精彩专栏推荐订阅👇🏻2023-2024年最值得选的微信小程序毕业设计选题大全:100个热门选

游戏初步——发牌程序(控制台版)以及一些扩展(python)

目录题目要求:初始代码:实际上,如果pocker直接存储扑克牌,而不是扑克牌的编号,则程序更加简单,但是pocker列表创建书写麻烦一些。修改后代码如下:算法描述或实验步骤最终代码:代码详解:技能1:查找对子技能2:查找数量最多的花色技能3:查找最长连续顺子题目要求:请完成《4.6游戏初步——发牌程序(控制台版)》,并

人脸图像数据增强

为什么要做数据增强在计算机视觉相关任务中,数据增强(DataAugmentation)是一种常用的技术,用于扩展训练数据集的多样性。它包括对原始图像进行一系列随机或有规律的变换,以生成新的训练样本。数据增强的主要目的是增加模型的泛化能力、提高模型的鲁棒性,并减轻过拟合的风险。以下是进行数据增强的几个重要原因:增加数据样

学习笔记|外部中断|INT0|中断列表|STC32G单片机视频开发教程(冲哥)|第十五集:中断系统和外部中断

文章目录1.中断和中断系统1.1什么是中断?1.2什么是中断系统1.3中断系统的优点1.4中断系统包含哪些中断源1.5.中断次序2.什么是外部中断3.外部中断的用法4.外部中断的用法新的测试场景完整代码总结课后练习:上节课我们学完了GPIO的矩阵按键,已经把这个GPIO的一个外设全都已经学完了今天开始我们要学习这个单片

COVID疫苗加强针来袭,是否该接种?

Sience子刊新研究揭示:COVID-19病毒影响人体线粒体功能,或成治疗新途径NatureMedicine:脑雾、记忆和注意力不集中可能是新冠感染引发的血栓导致的Nature揭秘--为什么有些白人感染新冠病毒后不会生病SARS-CoV-2重复感染将为常态整个北半球,公卫人员正在紧锣密鼓地推进秋季COVID-19疫苗

热文推荐