二叉查找树

??在处理数据的时候，二叉查找树是排好序的树，可以很快的实现数据的查找。其定义为：二叉查找树或者是空树，或者是满足如下性质的二叉树：

1. 若它的左子树非空，则左子树上所有结点的值均小于根结点的值；
2. 若它的右子树非空，则右子树上所有结点的值均大于根结点的值；
3. 左、右子树本身又各是一棵二叉查找树。

上述性质简称二叉查找树性质(BST性质)，故二叉查找树实际上是满足BST性质的二叉树。
对二叉查找树的遍历可以分为三种：中序遍历，前序遍历，后序遍历。其中中序遍历可以得到一个递增的序列。

??二叉查找树的实现需要节点Node类，包含了一个int类型的数据（一般情况定义为object类型）和两个分别指向两个分支的Node变量以及一个输出Node中数据的方法，代码如下：

class Node
{
    public int element;
    public Node left;
    public Node right;
    public Node() { }
    public Node(int value)
    {
        element = value;
        left = null;
        right = null;
    }
    public void DisplayNode()
    {
        Console.Write(element+"  ");
    }
}

有了节点我们就可以构建二叉查找树了，可以用一个insert方法挨个插入节点构建二叉查找树。在插入时需要先判断是否已存在包含相同数据的节点，若已存在，提示不可插入。代码如下：

public void insert(int val )
{
    if (SearchNode(val ))
        Console.WriteLine("sorry ,bst included the node ,please change it");
    else
    {
        Node newnode = new Node(val);
        
        if (root == null)
        {
            root = newnode;
        }
        else
        {
            Node currentNode = root;
            while (true)
            {
                parent = currentNode;
                if (newnode.element < currentNode.element)
                {
                    currentNode = currentNode.left;
                    if (currentNode == null)
                    {
                        parent.left = newnode;
                        break;
                    }
                }
                else if (newnode.element > currentNode.element)
                {
                    currentNode = currentNode.right;
                    if (currentNode == null)
                    {
                        parent.right = newnode;
                        break;
                    }
                }
            }
        }
    }
}

构建好二叉树就可以使用它了，二叉查找树最大的优点是数据是排好序的，查找很快。我们可以定义一个search方法来实现指定数据的查找，若找到，返回true；否者返回false。代码如下：

public bool SearchNode(  int val )
{
    if (root != null)
    {
        Node currentNode = root;
        Node value = new Node(val);
        if (currentNode == value)
        {
            return true;
        }
        while (true)
        {
            if (value.element < currentNode.element)
            {
                if (currentNode.left == null)
                {
                    break;
                }
                currentNode = currentNode.left;
            }
            else if (value.element > currentNode.element)
            {
                if (currentNode.right == null)
                {
                    break;
                }
                currentNode = currentNode.right;
            }
            else
                break;
        }
        if (currentNode.element != value.element)
        {
            return false;
        }
        else
            return true;
    }
    else
        return false;
}

在二叉查找树中，最大值与最小值的查找是最简单的，查找最大值只需要找到二叉查找树沿右子树到最远的那个节点，查找最小值只需要找到最左节点。
在二叉查找树中，删除操作要稍微麻烦一点，需要考虑四种情况。
1.要删除的节点是二叉查找树的叶子（即没有子树）。
2.要删除的节点有左子树，没有右子树。
3.要删除的节点有右子树，没有左子树。
4.要删除的节点有左右子树。
以上情况还要考虑待删除的节点属于左子树还是右子树。
最简单的是第一种情况，只需要将父节点的左子树或者右子树置空，代码如下：

if (currentNode.left==null&&currentNode.right==null)
{
    if (currentNode==root)
    {
        root = null;
    }
    else if (currentNode.element < parent.element)
    {
        parent.left = null;
    }
    else if (currentNode.element > parent.element)
    {
        parent.right = null;
    }
}

第二种情况和第三种情况属于一类，将待删除的节点存在的那一个子节点代替待删除的节点即可。代码如下：

//this Node  only have left sub 
else if (currentNode.left!=null&&currentNode.right==null)
{
    if (currentNode.element < parent.element)
    {
        parent.left = currentNode.left;
    }
    else
        parent.right = currentNode.left;
}
//this Node only have right sub 
else if (currentNode.left==null&&currentNode.right!=null)
{
    if (currentNode.element < parent.element)
    {
        parent.left = currentNode.right;
    }
    else
        parent.right = currentNode.right;
}

第四种情况要复杂一点。当我们删除掉一个具有左右子树的节点时，需要调整二叉查找树以使它保持二叉查找树的特性。删除的节点位置我们可以用两种方式来填充。中序遍历的前驱节点或中序遍历的后继节点。

中序遍历的前驱节点：该节点的左子树的最右子节点。

中序遍历的后继节点：该节点的右子树的最左子节点。

代码如下：

//this Node have two subs 
else if (currentNode.left!=null&&currentNode.right!=null)
{
Node insteadNodeParent ; //the parent of the node that will instead currentNode
Node insteadNode  ;//the node that will instead currentNode
insteadNodeParent=currentNode;
insteadNode = currentNode.left;
while(insteadNode.right!=null)//find the insteadNodeParent and the insteadNode
{
    insteadNodeParent = insteadNode;
    insteadNode = insteadNode.right;
}
if (currentNode.element
{
    if (insteadNodeParent != currentNode)
    {
        insteadNode.right = currentNode.right;
        insteadNode.left = currentNode.left;
        parent.left = insteadNode;
        insteadNodeParent.right = null;
    }
    else
    {
        insteadNode.right = currentNode.right;
        parent.left = insteadNode;
        insteadNodeParent.left = null;
    }
}
else if (currentNode.element>parent.element)//when currentNode in the right sub
{
    if (insteadNodeParent != currentNode)
    {
        insteadNode.right = currentNode.right;
        insteadNode.left = currentNode.left;
        parent.right = insteadNode;
        insteadNodeParent.right = null;
    }
    else
    {
        insteadNode.right = currentNode.right;
        parent.right = insteadNode;
        insteadNodeParent.left = null;
    }
}

完成了节点的删除，再实现对二叉查找树的三种方式的遍历。由于二叉查找树自身的特性，递归实现遍历是很方便的操作。代码如下：

///
/// preorder traverse
///
///
public void PreOrder(Node n)
{
    if (n!=null)
    {
        n.DisplayNode();
        PreOrder(n.left);
        PreOrder(n.right);
    }
}
///
/// inorder traverse
///
///
public void InOrder(Node n)
{
    if (n!=null)
    {
        InOrder(n.left);
        n.DisplayNode();
        InOrder(n.right);
    }
}
///
/// postorder traverse
///
///
public void PostOrder(Node n)
{
    if (n!=null)
    {
        PostOrder(n.left);
        PostOrder(n.right);
        n.DisplayNode();
    }
}

对二叉查找树的基本操作也就这些了，要记住的是它和散列表的比较。

散列表的优点是查询更快，利用散列函数，查询时间为常数1，这是最快的查询速度。
二叉树的查询速度也很快，为log(n)，慢于散列表。

但是二叉树相对于散列表的优点是，其中元素是排序的，而散列表不是排序的。
在空间不受限制时，且不需要高频率的排序操作时，二叉查找树不如散列表。反之二叉查找树优于散列表。

date: 2013-04-24 19:59:39