13.JavaScript 数据结构与算法（十三）二叉搜索树

[webVueBlog]

二叉搜索树

二叉搜索树（BST，Binary Search Tree），也称为二叉排序树和二叉查找树。

二叉搜索树是一棵二叉树，可以为空。

如果不为空，则满足以下性质：

• 条件 1：非空左子树的所有键值小于其根节点的键值。比如三中节点 6 的所有非空左子树的键值都小于 6；
• 条件 2：非空右子树的所有键值大于其根节点的键值；比如三中节点 6 的所有非空右子树的键值都大于 6；
• 条件 3：左、右子树本身也都是二叉搜索树；

总结：二叉搜索树的特点主要是较小的值总是保存在左节点上，相对较大的值总是保存在右节点上。这种特点使得二叉搜索树的查询效率非常高，这也就是二叉搜索树中“搜索”的来源。

二叉搜索树的封装

二叉搜索树有四个最基本的属性：指向节点的根（root），节点中的键（key）、左指针（right）、右指针（right）。

所以，二叉搜索树中除了定义 root 属性外，还应定义一个节点内部类，里面包含每个节点中的 left、right 和 key 三个属性。

// 节点类
class Node {
 constructor(key) {
 this.key = key;
 this.left = null;
 this.right = null;
 }
}

二叉搜索树的常见操作：

• insert(key) 向树中插入一个新的键。
• search(key) 在树中查找一个键，如果节点存在，则返回 true；如果不存在，则返回 false。
• preOrderTraverse 通过先序遍历方式遍历所有节点。
• inOrderTraverse 通过中序遍历方式遍历所有节点。
• postOrderTraverse 通过后序遍历方式遍历所有节点。
• min 返回树中最小的值/键。
• max 返回树中最大的值/键。
• remove(key) 从树中移除某个键。

插入数据

实现思路：

• 首先根据传入的 key 创建节点对象。
• 然后判断根节点是否存在，不存在时通过：this.root = newNode，直接把新节点作为二叉搜索树的根节点。
• 若存在根节点则重新定义一个内部方法 insertNode() 用于查找插入点。

insert(key) 代码实现

// insert(key) 插入数据
insert(key) {
 const newNode = new Node(key);

 if (this.root === null) {
 this.root = newNode;
 } else {
 this.insertNode(this.root, newNode);
 }

}

insertNode() 的实现思路:

根据比较传入的两个节点，一直查找新节点适合插入的位置，直到成功插入新节点为止。

• 当 newNode.key < node.key 向左查找:

  • 情况 1：当 node 无左子节点时，直接插入：

  • 情况 2：当 node 有左子节点时，递归调用 insertNode()，直到遇到无左子节点成功插入 newNode 后，不再符合该情况，也就不再调用 insertNode()，递归停止。

• 当 newNode.key >= node.key 向右查找，与向左查找类似：

  • 情况 1：当 node 无右子节点时，直接插入：

  • 情况 2：当 node 有右子节点时，依然递归调用 insertNode()，直到遇到传入 insertNode 方法 的 node 无右子节点成功插入 newNode 为止。

insertNode(root, node) 代码实现

insertNode(root, node) {

 if (node.key < root.key) { // 往左边查找插入

 if (root.left === null) {
 root.left = node;
 } else {
 this.insertNode(root.left, node);
 }

 } else { // 往右边查找插入

 if (root.right === null) {
 root.right = node;
 } else {
 this.insertNode(root.right, node);
 }

 }

}

遍历数据

这里所说的树的遍历不仅仅针对二叉搜索树，而是适用于所有的二叉树。由于树结构不是线性结构，所以遍历方式有多种选择，常见的三种二叉树遍历方式为：

• 先序遍历；
• 中序遍历；
• 后序遍历；

还有层序遍历，使用较少。

总结

以遍历根（父）节点的顺序来区分三种遍历方式。比如：先序遍历先遍历根节点、中序遍历第二遍历根节点、后续遍历最后遍历根节点。

先序遍历

代码实现：

// 先序遍历（根左右 DLR）
preorderTraversal() {
 const result = [];
 this.preorderTraversalNode(this.root, result);
 return result;
}

preorderTraversalNode(node, result) {
 if (node === null) return result;
 result.push(node.key);
 this.preorderTraversalNode(node.left, result);
 this.preorderTraversalNode(node.right, result);
}

中序遍历

代码实现：

// 中序遍历（左根右 LDR）
inorderTraversal() {
 const result = [];
 this.inorderTraversalNode(this.root, result);
 return result;
}

inorderTraversalNode(node, result) {
 if (node === null) return result;
 this.inorderTraversalNode(node.left, result);
 result.push(node.key);
 this.inorderTraversalNode(node.right, result);
}

后序遍历

代码实现：

// 后序遍历（左右根 LRD）
postorderTraversal() {
 const result = [];
 this.postorderTraversalNode(this.root, result);
 return result;
}

postorderTraversalNode(node, result) {
 if (node === null) return result;
 this.postorderTraversalNode(node.left, result);
 this.postorderTraversalNode(node.right, result);
 result.push(node.key);
}

查找数据

查找最大值或最小值

在二叉搜索树中查找最值非常简单，最小值在二叉搜索树的最左边，最大值在二叉搜索树的最右边。只需要一直向左/右查找就能得到最值

代码实现：

// min() 获取二叉搜索树最小值
min() {
 if (!this.root) return null;
 let node = this.root;
 while (node.left !== null) {
 node = node.left;
 }
 return node.key;
}

// max() 获取二叉搜索树最大值
max() {
 if (!this.root) return null;
 let node = this.root;
 while (node.right !== null) {
 node = node.right;
 }
 return node.key;
}

查找特定值

查找二叉搜索树当中的特定值效率也非常高。只需要从根节点开始将需要查找节点的 key 值与之比较，若 node.key < root 则向左查找，若 node.key > root 就向右查找，直到找到或查找到 null 为止。这里可以使用递归实现，也可以采用循环来实现。

代码实现：

// search(key) 查找二叉搜索树中是否有相同的key，存在返回 true，否则返回 false
search(key) {
 return this.searchNode(this.root, key);
}

// 通过递归实现
searchNode(node, key) {
 if (node === null) return false;
 if (key < node.key) {
 return this.searchNode(node.left, key);
 } else if (key > node.key) {
 return this.searchNode(node.right, key);
 } else {
 return true;
 }
}

// 通过 while 循环实现
search2(key) {

 let node = this.root;

 while (node !== null) {
 if (key < node.key) {
 node = node.left;
 } else if (key > node.key) {
 node = node.right;
 } else {
 return true;
 }
 }

 return false;

}

平衡树

二叉搜索树的缺陷：当插入的数据是有序的数据，就会造成二叉搜索树的深度过大。

平衡树

二叉搜索树的缺陷：当插入的数据是有序的数据，就会造成二叉搜索树的深度过大。比如原二叉搜索树由 11 7 15 组成，如下图所示：

当插入一组有序数据：6 5 4 3 2 就会变成深度过大的搜索二叉树，会严重影响二叉搜索树的性能。

非平衡树

• 比较好的二叉搜索树，它的数据应该是左右均匀分布的。
• 但是插入连续数据后，二叉搜索树中的数据分布就变得不均匀了，我们称这种树为非平衡树。
• 对于一棵平衡二叉树来说，插入/查找等操作的效率是 O(log n)。
• 而对于一棵非平衡二叉树来说，相当于编写了一个链表，查找效率变成了 O(n)。

树的平衡性

为了能以较快的时间 O(log n)来操作一棵树，我们需要保证树总是平衡的：

• 起码大部分是平衡的，此时的时间复杂度也是接近 O(log n) 的；
• 这就要求树中每个节点左边的子孙节点的个数，应该尽可能地等于右边的子孙节点的个数；

常见的平衡树

• AVL 树：是最早的一种平衡树，它通过在每个节点多存储一个额外的数据来保持树的平衡。由于 AVL 树是平衡树，所以它的时间复杂度也是 O(log n)。但是它的整体效率不如红黑树，开发中比较少用。
• 红黑树：同样通过一些特性来保持树的平衡，时间复杂度也是 O(log n)。进行插入/删除等操作时，性能优于 AVL 树，所以平衡树的应用基本都是红黑树。