一个更好的方法是保持树在任何情况下都是平衡的。
Adelsom-Velskii和Landis [?](在[?]中描述)使用一个简单的标准来衡量平衡这个概念:如果一棵树的每个结点的两个子树高度之差不超过1,我们就说这棵树是平衡的。具有这种特性的树常常被称作AVL树。平衡二叉树能够在O(logN)的时间规模里完成查找、插入和删除操作,N是树中结点的个数。
假设我们用元组{Key,Value,Height,Smaller,Bigger}表示一棵 AVL树,用{,,0,,}表示一棵空树。然后在树中的查找操作就很容易实现了:
- insert(Key, Value, {nil,nil,0,nil,nil}) ->
- E = empty_tree(),
- {Key,Value,1,E,E};
- insert(Key, Value, {K2,V2,H2,S2,B2}) when Key == K2 ->
- {Key,Value,H2,S2,B2};
- insert(Key, Value, {K2,V2,_,S2,B2}) when Key < K2 ->
- {K4,V4,_,S4,B4} = insert(Key, Value, S2),
- combine(S4, K4, V4, B4, K2, V2, B2);
- insert(Key, Value, {K2,V2,_,S2,B2}) when Key > K2 ->
- {K4,V4,_,S4,B4} = insert(Key, Value, B2),
- combine(S2, K2, V2, S4, K4, V4, B4).
- empty_tree() ->
- {nil,nil,0,nil,nil}.
思路是找到要插入的项将被插入到什么地方,如果插入使得树变得不平衡了,那么就平衡它。平衡一棵树的操作通过combine函数实现。
打印一棵树也很简单:
- write_tree(T) ->
- write_tree(0, T).
- io:tab(D),
- io:format('nil', []);
- write_tree(D, {Key,Value,_,Smaller,Bigger}) ->
- D1 = D + 4,
- write_tree(D1, Bigger),
- io:format('~n', []),
- io:tab(D),
- io:format('~w ===> ~w~n', [Key,Value]),
- write_tree(D1, Smaller).
现在让我们来看看我们的劳动成果。假设我们在一棵AVL树中插入键为1,2,3,…,16的16个数据。结果如图4.3,它是一棵平衡的树了(跟上一节那棵变形的树比较一下)。
图4.3 一棵平衡二叉树
- nil
- 16 ===> a
- nil
- 15 ===> a
- nil
- 14 ===> a
- nil
- 13 ===> a
- nil
- 12 ===> a
- 11 ===> a
- nil
- 10 ===> a
- nil
- 9 ===> a
- nil
- 8 ===> a
- nil
- 7 ===> a
- nil
- 6 ===> a
- nil
- 5 ===> a
- nil
- 4 ===> a
- nil
- 3 ===> a
- nil
- 2 ===> a
- nil
- nil
deletisp函数删除并返回树中最大的元素。
脚注