何为二叉搜索树

本篇内容主要讲解“何为二叉搜索树”，感兴趣的朋友不妨来看看。本文介绍的方法操作简单快捷，实用性强。下面就让小编来带大家学习“何为二叉搜索树”吧!

网站建设哪家好，找创新互联！专注于网页设计、网站建设、微信开发、重庆小程序开发公司、集团企业网站建设等服务项目。为回馈新老客户创新互联还提供了桦甸免费建站欢迎大家使用！

什么是树

树是一种数据结构，它是由n(n>=1)个有限结点组成一个具有层次关系的集合。把它叫做“树”是因为它看起来像一棵倒挂的树，也就是说它是根朝上，而叶朝下的。

树是递归的，将树的任何一个节点以及节点下的节点都能组合成一个新的树，所以树的很多问题都是使用递归去完成。

根节点： 最上面的那个节点(root)，根节点没有父节点，只有子节点(0个或多个都可以)

层数：一般认为根节点是第1层(有的也说第0层)，而树的高度就是层数最高(上图层数开始为1)节点的层数

节点关系:

• 父节点：连接该节点的上一层节点,

• 孩子节点: 和父节点对应，上下关系。而祖先节点是父节点的父节点(或者祖先)节点。

• 兄弟节点：拥有同一个父节点的节点们!

节点的度:就是节点拥有孩子节点的个数(是直接连接的孩子不是子孙).

树的度:就是所有节点中最大 (节点的度)。同时，如果度大于0的节点是分支节点,度等于0的节点是叶子节点(没有子孙)。

相关性质：

二叉树

二叉树是一树的一种，但应用比较多，所以需要深入学习，二叉树的每个节点最多只有两个子节点(但不一定非得要有两个节点)。

二叉树与度为2的树的区别：

1、度为2的的树必须有三个节点以上(否则就不叫度为二了，一定要先存在)，二叉树可以为空。

2、二叉树的度不一定为2,比如斜树。

3、二叉树有左右节点区分，而度为2的树没有左右节点的区分。

几种特殊二叉树：

满二叉树：高度为n的满二叉树有(2^n) -1个节点

满二叉树

完全二叉树：上面一层全部满，最下一层从左到右顺序排列

完全二叉树

二叉排序树：树按照一定规则插入排序(本文详解)。

平衡二叉树：树上任意节点左子树和右子树深度差距不超过1(后文详解).

二叉树性质：

1、二叉树有用树的性质

2、非空二叉树叶子节点数=度为2的节点数+1.本来一个节点如果度为1.那么一直延续就一个叶子，但如果出现一个度为2除了延续原来的一个节点，会多出一个节点需要维系。所以到最后会多出一个叶子。

3、非空第i层最多有2^(i-1)个节点。

4、高为h的树最多有(2^h)-1个节点(等比求和)。

二叉树一般用链式存储，这样内存利用更高，但二叉树也可以用数组存储的(经常会遇到)，各个节点对应的下标是可以计算出来的，就拿一个完全二叉树若从左往右，从上到下编号如图：

二叉树节点位置对应关系

二叉排序(搜索)树

概念

前面铺垫那么多，咱们言归正传，详细讲解并实现一个二叉排序树，二叉搜索树拥有二叉树的性质，同时有一些自己的规则：

首先要了解二叉排序树的规则：从任意节点开始，节点左侧节点值总比节点右侧值要小。

例如一个二叉排序树依次插入15，6，23，7，4，71，5，50会形成下图顺序

一个二叉排序树

构造

二叉排序树是由若干节点(node)构成的，对于node需要这些属性：left，right，和value。其中left和right是左右指针指向左右孩子子树，而value是储存的数据，这里用int  类型。

node类构造为：

class node {//结点     public int value;     public node left;     public node right;     public node()     {     }     public node(int value)     {         this.value=value;         this.left=null;         this.right=null;     }     public node(int value,node l,node r)     {         this.value=value;         this.left=l;         this.right=r;     }            }

既然节点构造好了，那么就需要节点等其他信息构造成树，有了链表构造经验，很容易得知一棵树最主要的还是root根节点。

所以树的构造为：

public class BinarySortTree {     node root;//根     public BinarySortTree()     {root=null;}     public void makeEmpty()//变空     {root=null;}     public boolean isEmpty()//查看是否为空     {return root==null;}     //各种方法 }

可以用图来表示一下这个结构：

主要方法

既然已经构造好一棵树，那么就需要实现主要的方法,因为二叉排序树中每个节点都能看作一棵树。所以我们创建方法的是时候加上节点参数(方便一些递归调用)

findmax(),findmin()

findmin()找到最小节点：

因为所有节点的最小都是往左插入，所以只需要找到最左侧的返回即可，具体实现可使用递归也可非递归while循环。

findmax()找到最大节点：

因为所有节点大的都是往右面插入，所以只需要找到最右侧的返回即可，实现方法与findmin()方法一致。

代码使用递归函数

public node findmin(node t)//查找最小返回值是node，调用查看结果时需要.value {     if(t==null) {return null;}     else if(t.left==null) {return t;}     else return(findmin(t.left));    } public node findmax(node t)//查找最大 {     if(t==null) {return null;}     else if(t.right==null) {return t;}     else return(findmax(t.right));   }

一个图中查找最大最小过程如下：

查找过程

isContains(int x)

这里的意思是查找二叉查找树中是否存在值为x的节点。

在具体实现上，根据二叉排序树左侧更小，右侧更大的性质进行往下查找，如果找到值为x的节点则返回true，如果找不到就返回false，当然实现上可以采用递归或者非递归，我这里使用非递归的方式。

public boolean isContains(int x)//是否存在 {     node current=root;     if(root==null) {return false;}     while(current.value!=x&¤t!=null)      {         if(xcurrent.value) {current=current.right;}         if(current==null) {return false;}//在里面判断如果超直接返回     }     //如果在这个位置判断是否为空会导致current.value不存在报错      if(current.value==x) {return true;}             return false;        }

insert(int x)

插入的思想和前面isContains(int x)类似，找到自己的位置(空位置)插入。

但是具体实现上有需要注意的地方，我们要到待插入位置上一层节点，你可能会疑问为什么不直接找到最后一个空，然后将current赋值过去current=new  node(x)，这样的化current就相当于指向一个new  node(x)节点，和原来树就脱离关系(原树相当于没有任何操作)，所以要提前通过父节点判定是否为空找到位置，找到合适位置通过父节点的left或者right节点指向新创建的节点才能完成插入的操作。

public node insert(int x)// 插入 t是root的引用 {     node current = root;     if (root == null) {         root = new node(x);         return root;     }     while (current != null) {         if (x < current.value) {             if (current.left == null) {                 return current.left = new node(x);}             else current = current.left;}         else if (x > current.value) {             if (current.right == null) {                 return current.right = new node(x);}             else current = current.right;         }     }     return current;//其中用不到 }

比如说上面树插入值为51的节点。

插入值为51的节点

delete(int x)

删除操作算是一个相对较难理解的操作了，因为待删除的点可能在不同位置所以具体处理的方式也不同，如果是叶子即可可直接删除，有一个孩子节点用子节点替换即可，有两个子节点的就要先找到值距离待删除节点最近的点(左子树最大点或者右子树最小点)，将值替换掉然后递归操作在子树中删除已经替换的节点，当然没具体分析可以看下面：

删除的节点没有子孙:

这种情况不需要考虑，直接删除即可(节点=null即可)(图中红色点均满足这种方式)。

待删除节点为叶子节点

一个子节点为空：

此种情况也很容易，直接将删除点的子节点放到被删除位置即可。

待删除节点有1个孩子

左右节点均不空

左右孩子节点都不为空这种情况是相对比较复杂的，因为不能直接用其中一个孩子节点替代当前节点(放不下，如果孩子节点也有两个孩子那么有一个节点无法放，例如拿下面71节点替代)

待删除节点有两个孩子

如果拿19或者71节点填补。虽然可以保证部分侧大于小于该节点，但是会引起合并的混乱.比如你若用71替代23节点。那么你需要考虑三个节点(19,50,75)之间如何处理，还要考虑他们是否满，是否有子女，这是个复杂的过程，不适合考虑。

所以，我们要分析我们要的这个点的属性：能够保证该点在这个位置仍满足二叉搜索树的性质(找到值最近的)，那么子树中哪个节点满足这样的关系呢?

左子树中最右侧节点或者右子树中最左侧节点都满足，我们可以选一个节点将待删除节点值替换掉(这里替换成左子树最右侧节点)。

这个点替换之后该怎么办呢?很简单啊，二叉树用递归思路解决问题，再次调用删除函数在左子树中删除替换的节点即可。

先替换值再递归在子树中删除18节点

这里演示是选取左子树最大节点(最右侧)替代，当然使用右子树最小节点也能满足在这待删除的大小关系，原理一致。整个删除算法流程为：

删除流程

这部分操作的代码为：

public node remove(int x, node t)// 删除节点 {   if (t == null) {     return null;   }   if (x < t.value) {     t.left = remove(x, t.left);   } else if (x > t.value) {     t.right = remove(x, t.right);   } else if (t.left != null && t.right != null)// 左右节点均不空   {     t.value = findmin(t.right).value;// 找到右侧最小值替代     t.right = remove(t.value, t.right);   } else // 左右单空或者左右都空   {     if (t.left == null && t.right == null) {       t = null;     } else if (t.right != null) {       t = t.right;     } else if (t.left != null) {       t = t.left;     }     return t;   }   return t; }

完整代码

这个完整代码是笔者在大三时候写的，可能有不少疏漏或者不规范的地方，仅供学习参考，如有疏漏错误还请指正。

二叉排序树完整代码为：

到此，相信大家对“何为二叉搜索树”有了更深的了解，不妨来实际操作一番吧！这里是创新互联网站，更多相关内容可以进入相关频道进行查询，关注我们，继续学习！