算法系列15天速成——第十二天 树操作【中】

简介:

 

    先前说了树的基本操作,我们采用的是二叉链表来保存树形结构,当然二叉有二叉的困扰之处,比如我想找到当前结点

的“前驱”和“后继”,那么我们就必须要遍历一下树,然后才能定位到该“节点”的“前驱”和“后继”,每次定位都是O(n),这

不是我们想看到的,那么有什么办法来解决呢?

   (1) 在节点域中增加二个指针域,分别保存“前驱”和“后继”,那么就是四叉链表了,哈哈,还是有点浪费空间啊。

   (2) 看下面的这个二叉树,我们知道每个结点有2个指针域,4个节点就有8个指针域,其实真正保存节点的指针

            仅有3个,还有5个是空闲的,那么为什么我们不用那些空闲的指针域呢,达到资源的合理充分的利用。

一: 线索二叉树

 

1  概念

      刚才所说的在空闲的指针域里面存放“前驱”和“后继”就是所谓的线索。

        <1>  左线索:   在空闲的左指针域中存放该“结点”的“前驱”被认为是左线索。

        <2>  右线索:   在空闲的右指针域中存放该“结点“的”后继“被认为是右线索。

      当“二叉链表”被套上这种线索,就被认为是线索链表,当“二叉树”被套上这种线索就被认为是线索二叉树,当然线索根据

二叉树的遍历形式不同被分为“先序线索”,“中序线索”,“后序线索”。

 

2  结构图

      说了这么多,我们还是上图说话,就拿下面的二叉树,我们构建一个中序线索二叉树,需要多动动脑子哟。

     <1> 首先要找到“中序遍历”中的首结点D,因为“D结点”是首节点,所以不存在“前驱”,左指针自然是空,

            ”D节点”的右指针存放的是“后继”,那么根据“中序遍历”的规则应该是B,所以D的右指针存放着B节点。

     <2>  接着就是“B节点”,他的左指针不为空,所以就不管了,但是他的“右指针”空闲,根据规则“B结点“的右

             指针存放的是"A结点“。

     <3>  然后就是“A节点”,他已经被塞的满满的,所以就没有“线索”可言了。

     <4>  最后就是“C节点”,根据规则,他的“左指针”存放着就是“A节点“,”C节点“是最后一个节点,右指针自然就是空的,你懂的。

3 基本操作

   

   常用的操作一般有“创建线索二叉树”,”查找后继节点“,”查找前驱节点“,”遍历线索二叉树“,下面的操作我们就以”中序遍历“

来创建中序线索二叉树。

 

<1>  线索二叉树结构

          从“结构图”中可以看到,现在结点的指针域中要么是”子节点(SubTree)“或者是”线索(Thread)“,此时就要设立标志位来表示指针域

      存放的是哪一种。

#region 节点标识(用于判断孩子是节点还是线索)
    /// <summary>
/// 节点标识(用于判断孩子是节点还是线索)
/// </summary>
    public enum NodeFlag
    {
        SubTree = 1,
        Thread = 2
    }
    #endregion

    #region 线索二叉树的结构
    /// <summary>
/// 线索二叉树的结构
/// </summary>
/// <typeparam name="T"></typeparam>
    public class ThreadTree<T>
    {
        public T data;
        public ThreadTree<T> left;
        public ThreadTree<T> right;
        public NodeFlag leftFlag;
        public NodeFlag rightFlag;
    }
    #endregion


<2>  创建线索二叉树

        刚才也说了如何构建中序线索二叉树,在代码实现中,我们需要定义一个节点来保存当前节点的前驱,我练习的时候迫不得已,只能使用两个

    ref来实现地址操作,达到一个Tree能够让两个变量来操作。

#region 中序遍历构建线索二叉树
        /// <summary>
/// 中序遍历构建线索二叉树
/// </summary>
/// <typeparam name="T"></typeparam>
/// <param name="tree"></param>
        public void BinTreeThreadingCreate_LDR<T>(ref ThreadTree<T> tree, ref ThreadTree<T> prevNode)
        {
            if (tree == null)
                return;

            //先左子树遍历,寻找起始点
            BinTreeThreadingCreate_LDR(ref tree.left, ref prevNode);

            //如果left为空,则说明该节点可以放“线索”
            tree.leftFlag = (tree.left == null) ? NodeFlag.Thread : NodeFlag.SubTree;

            //如果right为空,则说明该节点可以放“线索”
            tree.rightFlag = (tree.right == null) ? NodeFlag.Thread : NodeFlag.SubTree;

            if (prevNode != null)
            {
                if (tree.leftFlag == NodeFlag.Thread)
                    tree.left = prevNode;
                if (prevNode.rightFlag == NodeFlag.Thread)
                    prevNode.right = tree;
            }

            //保存前驱节点
            prevNode = tree;

            BinTreeThreadingCreate_LDR(ref tree.right, ref prevNode);
        }
        #endregion

 

<3> 查找后继结点

         现在大家都知道,后继结点都是保存在“结点“的右指针域中,那么就存在”两种情况“。

            《1》 拿“B节点“来说,他没有右孩子,则肯定存放着线索(Thread),所以我们直接O(1)的返回他的线索即可。

            《2》 拿“A节点”来说,他有右孩子,即右指针域存放的是SubTree,悲哀啊,如何才能得到“A节点“的后继呢?其实也很简单,

                    根据”中序“的定义,”A节点“的后继必定是”A节点“的右子树往左链找的第一个没有左孩子的节点(只可意会,不可言传,嘻嘻)。

#region 查找指定节点的后继
        /// <summary>
/// 查找指定节点的后继
/// </summary>
/// <typeparam name="T"></typeparam>
/// <param name="tree"></param>
        public ThreadTree<T> BinTreeThreadNext_LDR<T>(ThreadTree<T> tree)
        {
            if (tree == null)
                return null;

            //如果查找节点的标志域中是Thread,则直接获取
            if (tree.rightFlag == NodeFlag.Thread)
                return tree.right;
            else
            {
                //根据中序遍历的规则是寻找右子树中中序遍历的第一个节点
                var rightNode = tree.right;

                //如果该节点是subTree就需要循环遍历
                while (rightNode.leftFlag == NodeFlag.SubTree)
                {
                    rightNode = rightNode.left;
                }
                return rightNode;
            }
        }
        #endregion

 

<4> 查找前驱节点
        

        这个跟(3)的操作很类似,同样也具有两个情况。

          《1》  拿“C结点”来说,他没有“左子树”,则说明“C节点”的左指针为Thread,此时,我们只要返回左指针域即可得到前驱结点。

          《2》  拿"A节点“来说,他有”左子树“,则说明”A节点“的左指针为SubTree,那么怎么找的到”A节点“的前驱呢?同样啊,根据

                   ”中序遍历“的性质,我们可以得知在”A节点“的左子树中往”右链“中找到第一个没有”右孩子“的节点。

#region 查找指定节点的前驱
        /// <summary>
/// 查找指定节点的前驱
/// </summary>
/// <typeparam name="T"></typeparam>
/// <param name="tree"></param>
/// <returns></returns>
        public ThreadTree<T> BinTreeThreadPrev_LDR<T>(ThreadTree<T> tree)
        {
            if (tree == null)
                return null;

            //如果标志域中存放的是线索,那么可以直接找出来
            if (tree.leftFlag == NodeFlag.Thread)
                return tree.left;
            else
            {
                //根据”中序“的规则可知,如果不为Thread,则要找出左子树的最后节点
//也就是左子树中最后输出的元素
                var leftNode = tree.left;

                while (leftNode.rightFlag == NodeFlag.SubTree)
                    leftNode = leftNode.right;

                return leftNode;
            }
        }
        #endregion


<5> 遍历线索二叉树

          因为我们构建线索的时候采用的是“中序”,那么我们遍历同样采用“中序”,大家是否看到了“线索”的好处,此时我们找某个节点的时间复杂度变为了

        O(1) ~0(n)的时间段,比不是线索的时候查找“前驱"和“后继”效率要高很多。

#region 遍历线索二叉树
        /// <summary>
/// 遍历线索二叉树
/// </summary>
/// <typeparam name="T"></typeparam>
/// <param name="tree"></param>
        public void BinTreeThread_LDR<T>(ThreadTree<T> tree)
        {
            if (tree == null)
                return;

            while (tree.leftFlag == NodeFlag.SubTree)
                tree = tree.left;

            do
            {
                Console.Write(tree.data + "\t");

                tree = BinTreeThreadNext_LDR(tree);

            } while (tree != null);

        }
        #endregion

 

最后上一下总的运行代码

using System;
using System.Collections.Generic;
using System.Linq;
using System.Text;

namespace ThreadChainTree
{
    class Program
    {
        static void Main(string[] args)
        {
            ThreadTreeManager manager = new ThreadTreeManager();

            //生成根节点
            ThreadTree<string> tree = CreateRoot();

            //生成节点
            AddNode(tree);

            ThreadTree<string> prevNode = null;

            //构建线索二叉树
            manager.BinTreeThreadingCreate_LDR(ref tree, ref prevNode);

            Console.WriteLine("\n线索二叉树的遍历结果为:\n");
            //中序遍历线索二叉树
            manager.BinTreeThread_LDR(tree);
        }

        #region 生成根节点
        /// <summary>
/// 生成根节点
/// </summary>
/// <returns></returns>
        static ThreadTree<string> CreateRoot()
        {
            ThreadTree<string> tree = new ThreadTree<string>();

            Console.WriteLine("请输入根节点,方便我们生成树\n");

            tree.data = Console.ReadLine();

            Console.WriteLine("根节点生成已经生成\n");

            return tree;
        }
        #endregion

        #region 插入节点操作
        /// <summary>
/// 插入节点操作
/// </summary>
/// <param name="tree"></param>
        static ThreadTree<string> AddNode(ThreadTree<string> tree)
        {
            ThreadTreeManager mananger = new ThreadTreeManager();

            while (true)
            {
                ThreadTree<string> node = new ThreadTree<string>();

                Console.WriteLine("请输入要插入节点的数据:\n");

                node.data = Console.ReadLine();

                Console.WriteLine("请输入要查找的父节点数据:\n");

                var parentData = Console.ReadLine();

                if (tree == null)
                {
                    Console.WriteLine("未找到您输入的父节点,请重新输入。");
                    continue;
                }

                Console.WriteLine("请确定要插入到父节点的:1 左侧,2 右侧");

                Direction direction = (Direction)Enum.Parse(typeof(Direction), Console.ReadLine());

                tree = mananger.BinTreeThreadAddNode(tree, node, parentData, direction);

                Console.WriteLine("插入成功,是否继续?  1 继续, 2 退出");

                if (int.Parse(Console.ReadLine()) == 1)
                    continue;
                else
                    break;
            }

            return tree;
        }
        #endregion
    }

    #region 节点标识(用于判断孩子是节点还是线索)
    /// <summary>
/// 节点标识(用于判断孩子是节点还是线索)
/// </summary>
    public enum NodeFlag
    {
        SubTree = 1,
        Thread = 2
    }
    #endregion

    #region 线索二叉树的结构
    /// <summary>
/// 线索二叉树的结构
/// </summary>
/// <typeparam name="T"></typeparam>
    public class ThreadTree<T>
    {
        public T data;
        public ThreadTree<T> left;
        public ThreadTree<T> right;
        public NodeFlag leftFlag;
        public NodeFlag rightFlag;
    }
    #endregion

    #region 插入左节点或者右节点
    /// <summary>
/// 插入左节点或者右节点
/// </summary>
    public enum Direction { Left = 1, Right = 2 }
    #endregion

    #region 线索二叉树的基本操作
    /// <summary>
/// 线索二叉树的基本操作
/// </summary>
    public class ThreadTreeManager
    {
        #region 将指定节点插入到二叉树中
        /// <summary>
/// 将指定节点插入到二叉树中
/// </summary>
/// <typeparam name="T"></typeparam>
/// <param name="tree"></param>
/// <param name="node"></param>
/// <param name="direction">插入做左是右</param>
/// <returns></returns>
        public ThreadTree<T> BinTreeThreadAddNode<T>(ThreadTree<T> tree, ThreadTree<T> node, T data, Direction direction)
        {
            if (tree == null)
                return null;

            if (tree.data.Equals(data))
            {
                switch (direction)
                {
                    case Direction.Left:
                        if (tree.left != null)
                            throw new Exception("树的左节点不为空,不能插入");
                        else
                            tree.left = node;

                        break;
                    case Direction.Right:
                        if (tree.right != null)
                            throw new Exception("树的右节点不为空,不能插入");
                        else
                            tree.right = node;

                        break;
                }
            }

            BinTreeThreadAddNode(tree.left, node, data, direction);
            BinTreeThreadAddNode(tree.right, node, data, direction);

            return tree;
        }
        #endregion

        #region 中序遍历构建线索二叉树
        /// <summary>
/// 中序遍历构建线索二叉树
/// </summary>
/// <typeparam name="T"></typeparam>
/// <param name="tree"></param>
        public void BinTreeThreadingCreate_LDR<T>(ref ThreadTree<T> tree, ref ThreadTree<T> prevNode)
        {
            if (tree == null)
                return;

            //先左子树遍历,寻找起始点
            BinTreeThreadingCreate_LDR(ref tree.left, ref prevNode);

            //如果left为空,则说明该节点可以放“线索”
            tree.leftFlag = (tree.left == null) ? NodeFlag.Thread : NodeFlag.SubTree;

            //如果right为空,则说明该节点可以放“线索”
            tree.rightFlag = (tree.right == null) ? NodeFlag.Thread : NodeFlag.SubTree;

            if (prevNode != null)
            {
                if (tree.leftFlag == NodeFlag.Thread)
                    tree.left = prevNode;
                if (prevNode.rightFlag == NodeFlag.Thread)
                    prevNode.right = tree;
            }

            //保存前驱节点
            prevNode = tree;

            BinTreeThreadingCreate_LDR(ref tree.right, ref prevNode);
        }
        #endregion

        #region 查找指定节点的后继
        /// <summary>
/// 查找指定节点的后继
/// </summary>
/// <typeparam name="T"></typeparam>
/// <param name="tree"></param>
        public ThreadTree<T> BinTreeThreadNext_LDR<T>(ThreadTree<T> tree)
        {
            if (tree == null)
                return null;

            //如果查找节点的标志域中是Thread,则直接获取
            if (tree.rightFlag == NodeFlag.Thread)
                return tree.right;
            else
            {
                //根据中序遍历的规则是寻找右子树中中序遍历的第一个节点
                var rightNode = tree.right;

                //如果该节点是subTree就需要循环遍历
                while (rightNode.leftFlag == NodeFlag.SubTree)
                {
                    rightNode = rightNode.left;
                }
                return rightNode;
            }
        }
        #endregion

        #region 查找指定节点的前驱
        /// <summary>
/// 查找指定节点的前驱
/// </summary>
/// <typeparam name="T"></typeparam>
/// <param name="tree"></param>
/// <returns></returns>
        public ThreadTree<T> BinTreeThreadPrev_LDR<T>(ThreadTree<T> tree)
        {
            if (tree == null)
                return null;

            //如果标志域中存放的是线索,那么可以直接找出来
            if (tree.leftFlag == NodeFlag.Thread)
                return tree.left;
            else
            {
                //根据”中序“的规则可知,如果不为Thread,则要找出左子树的最后节点
//也就是左子树中最后输出的元素
                var leftNode = tree.left;

                while (leftNode.rightFlag == NodeFlag.SubTree)
                    leftNode = leftNode.right;

                return leftNode;
            }
        }
        #endregion

        #region 遍历线索二叉树
        /// <summary>
/// 遍历线索二叉树
/// </summary>
/// <typeparam name="T"></typeparam>
/// <param name="tree"></param>
        public void BinTreeThread_LDR<T>(ThreadTree<T> tree)
        {
            if (tree == null)
                return;

            while (tree.leftFlag == NodeFlag.SubTree)
                tree = tree.left;

            do
            {
                Console.Write(tree.data + "\t");

                tree = BinTreeThreadNext_LDR(tree);

            } while (tree != null);

        }
        #endregion
    }
    #endregion
}

 

将文章开头处的数据输入到存储结构中

相关文章
|
4月前
|
存储 算法 C语言
"揭秘C语言中的王者之树——红黑树:一场数据结构与算法的华丽舞蹈,让你的程序效率飙升,直击性能巅峰!"
【8月更文挑战第20天】红黑树是自平衡二叉查找树,通过旋转和重着色保持平衡,确保高效执行插入、删除和查找操作,时间复杂度为O(log n)。本文介绍红黑树的基本属性、存储结构及其C语言实现。红黑树遵循五项基本规则以保持平衡状态。在C语言中,节点包含数据、颜色、父节点和子节点指针。文章提供了一个示例代码框架,用于创建节点、插入节点并执行必要的修复操作以维护红黑树的特性。
110 1
|
1月前
|
算法
树的遍历算法有哪些?
不同的遍历算法适用于不同的应用场景。深度优先搜索常用于搜索、路径查找等问题;广度优先搜索则在图的最短路径、层次相关的问题中较为常用;而二叉搜索树的遍历在数据排序、查找等方面有重要应用。
27 2
|
6月前
|
存储 算法 Java
Java中,树与图的算法涉及二叉树的前序、中序、后序遍历以及DFS和BFS搜索。
【6月更文挑战第21天】Java中,树与图的算法涉及二叉树的前序、中序、后序遍历以及DFS和BFS搜索。二叉树遍历通过访问根、左、右子节点实现。DFS采用递归遍历图的节点,而BFS利用队列按层次访问。以下是简化的代码片段:[Java代码略]
48 4
|
2月前
|
存储 算法 关系型数据库
数据结构与算法学习二一:多路查找树、二叉树与B树、2-3树、B+树、B*树。(本章为了解基本知识即可,不做代码学习)
这篇文章主要介绍了多路查找树的基本概念,包括二叉树的局限性、多叉树的优化、B树及其变体(如2-3树、B+树、B*树)的特点和应用,旨在帮助读者理解这些数据结构在文件系统和数据库系统中的重要性和效率。
26 0
数据结构与算法学习二一:多路查找树、二叉树与B树、2-3树、B+树、B*树。(本章为了解基本知识即可,不做代码学习)
|
6月前
|
存储 算法 Linux
【数据结构和算法】---二叉树(1)--树概念及结构
【数据结构和算法】---二叉树(1)--树概念及结构
54 0
|
3月前
|
大数据 UED 开发者
实战演练:利用Python的Trie树优化搜索算法,性能飙升不是梦!
在数据密集型应用中,高效搜索算法至关重要。Trie树(前缀树/字典树)通过优化字符串处理和搜索效率成为理想选择。本文通过Python实战演示Trie树构建与应用,显著提升搜索性能。Trie树利用公共前缀减少查询时间,支持快速插入、删除和搜索。以下为简单示例代码,展示如何构建及使用Trie树进行搜索与前缀匹配,适用于自动补全、拼写检查等场景,助力提升应用性能与用户体验。
61 2
|
2月前
|
存储 算法
数据结构与算法学习十六:树的知识、二叉树、二叉树的遍历(前序、中序、后序、层次)、二叉树的查找(前序、中序、后序、层次)、二叉树的删除
这篇文章主要介绍了树和二叉树的基础知识,包括树的存储方式、二叉树的定义、遍历方法(前序、中序、后序、层次遍历),以及二叉树的查找和删除操作。
30 0
|
2月前
|
存储 算法 Java
数据结构和算法--分段树
数据结构和算法--分段树
18 0
|
5月前
|
大数据 UED 开发者
实战演练:利用Python的Trie树优化搜索算法,性能飙升不是梦!
【7月更文挑战第19天】Trie树,又称前缀树,是优化字符串搜索的高效数据结构。通过利用公共前缀,Trie树能快速插入、删除和查找字符串。
122 2