🏞️1. 红黑树的概念及性质
红黑树,是一种二叉搜索树,但在每个节点上增加一个存储位表示节点的颜色,可以是Red或Black. 通过对任何一条从根到叶子的路径上各个节点着色方式的限制,红黑树确保没有一条路径会比其他路径长出两倍,因此是接近平衡的.
红黑树的性质:
- 每个节点不是红色就是黑色
- 根结点是黑色的
- 如果一个节点是红色的,则它的两个孩子节点是黑色的
- 对于每个节点,从该节点到其所有后代叶子节点的简单路径上,均包含相同数量的黑色节点,
- 每个叶子节点都是黑色的(此处叶子节点指空节点)
为什么满足如上性质,红黑树就能保证:最长路径中节点个数不会超过最短路径节点个数的两倍?
分析如下:
🌁2. 红黑树节点定义
enum Color
{
BLACK,
RED
};
template<class K, class V>
struct RBTreeNode
{
RBTreeNode(pair<K, V> kv = pair<K, V>(), Color color = RED)
: _kv(kv)
, _color(color)
, _left(nullptr), _right(nullptr), _parent(nullptr)
{}
RBTreeNode<K, V>* _left;
RBTreeNode<K, V>* _right;
RBTreeNode<K, V>* _parent;
pair<K, V> _kv; //节点存储的数据
Color _color; //节点的颜色
};
🌠3. 红黑树插入
红黑树的插入与二叉搜索树的插入类似,只不过新增加了对于平衡的调整,可分为三种情况:
因为新节点的默认颜色是红色,因此:如果其双亲节点的颜色是黑色,没有违反红黑树任何性质,则不需要调整;但当新插入节点的双节点颜色为红色时,就违反了性质三不能有连在一起的红色节点,此时需要对红黑树分情况来讨论:
约定:cur为当前节点,p为父节点,g为祖父节点,u为叔叔节点
-
情况一:cur为红,p为红,g为黑,u存在且为红
上图情况二中c,d,e可能为这四种结果中的任意一种:
-
情况二:cur为红,p为红,u不存在/u存在且为黑
p为g的左孩子,cur为p的左孩子,则进行右单旋转;相反,p为g的右孩子,cur为p的右孩子,则进行左单旋转
p、g变色–p变黑,g变红
-
情况三:cur为红,p为红,g为黑,u不存在/u存在且为黑
p为g的左孩子,cur为p的右孩子,则针对p做左单旋转;
相反,p为g的右孩子,cur为p的左孩子,则针对p做右单旋转则转换成了情况2
具体情况分析:
情况二和情况三旋转+变色处理后,这棵子树不违反红黑树的规则,而且黑色节点数量相比插入前没有变化,所以不会再影响上层,调整结束.
红黑树插入代码:
bool insert(const pair<K, V>& kv)
{
if (_root == nullptr)
{
_root = new Node(kv);
_root->_color = BLACK;
return true;
}
Node* parent = nullptr;
Node* cur = _root;
while (cur)
{
if (cur->_kv.first > kv.first)
{
parent = cur;
cur = cur->_left;
}
else if (cur->_kv.first < kv.first)
{
parent = cur;
cur = cur->_right;
}
else
{
//已经存在
return false;
}
}
//找到了插入位置,开始插入
cur = new Node(kv);
cur->_color = RED;
if (kv.first > parent->_kv.first)
{
parent->_right = cur;
}
else
{
parent->_left = cur;
}
cur->_parent = parent;
while (parent && parent->_color == RED)
{
Node* grandfather = parent->_parent;
assert(grandfather);
//情况一:
if (parent == grandfather->_left)
{
Node* uncle = grandfather->_right;
if (uncle && uncle->_color == RED)
{
parent->_color = BLACK;
uncle->_color = BLACK;
grandfather->_color = RED;
cur = grandfather;
parent = cur->_parent;
}
else
{
if (cur == parent->_left)
{
RotateR(parent);
parent->_color = BLACK;
grandfather->_color = RED;
}
else
{
RotateL(parent);
RotateR(grandfather);
parent->_color = BLACK;
grandfather->_color = RED;
}
break;
}
}
else
{
//p在g的右边
Node* uncle = grandfather->_left;
if (uncle && uncle->_color == RED)
{
grandfather->_color = RED;
uncle->_color = BLACK;
parent->_color = BLACK;
cur = grandfather;
parent = cur->_parent;
}
else
{
if (cur == parent->_right)
{
RotateL(grandfather);
parent->_color = BLACK;
grandfather->_color = RED;
}
else
{
RotateR(parent);
RotateL(grandfather);
grandfather->_color = RED;
cur->_color = BLACK;
}
break;
}
}
}
_root->_color = BLACK;
return true;
}
🌌4. 红黑树的验证
红黑树的验证分为两步:
- 检测其是否满足二叉搜索树(中序遍历是否为有序序列)
- 检测其是否满足红黑树的性质
//提供给用户的接口
bool isVaildRBTree()
{
Node* root = _root;
//空树也是红黑树
if (nullptr == _root)
return true;
//检测根结点是否满足性质
if (BLACK != _root->_color)
{
cout << "违反了红黑树的性质二:根结点必须为黑色" << endl;
return false;
}
size_t blackCount = 0;
Node* cur = _root;
while (cur)
{
if (BLACK == cur->_color)
{
++blackCount;
}
cur = cur->_left;
}
size_t k = 0;
return _isVaildRBTree(_root, k, blackCount);
}
//内部递归函数
bool _isVaildRBTree(Node* root, size_t k, const size_t blackCount)
{
//走到nullptr时,判断k与blackCount是否相等
if (root == nullptr)
{
if (k != blackCount)
{
cout << "违反性质4:每条路径黑色节点个数必须相同" << endl;
return false;
}
return true;
}
//统计路径上黑色节点的个数
if (BLACK == root->_color)
++k;
//检测当前节点及其双亲是否都为红色
Node* parent = root->_parent;
if (parent && parent->_color == RED && root->_color == RED)
{
cout << "违反性质三:没有连续的红色节点" << endl;
return false;
}
return _isVaildRBTree(root->_left, k, blackCount)
&& _isVaildRBTree(root->_right, k, blackCount);
}
🌿5. 红黑树与AVL树的比较
红黑树和
AVL
树都是高效的平衡二叉树,增删改查的时间复杂度都是O( l o g 2 N log_2 N log2N),红黑树不追求绝对平衡,其只需保证最长路径不超过最短路径的2
倍,相对而言,降低了插入和旋转的次数,所以在经常进行增删的结构中性能比AVL
树更优,而且红黑树实现比较简单,所以实际运用中红黑树更多
📖6. 红黑树的应用
- C++
STL
库 –map/set multimap/multiset
java
库- Linux内核
- 其他等等