数据结构 -- 二叉树（Binary Search Tree）
一、简介
在计算机科学中，二叉树是每个结点最多有两个子树的树结构。通常子树被称作“左子树”（left subtree）和“右子树”（right subtree）。二叉树常被用于实现二叉查找树和二叉堆。
一棵深度为k，且有2^k-1个结点的二叉树，称为满二叉树。这种树的特点是每一层上的结点数都是最大结点数。而在一棵二叉树中，除最后一层外，若其余层都是满的，并且或者最后一层是满的，或者是在右边缺少连续若干结点，则此二叉树为完全二叉树。具有n个结点的完全二叉树的深度为floor(log2n)+1。深度为k的完全二叉树，至少有（2的k-1次方）个叶子结点，至多有2^k-1个结点。
节点特性：1. 每个节点的值都大于其左子树的所有节点的值。
2. 每个节点的值都小于其右子树的所有节点的值。
二、代码
1.定义一个支持泛型的节点类, 用于存储二分搜索树每个节点的信息, 这个类作为二分搜索树的一个内部类, 二分搜索树的类声明以及Node节点类
public class BinaryTree<E extends Comparable<E>> { // 根节点 private Node root ; // 树容量 private int size ; public BSTree() { this.root = null ; this.size = 0 ; } public boolean isEmpty() { return size == 0 ; } public int getSize(){ return size; } // 二分搜索树节点类 private class Node { public E e ; // 左右子树 public Node left , right ; public Node(E e) { this.e = e ; this.left = null ; this.right = null ; } } }
2. 添加操作：二分搜索树本身的递归特性, 可以很方便的使用递归实现向二分搜索树中添加元素。
//添加元素 public void add(E e){ root = add(root, e); } //插入元素，递归算法。 返回插入新节点后二叉树的根 private Node add(Node node, E e){ //如果当前根节点为空，则直接创建该节点为根节点 if(node == null){ size ++; return new Node(e); } if(e.compareTo(node.e) < 0){ //添加元素e 小于 节点元素e，则从左边添加 node.left = add(node.left,e); }else if (e.compareTo(node.e) > 0){ //添加元素e 大于 节点元素e，则从右边添加 node.right = add(node.right,e); } return node; }
3. 查找操作：二分搜索树没有下标, 针对二分搜索树的查找, 定义一个contains方法, 是否包含某个元素, 返回布尔型变量, 这个操作是递归的过程。
//查询是否包含e元素 public boolean contains(E e){ return contains(root, e); } // 看以node为根的二分搜索树中是否包含元素e, 递归算法 private boolean contains(Node node, E e){ if (node == null){ return false; } if (node == e){ return true; }else if (e.compareTo(node.e) > 0){ //如果大于根节点元素，则向右子树递归遍历 return contains(node.right, e); }else{ //如果小于根节点元素，则向左子树递归遍历 return contains(node.left, e); } }
//找出二叉树的最小元素
public E minimum(){
if (size == 0){
throw new IllegalArgumentException("BinaryTree is empty!");
}
return minimum(root).e;
}
private Node minimum(Node node){
if ( node.left == null){
return node;
}
return minimum(node.left);
}
//找出二叉树的最大元素
public E maximum(){
if (size == 0){
throw new IllegalArgumentException("BinaryTree is empty!");
}
return maximum(root).e;
}
private Node maximum(Node node){
if ( node.right == null){
return node;
}
return maximum(node.right);
}
4. 遍历操作
遍历分类：
深度优先遍历 : 1. 前序遍历 : 对当前节点的遍历在对左右孩子节点的遍历之前, 遍历顺序 : 当前节点->左孩子->右孩子 2. 中序遍历 : 对当前节点的遍历在对左右孩子节点的遍历中间, 遍历顺序 : 左孩子->当前节点->右孩子 3. 后序遍历 : 对当前节点的遍历在对左右孩子节点的遍历之后, 遍历顺序 : 左孩子->右孩子->当前节点 广度优先遍历 : 1. 层序遍历 : 按层从左到右进行遍历
前序遍历：最常用/自然的遍历方式：
（一）、递归写法
//二叉树的前序遍历 public void preOrder(){ preOrder(root); } // 前序遍历以node为根的二分搜索树, 递归算法 private void preOrder(Node node){ if (node == null){ return; } System.out.println(node.e); preOrder(node.left); preOrder(node.right); }
（二）、非递归写法：通过栈实现二叉树遍历
// 二分搜索树的非递归前序遍历
public void preOrderNR(){
Stack<Node> stack = new Stack<>();
stack.push(root);
while (!stack.isEmpty()){
Node node = stack.pop();
System.out.println(node.e);
if(node.right != null){
stack.push(node.right);
}
if(node.left != null) {
stack.push(node.left);
}
}
}
中序遍历：
//二叉树的中序遍历 public void inOrder(){ inOrder(root); } // 中序遍历以node为根的二分搜索树, 递归算法 private void inOrder(Node node){ if (node == null){ return; } inOrder(node.left); System.out.println(node.e); inOrder(node.right); }
后序遍历：
//二叉树的后序遍历 public void postOrder(){ postOrder(root); } // 中序遍历以node为根的二分搜索树, 递归算法 private void postOrder(Node node){ if (node == null){ return; } postOrder(node.left); postOrder(node.right); System.out.println(node.e); }
层序遍历：
//二叉树的层序遍历 public void levelOrder(){ Queue<Node> queue = new LinkedList<>(); queue.add(root); //先将最上层的根节点加入队列中 while (!queue.isEmpty()){ Node node = queue.remove(); //删除队列中的最低端的元素 System.out.println(node.e); //打印输出 //输出根节点后，将对应的左/右子树的元素添加到队列中。 队列是先进先出，所以先放左子树再放右子树 if (node.left != null){ queue.add(node.left); } if (node.right != null){ queue.add(node.right); } } }
前,中,后序遍历总结
可以认为在遍历的时候每个节点要访问三次, 对当前节点进行遍历操作时一次, 访问当前节点左子树时一次, 访问当前节点右子树时一次, 可以认为前序遍历就是在第一次访问当前节点时进行操作, 以方便我们理解遍历结果, 下面几张图演示前中后序遍历的访问顺序, 蓝色的点表示在这次访问时对当前节点进行遍历操作
前序递归遍历示意图: 蓝点便是绿色道路经过时，输出当前节点内容
中序递归遍历示意图：同理蓝色为输出点，路径如前序
后续递归遍历示意图：同理蓝色为输出点，路径如前序
前序非递归遍历图示：
层序遍历示例图：
5. 删除操作
（1）删除最大最小节点：
删除最小值：找到左子树的最左节点（最小值节点，node.left == null），然后让其上一个节点的左节点指向当前最小值节点的右子树，同时删除最小值节点（node.right = null）；
删除最大值：找到右子树的最右节点（最大值节点，node.right == null），然后让其上一个节点的右节点指向当前最大值节点的左子树，同时删除最大值节点（node.left = null）。
删除最小值代码：
// 从二分搜索树中删除最小值所在节点, 返回最小值 public E removeMin(){ E ret = minimum(); //查找二叉树的最小值 root = removeMin(root); return ret; } // 删除掉以node为根的二分搜索树中的最小节点 // 返回删除节点后新的二分搜索树的根 private Node removeMin(Node node){ //当递归循环到node.left节点为空时，即当前node节点便是要删除的最小元素，将其与二叉树分离 if (node.left == null){ Node rightNode = node.right; node.right = null;//与二叉树脱离 size --; //数量减一 return rightNode; } node.left = removeMin(node.left); return node; }
删除最大值代码：
// 从二分搜索树中删除最大值所在节点 public EremoveMax(){ E ret = maximum(); //查找二叉树的最大值 root = removeMax(root); return ret; } // 删除掉以node为根的二分搜索树中的最大节点 // 返回删除节点后新的二分搜索树的根 private Node removeMax(Node node) { if (node.right == null){ Node leftNode = node.left; node.left = null;//与二叉树脱离 size --; return leftNode; } node.right = removeMax(node.right); return node; }
（2）删除任意节点元素
删除任意节点可以分为以下几种情况 :
* 删除叶子节点, 直接删除即可
* 删除只有右子树的节点, 逻辑同删除最小值, 虽然这个节点不一定是最小值, 但是删除逻辑是一样的
* 删除只有左子树的节点, 逻辑同删除最大值
* 删除同时具有左右子树的节点, 此时删除节点的步骤稍微复杂一些
* 首先找到要删除的节点 * 然后找到对应节点的前驱或者后继节点, 前驱就是指当前节点的左子树中最大的元素节点, 后继就是指当前节点右子树中最小的元素节点, 下图就是基于后继节点的删除演示 * 使用后继节点替换当前节点, 然后再删除要删除的节点
删除任意节点代码：
// 从二分搜索树中删除元素为e的节点 public void remove(E e){ root = remove(root, e); } // 删除掉以node为根的二分搜索树中值为e的节点, 递归算法 // 返回删除节点后新的二分搜索树的根 private Node remove(Node node, E e){ if ( node == null){ return null; } if (e.compareTo(node.e) < 0){ node.left = remove(node.left, e); return node; }else if(e.compareTo(node.e) > 0){ node.right = remove(node.right, e); return node; }else{ // e.compareTo(node.e) == 0 即找到当前元素 // 待删除节点左子树为空的情况 if(node.left == null){ Node rightNode = node.right; node.right = null; size --; return rightNode; } // 待删除节点右子树为空的情况 if(node.right == null){ Node leftNode = node.left; node.left = null; size --; return leftNode; } // 待删除节点左右子树均不为空的情况 // 找到比待删除节点大的最小节点, 即待删除节点右子树的最小节点 // 用这个节点顶替待删除节点的位置 Node successor = minimum(node.right); successor.right = removeMin(node.right); successor.left = node.left; node.left = node.right = null; return successor; } }
全部代码：
1 package com.wj.BinaryTree; 2 3 import java.util.LinkedList; 4 import java.util.Queue; 5 import java.util.Stack; 6 7 /** 8 * 实现二叉树 9 */ 10 public class BinaryTree<E extends Comparable> { 11 12 private class Node{ 13 public E e; 14 public Node left, right; 15 public Node(E e){ 16 this.e = e; 17 left = null; 18 right = null; 19 } 20 } 21 private Node root; 22 private int size; 23 24 public BinaryTree(){ 25 root = null; 26 size = 0; 27 } 28 public int size(){ 29 return size; 30 } 31 public boolean isEmpty(){ 32 return size == 0; 33 } 34 35 //二叉树的增操作 36 37 //添加元素 38 public void add(E e){ 39 root = add(root, e); 40 } 41 //插入元素，递归算法。 返回插入新节点后二叉树的根 42 private Node add(Node node, E e){ 43 //如果当前根节点为空，则直接创建该节点为根节点 44 if(node == null){ 45 size ++; 46 return new Node(e); 47 } 48 if(e.compareTo(node.e) < 0){ 49 node.left = add(node.left,e); 50 }else if (e.compareTo(node.e) > 0){ 51 node.right = add(node.right,e); 52 } 53 return node; 54 } 55 56 //二叉树的查询操作 57 58 //二叉树的前序遍历 59 public void preOrder(){ 60 preOrder(root); 61 } 62 // 前序遍历以node为根的二分搜索树, 递归算法 63 private void preOrder(Node node){ 64 if (node == null){ 65 return; 66 } 67 System.out.println(node.e); 68 preOrder(node.left); 69 preOrder(node.right); 70 } 71 // 二分搜索树的非递归前序遍历 72 public void preOrderNR(){ 73 Stack<Node> stack = new Stack<>(); 74 stack.push(root); 75 while (stack !=null){ 76 Node node = stack.pop(); 77 System.out.println(node.e); 78 79 if(node.right != null){ 80 stack.push(node.right); 81 } 82 if(node.left != null) { 83 stack.push(node.left); 84 } 85 } 86 } 87 88 //二叉树的中序遍历 89 public void inOrder(){ 90 inOrder(root); 91 } 92 // 中序遍历以node为根的二分搜索树, 递归算法 93 private void inOrder(Node node){ 94 if (node == null){ 95 return; 96 } 97 inOrder(node.left); 98 System.out.println(node.e); 99 inOrder(node.right); 100 } 101 //二叉树的后序遍历 102 public void postOrder(){ 103 postOrder(root); 104 } 105 // 中序遍历以node为根的二分搜索树, 递归算法 106 private void postOrder(Node node){ 107 if (node == null){ 108 return; 109 } 110 postOrder(node.left); 111 postOrder(node.right); 112 System.out.println(node.e); 113 } 114 115 //二叉树的层序遍历 116 public void levelOrder(){ 117 Queue<Node> queue = new LinkedList<>(); 118 queue.add(root); //先将最上层的根节点加入队列中 119 while (!queue.isEmpty()){ 120 Node node = queue.remove(); //删除队列中的最低端的元素 121 System.out.println(node.e); //打印输出 122 123 //输出根节点后，将对应的左/右子树的元素添加到队列中 124 if (node.left != null){ 125 queue.add(node.left); 126 } 127 if (node.right != null){ 128 queue.add(node.right); 129 } 130 } 131 } 132 133 //查询是否包含e元素 134 public boolean contains(E e){ 135 return contains(root, e); 136 } 137 // 看以node为根的二分搜索树中是否包含元素e, 递归算法 138 private boolean contains(Node node, E e){ 139 if (node == null){ 140 return false; 141 } 142 if (node == e){ 143 return true; 144 }else if (e.compareTo(node.e) > 0){ //如果大于根节点元素，则向右子树递归遍历 145 return contains(node.right, e); 146 }else{ //如果小于根节点元素，则向左子树递归遍历 147 return contains(node.left, e); 148 } 149 } 150 //找出二叉树的最小元素 151 public Node minimum(){ 152 if (size == 0){ 153 throw new IllegalArgumentException("BinaryTree is empty!"); 154 } 155 return minimum(root); 156 } 157 private Node minimum(Node node){ 158 if ( node.left == null){ 159 return node; 160 } 161 return minimum(node.left); 162 } 163 //找出二叉树的最大元素 164 public Node maximum(){ 165 if (size == 0){ 166 throw new IllegalArgumentException("BinaryTree is empty!"); 167 } 168 return maximum(root); 169 } 170 private Node maximum(Node node){ 171 if ( node.right == null){ 172 return node; 173 } 174 return maximum(node.right); 175 } 176 177 // 从二分搜索树中删除最小值所在节点, 返回最小值 178 public Node removeMin(){ 179 Node ret = minimum(); 180 root = removeMin(root); 181 return ret; 182 } 183 // 删除掉以node为根的二分搜索树中的最小节点 184 // 返回删除节点后新的二分搜索树的根 185 private Node removeMin(Node node){ 186 if (node.left == null){ 187 Node rightNode = node.right; 188 node.right = null; 189 size --; 190 return rightNode; 191 } 192 node.left = removeMin(node.left); 193 return node; 194 } 195 // 从二分搜索树中删除最大值所在节点 196 public Node removeMax(){ 197 Node ret = maximum(); 198 root = removeMax(root); 199 return ret; 200 } 201 // 删除掉以node为根的二分搜索树中的最大节点 202 // 返回删除节点后新的二分搜索树的根 203 private Node removeMax(Node node) { 204 if (node.right == null){ 205 Node leftNode = node.left; 206 node.left = null; 207 size --; 208 return leftNode; 209 } 210 node.right = removeMin(node.right); 211 return node; 212 } 213 214 // 从二分搜索树中删除元素为e的节点 215 public void remove(E e){ 216 root = remove(root, e); 217 } 218 // 删除掉以node为根的二分搜索树中值为e的节点, 递归算法 219 // 返回删除节点后新的二分搜索树的根 220 private Node remove(Node node, E e){ 221 if ( node == null){ 222 return null; 223 } 224 if (e.compareTo(node.e) < 0){ 225 node.left = remove(node.left, e); 226 return node; 227 }else if(e.compareTo(node.e) > 0){ 228 node.right = remove(node.right, e); 229 return node; 230 }else{ // e.compareTo(node.e) == 0 即找到当前元素 231 232 // 待删除节点左子树为空的情况 233 if(node.left == null){ 234 Node rightNode = node.right; 235 node.right = null; 236 size --; 237 return rightNode; 238 } 239 // 待删除节点右子树为空的情况 240 if(node.right == null){ 241 Node leftNode = node.left; 242 node.left = null; 243 size --; 244 return leftNode; 245 } 246 247 // 待删除节点左右子树均不为空的情况 248 // 找到比待删除节点大的最小节点, 即待删除节点右子树的最小节点 249 // 用这个节点顶替待删除节点的位置 250 Node successor = minimum(node.right); 251 successor.right = removeMin(node.right); 252 successor.left = node.left; 253 node.left = node.right = null; 254 255 return successor; 256 } 257 } 258 @Override 259 public String toString() { 260 StringBuilder res = new StringBuilder(); 261 generateBSTString(root,0,res); 262 return res.toString(); 263 } 264 265 private void generateBSTString(Node node, int depth, StringBuilder res){ 266 if (node == null){ 267 res.append(generateDepthString(depth) + "null\n"); 268 return; 269 } 270 res.append(generateDepthString(depth) + node.e + "\n"); 271 generateBSTString(node.left,depth + 1,res); 272 generateBSTString(node.right,depth + 1,res); 273 } 274 275 private String generateDepthString(int depth){ 276 StringBuilder res = new StringBuilder(); 277 for (int i=0; i< depth; i++){ 278 res.append("--"); 279 } 280 return res.toString(); 281 } 282 }
测试类：
package com.wj.BinaryTree; import java.util.Objects; public class Main { public static void main(String[] args) { BinaryTree binaryTree = new BinaryTree(); int[] nums = {80,50,90,30,60,65,70,100,68,75,101,20,25}; for (int i : nums){ binaryTree.add(i); } System.out.println("=====增后的二叉树====="); System.out.println(binaryTree.toString()); System.out.println("=====二叉树的前序遍历====="); // 二叉树的前序遍历 binaryTree.preOrder(); System.out.println("=====二叉树的非递归前序遍历====="); //二叉树的非递归前序遍历 binaryTree.preOrderNR(); System.out.println("=====二叉树的中序遍历====="); //二叉树的中序遍历 binaryTree.inOrder(); System.out.println("=====二叉树的后序遍历====="); //二叉树的后序遍历 binaryTree.postOrder(); System.out.println("二叉树的最小节点值："+binaryTree.minimum()); System.out.println("二叉树的最大节点值："+binaryTree.maximum()); System.out.println("20是否存在二叉树中："+binaryTree.contains(20)); System.out.println("200是否存在二叉树中："+binaryTree.contains(200)); System.out.println("=====删除操作====="); Object removeMin = binaryTree.removeMin(); System.out.println("删除最小的值："+removeMin); System.out.println(removeMin+"是否存在二叉树中："+binaryTree.contains((Comparable) removeMin)); Object removeMax = binaryTree.removeMax(); System.out.println("删除最大的值："+removeMax); System.out.println(removeMax+"是否存在二叉树中："+binaryTree.contains((Comparable) removeMax)); binaryTree.remove(100); System.out.println("100是否存在二叉树中："+binaryTree.contains(100)); } }
测试结果：
=====增后的二叉树===== 80 --50 ----30 ------20 --------null --------25 ----------null ----------null ------null ----60 ------null ------65 --------null --------70 ----------68 ------------null ------------null ----------75 ------------null ------------null --90 ----null ----100 ------null ------101 --------null --------null =====二叉树的前序遍历===== 80 50 30 20 25 60 65 70 68 75 90 100 101 =====二叉树的非递归前序遍历===== 80 50 30 20 25 60 65 70 68 75 90 100 101 =====二叉树的中序遍历===== 20 25 30 50 60 65 68 70 75 80 90 100 101 =====二叉树的后序遍历===== 25 20 30 68 75 70 65 60 50 101 100 90 80 二叉树的最小节点值：20 二叉树的最大节点值：101 20是否存在二叉树中：true 200是否存在二叉树中：false =====删除操作===== 删除最小的值：20 20是否存在二叉树中：false 删除最大的值：101 101是否存在二叉树中：false 100是否存在二叉树中：false
