如何通過代碼實現二叉搜索樹

本篇內容主要講解“如何通過代碼實現二叉搜索樹”，感興趣的朋友不妨來看看。本文介紹的方法操作簡單快捷，實用性強。下面就讓小編來帶大家學習“如何通過代碼實現二叉搜索樹”吧!

首先，二叉搜索樹到底是什么?

二叉搜索樹(BST)是一種特殊類型的樹形數據結構，由節點及其子節點組成，子節點也被視作“后代”，可以把它想象成一棵倒置的樹或者是樹的根部。

每個節點最多只能有2個子節點：左節點和右節點。為了使它成為一個有效的二叉搜索樹，左節點的值必須總是小于母節點，而右節點的值必須總是大于母節點。沒有任何間隙的BST，即每個節點都有一個左節點和一個右節點的二叉搜索樹，被稱為“完美”樹。

在完美樹中，當遍歷樹時，每個級別中的節點數會翻倍，將前面的所有節點相加并在該數字上再添加“1”可以得出底層的節點總數。

當在平衡二叉搜索樹中搜索一個元素時，平均需要花費額的時間為O(log  n)，在最壞的情況下，需要O(n)。你可以把在二叉搜索樹中的搜索看作是“選擇你自己的冒險”模型，從頂部節點開始，然后沿著樹向下，在到達的每個節點問同樣的2個問題。

• 我要找的值是否小于當前節點?如果是，向左走。

• 我要找的值是否大于當前節點?如果是，向右走。

插入和刪除也非常快，平均花費O(log n)的時間。但有一個缺點就是不能像數組那樣獲得隨機元素。

什么時候可以使用二叉搜索樹?

假設你需要為Facebook這樣的社交媒體應用程序設計一個數據庫。該數據庫需要處理數百萬個用戶名，并且需要在登錄期間快速檢索到其中一個用戶名。由于每天都有新注冊或刪除的賬戶，你也需要方便進行插入和刪除的操作。

通過一個排序過的數組進行二分搜索會非常快(需要花費O(log  n)時間)，但是插入或刪除一個用戶名會導致整個數組重新排序，需要花費O(n)時間，這取決于數組的大小，可能會相對慢一些。如果我們使用二叉搜索樹，插入或刪除的時間會快得多(花費O(log  n)時間)。

如果有一個帶有名字的二叉搜索樹(比如這個《海底總動員》的樹)，就可以按字母順序排列。

在字母表中，Dory在Marlin之前，所以它是左邊的節點，而Moonfish在Marlin之后，所以它是右邊的節點。同樣地，在下一層搜索也遵循這個規律。Bruce在Crush之前，也在Dory和Marlin之前。Darla在Crush之后，但在Dory和Marlin之前。

現在準備好，是時候尋找Nemo了!

尋找Nemo!

假設已經有一個有效的二叉搜索樹，并且需要找到Nemo。因為我們知道樹中的節點是按字母順序排序的，所以這應該相當簡單。

從Marlin開始，左邊是Dory，右邊是Moonfish。我們知道Nemo在字母表中位于Marlin之后，所以我們將遍歷到正確的節點(Moonfish)。Nemo按字母順序是排在Moonfish之后的，所以繼續往下看Moonfish的右子節點。很幸運，那是…Nemo!找到Nemo了!

效率很高。二叉搜索樹減少了整個搜索過程的時間復雜性!如果樹沒有分類，只是一個普通的樹形結構呢?或者要證實這是個二叉搜索樹呢?目前有兩種不同的搜索技術可以實現這一點。

什么是廣度優先搜索?

廣度優先搜索是一種在樹(或圖形)中一次遍歷一級的方法，每次都從左到右在節點之間移動。

在《海底總動員》的例子中，Marlin首先會問Dory，“你知道我兒子Nemo在哪里嗎?”如果它說不，Marlin就會問Moonfish同樣的問題。如果它也說不，Marlin會再下一層，問Crush、Gill和Mr.  Ray，然后Marlin就找到Nemo了!

廣度優先搜索

如果在Mr.  Ray之后沒有找到Nemo，Marlin會到下一級詢問Bruce和Darla等等。使用廣度優先搜索可以找到起始節點(Marlin)和目標節點(Nemo)之間的最短距離。時間復雜度是O(n)，因為在最壞的情況下，需要檢查每個節點才能找到Nemo。

什么是深度優先搜索?

深度優先搜索(Depth first  search)是一種從頂部節點一直向下遍歷到其最遠子節點的樹(或圖形)的方法，然后在未找到目標節點時再回去并嘗試其他路徑。

在《海底總動員》的例子中，Marlin首先會問Dory “你知道Nemo在哪里嗎?”  如果她不知道，他就會問Crush同樣的問題，因為Crush是Dory最左邊的子節點。如果Crush也說沒有，Marlin將移動到下一級去問Bruce，盡管他害怕成為鯊魚的點心，但也會問問他有沒有見到自己的兒子。

深度優先搜索

如果Bruce說沒看到Nemo，并向Marlin保證“魚是朋友，不是食物”，Marlin就需要回到上級，尋找另一個他還沒有問到的節點。回到Crush那里，他會發現下一步應該問Darla。由于Crush的所有后代現在都被審問過了，Marlin會回到Dory那里，檢查她其余的“后代”。Marlin需要把每個角色詢問一遍后才能找到Nemo。

深度優先搜索順序

與廣度優先搜索一樣，深度優先搜索也包括時間復雜度O(n)，但空間復雜度可能有所不同。深度優先搜索通常占用較少的內存或空間，假設可以在遍歷整個樹之前找到目標節點。

由于二叉搜索樹中的每增加一級節點會加倍(至少對于平衡樹而言)，如果丟失的節點(Nemo)位于樹的較低位置，則可以使用深度優先搜索來節省內存。在最壞的情況下，兩種方法的空間復雜度都是O(n)。

關于二叉搜索樹以及如何通過代碼實現它們還有很多需要學習，但這個有趣的案例會成為你了解數據結構的起點。

到此，相信大家對“如何通過代碼實現二叉搜索樹”有了更深的了解，不妨來實際操作一番吧！這里是億速云網站，更多相關內容可以進入相關頻道進行查詢，關注我們，繼續學習！