热门标签 | HotTags
当前位置:  开发笔记 > 人工智能 > 正文

数据结构二叉树完全二叉树和满二叉树以及二叉树的基本操作。你难道不想看看吗觉得你想看。嘿嘿

二叉树1.树的基本概念1.1树的概念:1.2树的相关概念1.3树的表示形式1.5树的应用2.二叉树的概念以及特性2.1二叉树的概念2.2两种特殊的二叉树2.3二叉树的


二叉树

  • 1.树的基本概念
    • 1.1树的概念:
    • 1.2树的相关概念
    • 1.3树的表示形式
    • 1.5树的应用
  • 2.二叉树的概念以及特性
    • 2.1 二叉树的概念
    • 2.2两种特殊的二叉树
    • 2.3二叉树的性质
    • 2.4二叉树的存储
    • 2.5二叉树的基本操作
      • 2.5.1前序遍历
      • 2.5.2 中序遍历
      • 2.5.3 后序遍历
      • 2.5.4 层序遍历
  • 3.二叉树的基本操作
    • 3.1 获取二叉树中节点个数
    • 3.2获取二叉树中叶子节点的个数
    • 3.3获取二叉树中第k层节点的个数
    • 3.4 获取树的高度
    • 3.5 查找值为data的节点,并返回


1.树的基本概念


1.1树的概念:

树是一种非线性的数据结构它是由n(n>=0)个有限结点组成一个具有层次关系的集合。
1.有一个特殊的结点,称为根结点,根结点没有前驱结点
2.除根结点外,其余结点被分成M(M > 0)个互不相交的集合T1、T2、…、Tm,其中每 一个集合 Ti (1 <= i <= m) 又是一棵与树类似的子树。每棵子树的根结点有且只有一个前驱,可以有0个或多个后继
3.树是递归定义的。
注意:树形结构中,子树之间不能有交集,否则就不是树形结构


1.2树的相关概念

在这里插入图片描述


1.结点的度:一个结点含有子树的个数称为该结点的度; 如上图:A的度为6
2.树的度:一棵树中,所有结点度的最大值称为树的度; 如上图:树的度为6叶子结点或
3.终端结点:度为0的结点称为叶结点; 如上图:B、C、H、I…等节点为叶结点双亲结点
4.父结点:若一个结点含有子结点,则这个结点称为其子结点的父结点; 如上图:A是B的父结点
5.孩子结点或子结点:一个结点含有的子树的根结点称为该结点的子结点; 如上图:B是 A的孩子结点
6.根结点:一棵树中,没有双亲结点的结点;如上图:A
7.结点的层次:从根开始定义起,根为第1层,根的子结点为第2层,以此类推
8.树的高度或深度:树中结点的最大层次; 如上图:树的高度为4
9.非终端结点或分支结点:度不为0的结点; 如上图:D、E、F、G…等节点为分支结点
10.兄弟结点:具有相同父结点的结点互称为兄弟结点; 如上图:B、C是兄弟结点
11.堂兄弟结点:双亲在同一层的结点互为堂兄弟;如上图:H、I互为兄弟结点
12.结点的祖先:从根到该结点所经分支上的所有结点;如上图:A是所有结点的祖先
13.子孙:以某结点为根的子树中任一结点都称为该结点的子孙。如上图:所有结点都是 A的子孙
14.森林:由m(m>=0)棵互不相交的树组成的集合称为森林



1.3树的表示形式

1.双亲表示法:节点既要存储值域,还必须要表示其双亲的位置。
优点:快速知道一个结点是双亲
缺点:无法快速知道一个结点的孩子

2.孩子表示法: 结点既要存储值域,还要表示与其孩子结点之间的关系
优点:快速知道一个节点的孩子
缺点: 无法快速知道该结点的双亲

3.孩子双亲表示法: 孩子表示法和双亲表示法的结合
4.孩子兄弟表示法

class Node{int value; //树中存储的数据Node firstChild; //第一个孩子的引用Node nextbrother; //下一个兄弟引用}

注意:树中的元素都保存在节点中------->结点(所有存储的值域节点和节点之间的关系)
在这里插入图片描述


1.5树的应用

文件系统管理(目录和文件)
下图:
在这里插入图片描述


2.二叉树的概念以及特性


2.1 二叉树的概念

在这里插入图片描述

1.空树
2.根节点+左子树+右子树

注意:
1.二叉树不存在度大于2 的结点
2.二叉树有左右之分,次序不能颠倒,因此二叉树是有序树

注意:对于任意的二叉树都是由以下几种情况复合而成
在这里插入图片描述


  • 空树
  • 只有根节点
  • 只有左子树
  • 只有右子树
  • 左右子树均存在

2.2两种特殊的二叉树

1.满二叉树:每层的结点都到达最大值;如果一棵二叉树的层数为k,且总结点数是2k-1
在这里插入图片描述

2.完全二叉树: 完全二叉树是效率很高的数据结构,完全二叉树是由满二叉树而引出来的。对于深度为K的,有n个结点的二叉树,当且仅当其每一个结点都与深度为K的满二叉树中编号从0至n-1的结点一一对应时称之为完全二叉树。 要注意的是满二叉树是一种特殊的完全二叉树总共由h层,h-1层被排满,贼为完全二叉树
在这里插入图片描述
满二叉树是特殊的完全二叉树,完全二叉树不一定是满二叉树


2.3二叉树的性质


  1. 若规定根结点的层数为1,则一棵非空二叉树的第i层上最多有 (i>0)个结点

  2. 若规定只有根结点的二叉树的深度为1,则深度为K的二叉树的最大结点数是 (k>=0)

  3. 对任何一棵二叉树, 如果其叶结点个数为 n0, 度为2的非叶结点个数为 n2,则有n0=n2+1 在任意二叉树中,度为0 的结点比度为2的结点多一个

  4. 具有n个结点的完全二叉树的深度k为 上取整

  5. 对于具有n个结点的完全二叉树,如果按照从上至下从左至右的顺序对所有节点从0开始编号,则对于序号为i的结点
    若i>0,双亲序号:(i-1)/2;i=0,i为根结点编号,无双亲结点
    若2i+1 若2i+2

6.在二叉树中,如果有N个结点,总共就有N-1条边


2.4二叉树的存储

二叉树的存储结构分为:顺序存储(完全二叉树)和类似于链表的链式存储(任意二叉树)。
二叉树的链式存储是通过一个一个的节点引用起来的,常见的表示方式有二叉和三叉表示方式


// 孩子表示法
class Node {int val; // 数据域Node left; // 左孩子的引用,常常代表左孩子为根的整棵左子树Node right; // 右孩子的引用,常常代表右孩子为根的整棵右子树
}
// 孩子双亲表示法
class Node {int val; // 数据域Node left; // 左孩子的引用,常常代表左孩子为根的整棵左子树Node right; // 右孩子的引用,常常代表右孩子为根的整棵右子树Node parent; // 当前节点的根节点
}

==为什么完全二叉树适合顺序结构???


二叉树的顺序存储结构是指用一组地址连续的存储单元依次自上而下、自左至右存储完全二叉树上的结点元素,即将完全二叉树上编号为 i 的结点元素存储在一维数组下标为 i-1 的分量中。



依据二叉树的性质,完全二叉树和满二叉树采用顺序存储比较合适,树中结点的序号可以唯一地反映结点之间的逻辑关系,这样既能最大地节省存储了空间,又能利用数组元素的下标值确定结点在二叉树中的位置,以及结点之间的关系。



从数据存储来看,数组存储方式和树的存储方式可以相互转换,即数组可以转换成树,树可以转换成数组。



2.5二叉树的基本操作

二叉树的遍历


2.5.1前序遍历

根节点—左子树-----右子树

// 前序遍历 - 操作:指的是对节点中的值域进行打印if(treeRoot != null){System.out.print(treeRoot.data + " ");preOrder(treeRoot.left);preOrder(treeRoot.right);}}

2.5.2 中序遍历

左子树—根节点----右子树

private void inOrder(BTNode treeRoot){if(treeRoot != null){inOrder(treeRoot.left);System.out.print(treeRoot.data + " ");inOrder(treeRoot.right);}}

2.5.3 后序遍历

左子树----根节点—右子树

private void postOrder(BTNode treeRoot){if(treeRoot != null){postOrder(treeRoot.left);postOrder(treeRoot.right);System.out.print(treeRoot.data + " ");}}

2.5.4 层序遍历

层序遍历就是从所在二叉树的根节点出发,首先访问第一层的树根节点,然后从左到右访问第2层上的节点,接着是第三层的节点,以此类推,自上而下,自左至右逐层访问树的结点的过程就是层序遍历

1.先需要new一个队列,将来队列中放置的元素是结点的引用
2.将root入队列
3.如果队列不为空,循环送入以下操作:
(1)获取队头元素—poll
(2)遍历该节点
(3)检测该节点是否有左孩子,有则让左孩子入队列
(4)检测该节点是否有右孩子,有则让右孩子入队列

// 二叉树不为空-----需要借助队列完成二叉树的层序遍历Queue<BTNode> q = new LinkedList<>();q.offer(root);while(!q.isEmpty()){BTNode cur = q.poll(); // poll(): 获取到队头元素并出队列System.out.print(cur.data + " ");// 如果cur的左孩子存在,则让cur的左孩子入队列if(cur.left != null){q.offer(cur.left);}// 如果cur的右孩子存在,则让cur的右孩子入队列if(cur.right != null){q.offer(cur.right);}}System.out.println();}

3.二叉树的基本操作


3.1 获取二叉树中节点个数

// 获取二叉树中节点的个数private int size(BTNode treeRoot){if(treeRoot == null){return 0;}return 1 + size(treeRoot.left) + size(treeRoot.right);}}

3.2获取二叉树中叶子节点的个数

// 获取二叉树中叶子节点的个数private int getLeafNode(BTNode treeRoot){if(treeRoot == null){return 0;}if(treeRoot.left == null && treeRoot.right == null){return 1;}return getLeafNode(treeRoot.left) + getLeafNode(treeRoot.right);}

3.3获取二叉树中第k层节点的个数

// 获取二叉树中第k层节点个数----注意:认为根就在第1层private int getKLevelNode(BTNode treeRoot, int k){if(treeRoot == null || k <= 0){return 0;}// 树一定不为空,k==1说明:获取第一层节点总数,而第一层只有根节点if(k == 1){return 1;}return getKLevelNode(treeRoot.left, k-1) + getKLevelNode(treeRoot.right, k-1);}

3.4 获取树的高度

// 获取树的高度private int height(BTNode treeRoot){if(treeRoot == null){return 0;}int leftHeight = height(treeRoot.left);int rightHeight = height(treeRoot.right);return leftHeight > rightHeight? leftHeight+1 : rightHeight+1;}

3.5 查找值为data的节点,并返回

// 查找值为data的节点,并返回private BTNode find(BTNode treeRoot, int data){if(treeRoot == null){return null;}if(treeRoot.data == data){return treeRoot;}BTNode ret = find(treeRoot.left, data);if(ret != null){return ret;}return find(treeRoot.right, data);}

推荐阅读
  • 本文深入探讨了一家企业的制度体系重构与升级过程,通过具体案例展示了如何在战略意图和管理理念指导下,系统性地提升企业管理制度的有效性和可操作性。 ... [详细]
  • 本文详细介绍了macOS系统的核心组件,包括如何管理其安全特性——系统完整性保护(SIP),并探讨了不同版本的更新亮点。对于使用macOS系统的用户来说,了解这些信息有助于更好地管理和优化系统性能。 ... [详细]
  • 2023年京东Android面试真题解析与经验分享
    本文由一位拥有6年Android开发经验的工程师撰写,详细解析了京东面试中常见的技术问题。涵盖引用传递、Handler机制、ListView优化、多线程控制及ANR处理等核心知识点。 ... [详细]
  • 自学编程与计算机专业背景者的差异分析
    本文探讨了自学编程者和计算机专业毕业生在技能、知识结构及职业发展上的不同之处,结合实际案例分析两者的优势与劣势。 ... [详细]
  • 阅读本文大约需要3分钟。微信8.0版本的发布带来了许多令人振奋的新功能,如烟花特效和改进的悬浮窗,引发了用户的热烈反响。 ... [详细]
  • 深入解析:阿里实战 SpringCloud 微服务架构与应用
    本文将详细介绍 SpringCloud 在微服务架构中的应用,涵盖入门、实战和案例分析。通过丰富的代码示例和实际项目经验,帮助读者全面掌握 SpringCloud 的核心技术和最佳实践。 ... [详细]
  • 本文深入探讨了C++对象模型中的一些细节问题,特别是虚拟继承和析构函数的处理。通过具体代码示例和详细分析,揭示了书中某些观点的不足之处,并提供了更合理的解释。 ... [详细]
  • 【行业专题报告】 人力资源专题资料
    每项专题报告都是从2019开始更新到至今,后续将持续更新如需查看完整报告和报告下载或了解更多,公众号:参一江湖今天为大家分享专题 ... [详细]
  • Codeforces Round #566 (Div. 2) A~F个人题解
    Dashboard-CodeforcesRound#566(Div.2)-CodeforcesA.FillingShapes题意:给你一个的表格,你 ... [详细]
  • 卷积神经网络(CNN)基础理论与架构解析
    本文介绍了卷积神经网络(CNN)的基本概念、常见结构及其各层的功能。重点讨论了LeNet-5、AlexNet、ZFNet、VGGNet和ResNet等经典模型,并详细解释了输入层、卷积层、激活层、池化层和全连接层的工作原理及优化方法。 ... [详细]
  • 堆是一种常见的数据结构,广泛应用于计算机科学领域。它通常表示为一棵完全二叉树,并可通过数组实现。堆的主要特性是每个节点的值与其父节点的值之间存在特定的关系,这使得堆在优先队列和排序算法中非常有用。 ... [详细]
  • 探索电路与系统的起源与发展
    本文回顾了电路与系统的发展历程,从电的早期发现到现代电子器件的应用。文章不仅涵盖了基础理论和关键发明,还探讨了这一学科对计算机、人工智能及物联网等领域的深远影响。 ... [详细]
  • FinOps 与 Serverless 的结合:破解云成本难题
    本文探讨了如何通过 FinOps 实践优化 Serverless 应用的成本管理,提出了首个 Serverless 函数总成本估计模型,并分享了多种有效的成本优化策略。 ... [详细]
  • 2018年3月31日,CSDN、火星财经联合中关村区块链产业联盟等机构举办的2018区块链技术及应用峰会(BTA)核心分会场圆满举行。多位业内顶尖专家深入探讨了区块链的核心技术原理及其在实际业务中的应用。 ... [详细]
  • 尽管深度学习带来了广泛的应用前景,其训练通常需要强大的计算资源。然而,并非所有开发者都能负担得起高性能服务器或专用硬件。本文探讨了如何在有限的硬件条件下(如ARM CPU)高效运行深度神经网络,特别是通过选择合适的工具和框架来加速模型推理。 ... [详细]
author-avatar
yuhao
这个家伙很懒,什么也没留下!
PHP1.CN | 中国最专业的PHP中文社区 | DevBox开发工具箱 | json解析格式化 |PHP资讯 | PHP教程 | 数据库技术 | 服务器技术 | 前端开发技术 | PHP框架 | 开发工具 | 在线工具
Copyright © 1998 - 2020 PHP1.CN. All Rights Reserved | 京公网安备 11010802041100号 | 京ICP备19059560号-4 | PHP1.CN 第一PHP社区 版权所有