JavaScript(ES6)数据结构与算法之树

news/2024/7/11 0:06:34 标签: javascript, es6,

6.

文章目录

    • 6.
      • 6.1 概念
      • 6.2 二叉
      • 6.3 二叉搜索
        • 概念
        • 代码实现
          • 插入
          • 遍历
          • 获取最值
          • 搜索
          • 删除节点
      • 6.4 红黑
        • 红黑概念
        • 红黑规则
        • 平衡原理

6.1 概念

  • 非线性结构

  • n(n>=0)个节点构成的有限集合,n=0时称为空

    对于任一非空

    • 有一个根节点
    • 其余节点可以构成子
  • 的术语:

    • 节点的度:节点的子个数
    • 的度所有节点中最大的度数
    • 叶节点/叶子节点:度为零的节点
    • 父节点:有子的的节点是子根节点的父节点
    • 路径和路径长度:节点n1到nk的路径为一个节点序列,路径长度即所包含边的个数
    • 节点层次:根节点在1层,往下层数递增
    • 深度:所有节点中的最大层次

6.2 二叉

所有的本质上可以使用二叉模拟出来(将进行旋转就能得到二叉

  • 概念:

    • 如果的每个节点最多只能有两个子节点,这样的就是二叉
    • 二叉可以为空(没有节点)
    • 根节点左子右子组成
    • 一共有五种形态:空、单根节点、只有左/右子、具有左右子
  • 重要特性(笔试常见)

    • 二叉第i层的最大节点数为:2^(i-1),i>=1;
    • 深度为k的二叉最大节点总数:2^k-1,k>=1;
    • 任何非空二叉,叶子节点个数n0和其他节点(度为2)个数n2满足:n0=n2+1
  • 完全二叉:除最后一层,其他各层节点数都达到最大个数(子节点个数要么0要么2)

  • 完美二叉/满二叉:除最下一层的叶节点外,每层节点都有2个子节点,是特殊的完全二叉

  • 二叉的存储

    • 常见方式:数组和链表
      • 数组:完全二叉,从上至下,从左到右;非完全二叉,方案相同但造成很大空间浪费
      • (最常用)链表:每个节点封装一个node,node中包含存储的数据,左右节点的引用

6.3 二叉搜索

实际运用中常见的数据结构,一种特殊的二叉

概念
  • BST(Binary Search Tree),也称二叉排序或二叉查找
  • 如果不为空,满足性质:
    • 非空左子的所有键值小于根节点的键值
    • 非空右子的所有键值大于根节点的键值
    • 左右子本身也是二叉搜索(递归)
  • 特点:
    • 相对较小的值保存在左节点,相对较大的值保存在右节点
    • 这个特点使得查找效率非常高,包括查找最值和特定的值
  • 利用二分查找思想:
    • 查找所需最大次数等于二叉搜索的深度
    • 插入节点也可以如此,逐层比较找到新节点合适的位置
  • 缺陷:
    • 如果插入有序数据,会分布不均,称为非平衡
    • 平衡二叉,插入/查找效率O(logN),而非平衡二叉相当于链表,查找效率为O(N)
代码实现
  • 常见操作

    • insert(key):插入一个新的键
    • search(key):查找键,存在返回true,否则返回false
    • preOrderTraverse:先序遍历
    • inOrderTraverse:中序遍历
    • postOrderTraverse:后序遍历
    • min:返回最小值
    • max:返回最大值
    • remove(key):移除某个键

    注意:这里的三种遍历操作适用于所有二叉,二叉遍历还有层序遍历(队列实现)使用较少

  • 封装:

    javascript">class Node{
        constructor(){
            this.key=key;
            this.left=null;
            this.right=null;
        }
    }
    
    export class BinarySearchTree{
        constructor(){
            this.root = null;
        }    
       
        
    }
    
插入
javascript"> //插入操作(需要是一个可以进行比较的键)
    insert(key){
        //1.根据key创建节点
        const newNode = new Node(key);
        
        //2.判断原来的是否空
        if(this.root === null){
            this.root = newNode;
        }else{
            //调用插入节点方法递归查找到合适位置进行插入
            this.insertNode(this.root,newNode);
        }
        
    }
    
    //插入节点方法
    insertNode(node,newNode){
        if(newNode.key>node.key){
            if(node.right === null){
                node.right = newNode
            }else{
                this.insertNode(node.right,newNode)
            }
        }else{
            if(node.left === null){
                node.left = newNode
            }else{
                this.insertNode(node.left,newNode)
            }
        }
    }
遍历
  • 先序遍历 root->left->right
  • 中序遍历 left-root->right
  • 后序遍历 left->right->root
javascript">  //先序遍历
    preOrderTraverse(){
        //递归调用
        this.preOrderTraverseNode(root);
    }
    
    preOrderTraverseNode(node){
        if(node === null)return;
        
        console.log(node.key);//先操作
        this.preOrderTraverseNode(node.left);
        this.preOrderTraverseNode(node.right);
    }
    
    //中序遍历
    inOrderTraverse(){
        //递归调用
        this.inOrderTraverseNode(root);
    }
    
    inOrderTraverseNode(node){
        if(node === null)return;
        
        this.inOrderTraverseNode(node.left);
        console.log(node.key);//中间操作
        this.inOrderTraverseNode(node.right);
    }
    
    //后序遍历
    postOrderTraverse(){
        //递归调用
        this.postOrderTraverseNode(root);
    }
    
    postOrderTraverseNode(node){
        if(node === null)return;
        
        this.postOrderTraverseNode(node.left);
        this.postOrderTraverseNode(node.right);
        console.log(node.key);//后操作
    }
获取最值
javascript"> 
    //获取最大值,一直右找
    max(){
        let node = this.root;
        while(node.right!==null){
            node = node.right;
        }
        return node.key;
    }
    
    //获取最小值,一直左找
    min(){
        let node = this.root;
        while(node.left!==null){
            node = node.left;
        }
        return node.key;
    }
搜索
javascript"> //搜索操作
    //递归实现
    search(key){
        this.searchNode(this.root,key)
    }
    
    searchNode(node,key){
        if(node.key === key)return true;
        
        if(key<node.key){
            return this.searchNode(node.left,key);
        }else if(key>node.key){
            return this.searchNode(node.right,key);
        }else{
            return false;
        }
    }
    //循环实现
    search2(key){
        let node = this.root;
        
        while(node !== null){
            if(key < node.key){
                node = node.left;
            }else if(key > node.key){
                node = node.right;
            }else{
                return true;
            }
        }
        return false
    }
    
删除节点

有时为避免删除操作添加isDeleted标记,简单不改变结构但浪费空间

  • 找到要删除的节点,如果没有找到说明不需要删除

  • 找到要删除的节点,三种情况

    • 删除叶子节点

    • 删除只有一个子节点的节点

    • 删除有两个子节点的节点

      需要从下面的子节点中找到节点来替换current

      也就是左子的最大节点右子的最小节点

      根据二叉搜索特点,上面两个节点最接近current

      比current小一点点的节点称为current的前驱

      比current大一点点的节点称为current的后继

javascript">//删除操作
remove(key){
    //1.定义一些变量记录状态
    let current = this.root;
    let parent = null;
    let isLeftChild = true;
    
    //2.开始查找要删除的节点
    while(current.key !== key){
        parent = null;
        if(key<current.key){
            isLeftChild = true;
            current = current.left;
        }else{
            isLeftChild = false;
            current = current.right;
        }
        if(current === null)return false;
    }
    
    //找到要删除的节点,记录为current,父节点为parent
    
    //情况一:删除的节点是叶子节点
    if(current.left === null && current.right === null){
        if(current === this.root){
            this.root = null;
        }else if(isLeftChild){
            parent.left = null;
        }else{
            parent.right = null;
        }
    }
    
    //情况二:只有一个子节点(直接替代)
    else if(current.right === null){//只有左子节点
        if(current === this.root){
            this.root = current.left;
        }else if(isLeftChild){
            parent.left = current.left;
        }else{
            parent.right = current.left;
        }
    }else if(current.left === null){//只有右子节点
        if(current === this.root){
            this.root = current.right;
        }else if(isLeftChild){
            parent.left = current.right;
        }else{
            parent.right = current.right;
        }
        return true;
    }
    
    //情况三:有两个子节点
    else{
        //1.获取后继节点
        let successer = this.getSuccesser(current);
        
        //2.判断是否根节点
        if(this.root === current){
            this.root = successer;
        }else if(isLeftChild){
            parent.left = successer;
        }else{
            parent.right = successer;
        }
        successer.left = current.left;//原来的左子赋给后继
    }

    return true;
}

//找到需要删除节点的后继(或前驱,方法一样)
getSuccesser(delNode){
    //1.定义变量存储临时节点
    let successerParent = delNode;
    let successer = delNode;
    let current = delNode.right;

    //2.寻找节点(右子最小节点)
    while(current !== null){
        successerParent = successer;
        successer = current;
        current = current.left;
    }
    //3.后继节点有右子节点(意味着后继节点不直接是delNode的右子节点)
    if(successer !== delNode.right){
        successerParent.left = successer.right;
        successer.right = delNode.right;
    }
    return successer;
}

6.4 红黑

  • 的平衡性

    • 每个节点左边子孙节点数尽量等于右边子孙节点数

    • 保持平衡是为了维持的操作时间复杂度在O(logN)

  • AVL

    • 最早的平衡
    • 每个节点的左子和右子的高度最多相差1,这被称为平衡因子
    • 每个节点多存储一个键值对以助于保持平衡
    • 每次插入/删除操作需要执行旋转来重新平衡,相对红黑效率低,整体效率不如红黑
    • AVL适用注重读取操作的场景,因为它更严格地保持了的平衡性,使得的高度相对较低,查找操作的时间复杂度更稳定
红黑概念
  • 通过一些特性保持的平衡
  • 时间复杂度O(logN)
  • 插入/删除操作性能优于AVL,适用于更多修改操作的场景
  • 现在平衡的应用基本都是红黑
红黑规则

除二叉搜索基本规则,添加了五条特性

  1. 节点红色或黑色
  2. 根节点黑色
  3. 每个叶子节点都是黑色的空节点(NIL节点)
  4. 每个红色节点的两个子节点为黑色(从叶子节点到根的所有路径不能有两个及以上连续红色节点)
  5. 从任一节点到每个叶子节点的所有路径包含相同数目的黑色节点
平衡原理
  • 确保了红黑的关键特性:

    从根到叶子的最长可能路径不超过最短可能路径的两倍,这样确保的高度相对较低,近似平衡

    • 性质4决定路径不能有两个相连的红色节点
    • 最短的可能路径都是黑色节点
    • 最长的可能路径是红色和黑色交替
    • 性质5保证所有路径黑色节点数一样
    • 综上那么没有路径可以长于其他任何路径的两倍
  • 插入新节点,可能需要变换保持平衡(换色-左旋-右旋)

    插入到二叉搜索的合适位置,并将该节点着色为红色

    6种情况:

    • 的根节点.将根节点的颜色设置为黑色
    • 父节点是黑色,由于没有破坏红黑的性质,不需要进行额外的调整
    • 父节点和叔叔节点都是红色, 将父节点和叔叔节点的颜色设置为黑色,祖父节点的颜色设置为红色
    • 父节点是红色,但叔叔节点是黑色或空,并且插入节点是其父节点的右子节点,而父节点又是祖父节点的左子节点, 父节点左旋
    • 父节点是红色,但叔叔节点是黑色或空,并且插入节点是其父节点的左子节点,而父节点又是祖父节点的左子节点,需要祖父节点右旋
    • 父节点是红色,但叔叔节点是黑色或空,并且插入节点是其父节点的左子节点,而父节点又是祖父节点的右子节点, 父节点右旋进入上一种情况

http://www.niftyadmin.cn/n/5294600.html

相关文章

PostgreSQL14 Internals 中文版 持续修正...

为了方便自己快速学习&#xff0c;整理了翻译版本&#xff0c;目前翻译的还不完善&#xff0c;后续会边学习边完善。 About This Book 1 Introduction Part I Isolation and MVCC 2 Isolation 3 Pages and Tuples 4 Snapshots 5 Page Pruning and HOT Updates 6 Vacuum…

sheng的学习笔记-【中】【吴恩达课后测验】Course 4 -卷积神经网络 - 第二周测验

课程4_第2周_测验题 目录 第一题 1.在典型的卷积神经网络中&#xff0c;随着网络的深度增加&#xff0c;你能看到的现象是&#xff1f; A. 【  】 n H n_H nH​和 n W n_W nW​增加&#xff0c;同时 n C n_C nC​减少 B. 【  】 n H n_H nH​和 n W n_W nW​减少&#x…

如何使用Pyxamstore快速解析Xamarin AssemblyStore文件

关于Pyxamstore Pyxamstore是一款针对Xamarin AssemblyStore文件&#xff08;assemblies.blob&#xff09;的强大解析工具&#xff0c;该工具基于纯Python 2.7开发&#xff0c;支持从一个APK文件中解包并重封装assemblies.blob和assemblies.manifest Xamarin文件。 什么是ass…

(14)Linux 地址空间的理解

前言&#xff1a;本章核心主题为 "进程地址空间"。 一、Linux 进程地址空间 程序地址空间是内存吗&#xff1f;不是&#xff01;程序地址空间不是内存&#xff01; 其实&#xff0c;我们称之为程序地址空间都不准确&#xff0c;应该叫 进程地址空间&#xff0c;这…

基于MINIST的手写数字体识别

一、算法简述 网络结构设计 通过创建MnistNet类&#xff0c;定义了包含两个卷积层和两个全连接层的深度神经网络。这个网络的设计灵感来自于经典的CNN结构&#xff0c;其中卷积层用于提取图像特征&#xff0c;而全连接层则用于将这些特征映射到最终的类别。 卷积与池化 卷…

C# Image Caption

目录 介绍 效果 模型 decoder_fc_nsc.onnx encoder.onnx 项目 代码 下载 C# Image Caption 介绍 地址&#xff1a;https://github.com/ruotianluo/ImageCaptioning.pytorch I decide to sync up this repo and self-critical.pytorch. (The old master is in old ma…

基于Java网上点餐系统设计与实现

博主介绍&#xff1a; ✌至今服务客户已经1000、专注于Java技术领域、项目定制、技术答疑、开发工具、毕业项目实战 ✌ &#x1f345; 文末获取源码联系 &#x1f345; &#x1f447;&#x1f3fb; 精彩专栏 推荐订阅 &#x1f447;&#x1f3fb; 不然下次找不到 Java项目精品实…

【MySQL】数据库之存储过程(“SQL语句的脚本“)

目录 一、什么是存储过程&#xff1f; 二、存储过程的作用 三、如何创建、调用、查看、删除、修改存储过程 四、存储过程的参数&#xff08;输入参数&#xff0c;输出参数&#xff0c;输入输出参数&#xff09; 第一种&#xff1a;输入参数 第二种&#xff1a;输出参数 …