至于什么是AVL树和AVL树的一些概念问题在这里就不多说了，下面是我写的代码，里面的注释非常详细地说明了实现的思想和方法。
因为在操作时真正需要的是子树高度的差，所以这里采用-1，0，1来表示左子树和右子树的高度差，而没有使用记录树的高度的方法。
代码如下：
#define FALSE 0
#define TRUE 1
#define LH 1
#define EH 0
#define RH -1
typedef struct AVLNode
{
DataType cData;
int nBf; //结点的平衡因子，-1表示右子树的深度比左子树高1
//0表示左子树与右子树深度相等
//1表示左子树的深度比右子树高1
struct AVLNode *LChild;
struct AVLNode *RChild;
}AVLNode,*AVLTree;
typedef int BOOL;void R_Rotate(AVLTree *pAT)
{
//对以*pAT为根的二叉树作右旋转处理，处理之后pAT指向新的树根结点
//即旋转处理之前的左子树的根结点
AVLTree lc = (*pAT)->LChild;
(*pAT)->LChild = lc->RChild;
lc->RChild = *pAT;
*pAT = lc;
}
void L_Rotate(AVLTree *pAT)
{
//对以*pAT为根的二叉树作左旋转处理，处理之后pAT指向新的树根结点
//即旋转处理之前的右子树的根结点
AVLTree rc = (*pAT)->RChild;
(*pAT)->RChild = rc->LChild;
rc->LChild = *pAT;
*pAT = rc;
}
void LeftBalance(AVLTree *pAT)
{
//对以指针pAT所指结点为根的二叉树作左平衡旋转处理，
//本算法结束时指针pAT指向新的结点
AVLTree lc = (*pAT)->LChild; //lc指向*pAT的左子树根结点
AVLTree rd = NULL;
if(lc)
switch(lc->nBf) //检查*pAT的左子树的平衡度，并作相应平衡处理
{
case LH: //新结点插入在*pAT的左孩子的左子树上，要作单右旋转处理
(*pAT)->nBf = lc->nBf = EH;
R_Rotate(pAT);
break;
case RH: //新结点插入在*pAT的左孩子的右子树上，要作双旋转处理
rd = lc->RChild;
switch(rd->nBf) //修改*pAT及其左孩子的平衡因子
{
case LH:
(*pAT)->nBf = RH;
lc->nBf = EH;
break;
case EH:
(*pAT)->nBf = lc->nBf = EH;
break;
case RH:
(*pAT)->nBf = EH;
lc->nBf = LH;
break;
default:;
}
rd->nBf = EH;
L_Rotate(&(*pAT)->LChild); //对*pAT的左子树作左平衡处理
R_Rotate(pAT); //对*pAT作右平衡处理
break;
default:;
}
}
void RightBalance(AVLTree *pAT)
{
//对以指针pAT所指结点为根的二叉树作右平衡旋转处理，
//本算法结束时指针pAT指向新的结点
AVLTree rc = (*pAT)->RChild;
AVLTree rd = NULL;
if(rc)
switch(rc->nBf)
{
case RH:
(*pAT)->nBf = rc->nBf = EH;
L_Rotate(pAT);
break;
case LH:
rd = rc->LChild;
switch(rd->nBf)
{
case LH:
(*pAT)->nBf = EH;
rc->nBf = RH;
break;
case EH:
(*pAT)->nBf = rc->nBf = EH;
break;
case RH:
(*pAT)->nBf = LH;
rc->nBf = EH;
break;
}
rd->nBf = EH;
R_Rotate(&(*pAT)->RChild);
L_Rotate(pAT);
default:;
}
}BOOL InsertATNode(AVLTree *pAT, DataType c)
{
//若在平衡的二叉树pAT中不存在和c相同的关键字结点，
//则插入一个以c为数据元素的新结点，并返回1，否则返回0
//若因插入而使二叉排序树失去平衡，则作平衡旋转处理
static int taller = FALSE; //反映pAT树是否长高
if(!(*pAT))
{
//插入新结点，树长高，taller为TRUE;
(*pAT) = (AVLTree)malloc(sizeof(AVLNode));
(*pAT)->cData = c;
(*pAT)->LChild = (*pAT)->RChild = NULL;
(*pAT)->nBf = EH;
taller = TRUE;
}
else
{
if((*pAT)->cData == c)
{
//树中已存在和e相同关键字的结点，不插入
taller = FALSE;
return 0;
}
if(c < (*pAT)->cData)
{
//应该在*pAT的左子树中进行搜索
if(!InsertATNode(&(*pAT)->LChild, c)) //未插入
return 0;
if(taller) //已插入到树pAT并且左子树长高
{
switch((*pAT)->nBf) //检查*pAT的平衡因子
{
case LH: //原本左子树比右子树高，作左平衡处理
LeftBalance(pAT);
taller = FALSE;
break;
case EH: //原本左右子树等高，现左子树比右子树高1
(*pAT)->nBf = LH;
taller = TRUE;
break;
case RH: //原本右子树比左子树高，现左右子树等高
(*pAT)->nBf = EH;
taller = FALSE;
break;
}
}
}
else
{
//应该在*pAT的右子树中进行搜索
if(!InsertATNode(&(*pAT)->RChild, c)) //未插入
return 0;
if(taller) //已插入到树pAT并且右子树长高
{
switch((*pAT)->nBf) //检查*pAT的平衡因子
{
case LH: //原本左子树比右子树高，现左右子树等高
(*pAT)->nBf = EH;
taller = FALSE;
break;
case EH: //原本左右子树等高，现右子树比左子树高1
(*pAT)->nBf = RH;
taller = TRUE;
break;
case RH: //原本右子树比左子树高，作右平衡处理
RightBalance(pAT);
taller = FALSE;
break;
}
}
}
}
return 1;
}BOOL DeleteNode(AVLTree *pAT, DataType c)
{
//若在平衡的二叉树pAT中存在和c相同的关键字结点，
//则删除一个以c为数据元素的结点，并返回1，否则返回0
//若因删除而使二叉排序树失去平衡，则作平衡旋转处理
static int lower = FALSE; //反映pAT树是否变矮
if(!(*pAT)) //树为空或结点不存在返回0
return 0;
if(c == (*pAT)->cData)
{
//存在要删除的结点
//查找用作替换的结点
AVLTree Min = FindMin((*pAT)->RChild);
if(Min != NULL) //存在右子树
{
//找到可以用作替换的点
(*pAT)->cData = Min->cData;
if(Min != (*pAT)->RChild)
{
AVLTree Parent = GetParent((*pAT)->RChild, Min->cData);
Parent->LChild = Min->RChild;
}
else
{
(*pAT)->RChild = Min->RChild;
}
free(Min);
}
else //不存在右子树
{
//找不到删除的结点
Min = *pAT;
*pAT = (*pAT)->LChild;
free(Min);
}
lower = TRUE;
}
else if(c < (*pAT)->cData)
{
//应该在*pAT的左子树中进行搜索
if(!DeleteNode(&(*pAT)->LChild, c)) //未删除
return 0;
if(lower) //树变矮
{
switch((*pAT)->nBf)
{
case LH: //原本左子树比右子树高，现在等高
(*pAT)->nBf = EH;
lower = TRUE;
break;
case EH: //原本左右子树等高，现右子树比左子树高1
(*pAT)->nBf = RH;
lower = FALSE;
break;
case RH: //原本右子树比左子树高，则作右平衡处理
RightBalance(pAT);
lower = TRUE;
break;
}
}
}
else if(c > (*pAT)->cData)
{
//应该在*pAT的右子树中进行搜索
if(!DeleteNode(&(*pAT)->RChild, c))
return 0;
if(lower)
{
switch((*pAT)->nBf)
{
case LH: //原本左子树比右子树高，则作左平衡处理
LeftBalance(pAT);
lower = TRUE;
break;
case EH: //原本左右子树等高，现左子树比右子树高1
(*pAT)->nBf = LH;
lower = FALSE;
break;
case RH: //原本右子树比左子树高，现左左子树等高
(*pAT)->nBf = EH;
lower = TRUE;
break;
}
}
}
return 1;
}AVLTree FindMin(AVLTree AT)
{
//查找AT中最小的元素
while(AT && AT->LChild)
{
AT = AT->LChild;
}
return AT;
}
AVLTree GetParent(AVLTree AT, DataType c)
{
if(!AT || AT->cData == c)
return NULL;
if((AT->LChild && AT->LChild->cData == c) ||
(AT->RChild && AT->RChild->cData == c))
return AT;
else if((AT->LChild && c < AT->LChild->cData))
return GetParent(AT->LChild, c);
else
return GetParent(AT->RChild, c);
}
AVLTree FindATNode(AVLTree AT, DataType c)
{
if(!AT)
return NULL;
else if(AT->cData == c)
return AT;
else if(c < AT->cData)
{
return FindATNode(AT->LChild, c);
}
else
{
return FindATNode(AT->RChild, c);
}
}现在对这种实现方法作一点小小的分析。
1、至于时间复杂度的分析就不必多说了，所有的算法的时间复杂度都为log2N。
2、从代码的数量可以看出这并不是一种好的实现方法，因为它的思路不太清晰和直观，操作实现比较复杂，还要用到二重指针，增加了程序出错的机会。
3、导致复杂的原因主要有两个，
1）第一个就是在高度信息储存方法上，不是采用每个结点保存自己作为一棵树的深度，而是保存着左右子树之差（左子树的深度 – 右子树的深度），从而产生了大量的判断和switch语句，让人眼花瞭乱，并且影响程序的效率和易读性，难以维护，所以用一个变量记录树的高度会让程序思路更清晰。
2）再者，在这里的旋转、插入的删除操作都要调节结点并改变指向结点的指针变量的值，在C语言中是没有引用的（C++有），所以就要用到双重指针，这无疑加大了程序的复杂度，而且使程序更容易出错。而避免这样的情况的做法是很简单的，只需要做一个简单的修改。就是让旋转插入等操作的返回值为指向结点的指针，而不是一个标志操作是否成功的状态值。而且这样做还有一个好处，就是通常最后插入的数据总是最先被访问，这样就可以根据返回的结点的指针马上访问该结点，而不用再在整棵树中查找。
算法如有错误，还请各位读者指出，谢谢！
改进后的算法会在下一篇文章（AVL树的插入删除查找算法实现和分析-2（树高度法））中给出。
