二叉查找树
二叉查找树是一种支持动态查询的数据结构，所谓动态查寻结构：即在当数据集合内容发生改变时，集合内数据的排列组合不用重新构建。这样的数据结构在查询时需要不断变动的场景中是非常高效的，二叉查找树就是其中一个，并且它是SBT,AVL,红黑树的基础，一直有兴趣想要研究下。原理就不介绍了，可参考这个 。今天花了半天时间，自己完成了一个基于数组的Java实现。
实现的方法：INSERT、SEACH、DELETE
先简单说明下这几个方法的实现原理：
SEARCH:
查询方法的思路很简单，和二分查找相似，即从根节点开始查找，若待查找元素a小于根节点，则在该节点的左子树中继续查找，大于则去右子树中，等于便是找到了。
INSERT：
插入方法，也是一个查询的过程，若根节点为空，则直接设置成跟节点，否则依如下方式与节点比较： 若小于节点值，将元素插入其左子树，若大于该节点值插入其右子树。若发现相等的则退出，算是排重。
DELETE：
删除操作相对比较复杂，若要删除某一个节点
Z
，可能遇见三种情况：
一. 节点
Z
不包含任何子树；此时可直接删除，不影响数据的结构。
二. 节点
Z
只有一个子子树，左子树或右子树；此时只需将
Z
的唯一的那个子树的根节点指向
Z
的父节点即可，此操作也不影响数据的。（但由于我是基于数组的，指针式通过数组的位置表示，所以某个节点指向变了，其所有子节点在数组中的位置都要变，不过好在这种变化是有规律的，我已在程序中注明。）
三.
节点
Z
的左子树和右子树同时存在。这种情况最为复杂，首先找到
Z
左子树中值最大的节点，记为
H
，将代替
Z
在树种的位置，然后再以递归的方式删除节点
H.
下面是我自己实现的代码，若有错误或可优化的地方，还望各位看官及时指出，我好更正。
package com.mycode.structures;
import java.util.Collection;
/**
* 基于数组二叉查找树实现
* @author Breath_L
* @param <T>
*/
public class BSTree<T extends Comparable<T>> {
private static final int DEFAULT_SIZE = 10;
private T[] data;
private Integer count;
public Integer getCount(){
return count;
}
public BSTree(int size){
data = (T[]) new Object[size];
count = 0;
}
public BSTree(){
data = (T[]) new Object[DEFAULT_SIZE];
count = 0;
}
/**
* 扩充容量
*/
private void expandSize(){
T[] newDate = (T[]) new Object[data.length * 2];
System.arraycopy(data, 0, newDate, 0, data.length);
data = newDate;
}
/**
* 判断二叉树中是否包含元素 one
* @param one
* @return 若找到了，返回该元素在数组中的位置，否则返回-1
*/
public int search(T one){
if(data[0] == null){
System.out.println("==> This BSTree is Empty!");
return -1;
}else{
int index = 0;
while(index < data.length && data[index] != null){
int f = one.compareTo(data[index]);
if(f == 0){ //找到了返回其位置
return index;
}else if(f < 0){
index = 2 * index + 1;
}else{
index = 2 * index + 2;
}
}
return -1;
}
}
/**
* 添加元素
* @param t
*/
public void add(T t){
if(data[0] == null){
data[0] = t;
count++;
return;
}else{
int index = 0;
while(index < data.length){
if(t.compareTo(data[index])<0){
int left = 2 * index + 1;
if(left >= data.length)
expandSize();
if(data[left] == null){
data[left] = t;
break;
}else{
index = left;
}
}else if(t.compareTo(data[index]) > 0){
int right = 2 * index + 2;
if(right >= data.length)
expandSize();
if(data[right] == null){
data[right] = t;
break;
}else{
index = right;
}
}else{ // 相同元素不处理，算是排重了
break;
}
}
}
count++;
}
public void addAll(Collection<T> all){
for (T t:all){
add(t);
}
}
public void addAll(T[] all){
for (T t:all){
add(t);
}
}
public void delete(T del){
int del_index = this.search(del);
if(del_index != -1){ //等于-1 表示没有，便不做处理
real_delete(del_index);
}
}
/**
* 删除某个节点
* @param index：该节点在数组中的位置
* @return
*/
private void real_delete(int index){
int lc = 2*index + 1;
int rc = 2*index + 2;
if(data[lc] != null && data[rc] != null){ // 左子树、右子树同时存在的情况
int left_max_child = findLeftMaxChild(index);
data[index] = data[left_max_child]; //删除节点
real_delete(left_max_child); //递归删除左子树中值最大的节点
}else if(data[lc] == null && data[rc] == null){ // 都没有则直接删除
data[index] = null;
}else{
if(data[lc] != null){
replaceNodeWithChild(lc, lc-index);
}else{
replaceNodeWithChild(rc, rc-index);
}
}
}
/**
* 寻找某个节点的左子树中最大节点
* @param index 某个节点的位置
* @return 最大节点位置
*/
private int findLeftMaxChild(int index){
int left = 2*index +1;
int bigger = 2*left + 2;
while( bigger < data.length && data[bigger] != null){
left = bigger;
bigger = 2 * bigger + 2;
}
return left;
}
/**
* 若子节点C替换了其父节点P，则C的所有子节点都需要被移动(由于数组的原因)，distance为C和P在数组中位置之差。
* 其所有子节点在数组中移动的距离为 distance*(2^x)，x为这些子节点与节点C的距离(相邻节点距离为1)；
* @param node
* @param distance
*/
private void replaceNodeWithChild(int node, int distance){
int left = 2*node+1;
int right = 2*node+2;
int current_distance = distance*2; //每次递归距离*2
if(data[left] != null){
data[left - current_distance] = data[left];
replaceNodeWithChild(left,current_distance); //递归遍历下个节点
}
if(data[right] != null){
data[right - current_distance] = data[right];
replaceNodeWithChild(right,current_distance);
}
}
}原创博客，转载请注明
http://my.oschina.net/BreathL/blog/54734
