JavaScript数据结构——树的实现

  • 时间:
  • 浏览:0
  • 来源:大发uu快3_uu快3计划_大发uu快3计划

  在计算机科学中,树是两种十分重要的数据形态。树被描述为两种分层数据抽象模型,常用来描述数据间的层级关系和组织形态。树也是两种非顺序的数据形态。下图展示了树的定义:

  在介绍何如用JavaScript实现树后来 ,当他们都先介绍这个 和树相关的术语。

  如上图所示,一棵全版的树含高一5个多多指在树顶部的节点,称之为根节点(11),它那末父节点。树中的每一5个多多元素都叫做一5个多多节点,节点分为内部管理节点(图中显示为黄色的节点)和内部管理节点(图中显示为灰色的节点),最少有一5个多多子节点的节点称为内部管理节点,那末子元素的节点称为内部管理节点或叶子节点。一5个多多节点里能 有祖先(根节点除外)和后代。子树由节点两种和它的后代组成,如上图中三角虚框中的累积若果一棵子树。节点拥有的子树的个数称之为节点的度,如上图中除叶子节点的度为0外,其余节点的度都为2。从根节点刚结束了了,根为第1层,第一级子节点为第2层,第二级子节点为第3层,以此类推。树的淬硬层 (淬硬层 )由树中节点的最大层级决定(上图中树的淬硬层 为4)。

  在一棵树中,具有相同父节点的一组节点称为兄弟节点,如上图中的3和6、5和9等时需兄弟节点。

二叉树

  二叉树中的节点最多能不里能 5个多多多子节点,一5个多多是左子节点,一5个多多是右子节点。左右子节点的顺序里能 颠倒。而且,二叉树中不指在度大于2的节点。

  二叉搜索树(BST——Binary Search Tree)是二叉树的两种,它规定在左子节点上存储小(比父节点)的值,在右子节点上(比父节点)存储大(或等于)的值。上图若果一5个多多二叉搜索树。

  下面当他们都重点来看一下二叉搜索树的实现。

  根据二叉树的描述,一5个多多节点最多只5个多多多子节点,当他们都里能 使用《JavaScript数据形态——链表的实现与应用》一文中的双向链表来实现二叉搜索树中的每一5个多多节点。下面是二叉搜索树的数据形态示意图:

  以下是当他们时需实现的BinarySearchTree类的骨架累积:

class BinarySearchTree {
    constructor () {
        this.root = null;
    }

    // 向树中插入一5个多多节点
    insert (key) {}

    // 在树中查找一5个多多节点
    search (key) {}

    // 通过中序遍历法律办法遍历树中的所有节点
    inOrderTraverse () {}

    // 通过先序遍历法律办法遍历树中的所有节点
    preOrderTraverse () {}

    // 通后来
序遍历法律办法遍历树中的所有节点
    postOrderTraverse () {}

    // 返回树中的最小节点
    min () {}

    // 返回树中的最大节点
    max () {}

    // 从树中移除一5个多多节点
    remove (key) {}
}

   先来看看向树中加带一5个多多节点。当他们都借用《JavaScript数据形态——链表的实现与应用》一文中的双向链表DoubleLinkedList类来模拟树中的节点,在DoubleLinkedList类中,每一5个多多节点5个多多多属性:element、next和prev。当他们时需这里用element表示树中节点的key,用next表示树中节点的右子节点(right),用prev表示树中节点的左子节点(left)。

insert (key) {
    let newNode = new Node(key);

    if (this.root === null) this.root = newNode;
    else insertNode(this.root, newNode);
}

  当树的root为null时,表示树为空,这时直接将新加带的节点作为树的根节点。而且,当他们都时需借能够私有函数insertNode()来完成节点的加带。在insertNode()函数中,当他们都时需根据新加带节点的key的大小来递归查找树的左侧子节点后来 右侧子节点,后来 根据当他们都的二叉搜索树的定义,值小的节点永远保指在左侧子节点上,值大的节点(包括值相等的情形)永远保指在右侧子节点上。下面是insertNode()函数的实现代码:

let insertNode = function (node, newNode) {
    if (newNode.element < node.element) {
        if (node.prev === null) node.prev = newNode;
        else insertNode(node.prev, newNode);
    }
    else {
        if (node.next === null) node.next = newNode;
        else insertNode(node.next, newNode);
    }
};

  所有新节点能不里能 作为叶子节点被加带到树中。在本文一刚结束了了给出的树的形态图中,之时需加带节点2,对应的操作步骤如下:

  当他们都传入树的根节点,依次进行递归,找到对应的叶子节点,而且修改节点的prev(左子节点)或next(右子节点)指针,使其指向新加带的节点。在上例中,之时需加带节点4,它对应的位置应该是节点3的右子节点,后来 4比3大。之时需加带节点21,对应的位置应该是节点25的左子节点......

  下面当他们都来看看树的两种遍历法律办法:

  • 前序遍历(NLR——Preorder Traversal)也叫先序遍历,访问根节点的操作指在在遍历其左右子树后来 。
  • 中序遍历(LNR——Inorder Traversal),访问根节点的操作指在在遍历其左右子树之间。
  • 后序遍历(LRN——Postorder Traversal),访问根节点的操作指在在遍历其左右子树后来 。

  下面的5个多多法律办法对应树的两种遍历法律办法:

// 前序遍历
let preOrderTraverseNode = function (node, callback) {
    if (node !== null) {
        callback(node.element);
        preOrderTraverseNode(node.prev, callback);
        preOrderTraverseNode(node.next, callback);
    }
};

// 中序遍历
let inOrderTraverseNode = function (node, callback) {
    if (node !== null) {
        inOrderTraverseNode(node.prev, callback);
        callback(node.element);
        inOrderTraverseNode(node.next, callback);
    }
};

// 后续遍历
let postOrderTraverseNode = function (node, callback) {
    if (node !== null) {
        postOrderTraverseNode(node.prev, callback);
        postOrderTraverseNode(node.next, callback);
        callback(node.element);
    }
};

  里能 看完,这个 5个多多函数的内容很例如,若果调整了左右子树和根节点的遍历顺序。这里的callback是一5个多多回调函数,里能 传入任何你想执行的函数,这里当他们都传入的函数内容是打印树的节点的key值。当他们都将BinarySearchTree类的这个 5个多多遍历法律办法的内容补充全版:

preOrderTraverse (callback) {
    preOrderTraverseNode(this.root, callback);
}

inOrderTraverse (callback) {
    inOrderTraverseNode(this.root, callback);
}

postOrderTraverse (callback) {
    postOrderTraverseNode(this.root, callback);
}

  为了构建本文一刚结束了了的那棵树,当他们都执行下面的代码,而且测试preOrderTraverse()法律办法:

let tree = new BinarySearchTree();
tree.insert(11);
tree.insert(7);
tree.insert(15);
tree.insert(5);
tree.insert(9);
tree.insert(13);
tree.insert(20);
tree.insert(3);
tree.insert(6);
tree.insert(8);
tree.insert(10);
tree.insert(12);
tree.insert(14);
tree.insert(18);
tree.insert(25);

tree.preOrderTraverse((value) => console.log(value));

  注意节点插入的顺序,顺序不同,你之回会得到不一样的树。preOrderTraverse()法律办法采用ES6的语法传入了一5个多多匿名函数作为参数callback的值,这个 匿名函数的主要作用若果打印树中节点的key值,里能 对照上端5个多多遍历树节点的函数中的callback(node.element)一句话,这里的callback若果这个 匿名函数,node.element若果节点的key值(还记得前面当他们都说过,借用双向链表类DoubleLinkedList来模拟树的节点吗?)下面是前序遍历的执行结果:

11
7
5
3
6
9
8
10
15
13
12
14
20
18
25

  当他们都参照前序遍历的定义,借住下面的示意图来理解整个遍历过程:

  在前序遍历函数preOrderTraverseNode()中,先执行callback(node.element),而且再依次递归左子树和右子树。当他们都将树的根节点作为第一5个多多节点传入,首先打印的若果根节点11,而且刚结束了了遍历左子树,这将依次打印左子树中的所有左子节点,依次是7、5、3。当节点3的prev为null时,递归返回,继续查找节点3的右子节点,此时节点3的next值也为null,于是继续向上返回到节点5,刚结束了了遍历节点5的右子节点,于是打印节点6......最终所有的节点就按照这个 递归顺序进行遍历。

  而且当他们都再来看看中序遍历的情形。

tree.inOrderTraverse((value) => console.log(value));
3
5
6
7
8
9
10
11
12
13
14
15
18
20
25

 

  在中序遍历函数inOrderTraverseNode()中,先递归左子树,而且执行callback(node.element),最后再递归右子树。同样的,当他们都将根节点作为第一5个多多节点传入,递归到左子树的最后一5个多多左子节点3,后来 节点3的prev为null,不要 不要 递归返回,打印节点3,而且继续查找节点3的右子节点,节点3的next值也为null,递归返回到上一层节点5,刚结束了了打印节点5,后来 再查找节点5的右子节点......最终整棵树按照这个 顺序完成遍历。

  最后再来看看完序遍历的情形。

tree.postOrderTraverse((value) => console.log(value));
3
6
5
8
10
9
7
12
14
13
18
25
20
15
11

 

  在后序遍历函数postOrderTraverseNode()中,先递归左子树,而且再递归右子树,最后执行callback(node.element)。同样的,当他们都将根节点作为第一5个多多节点传入,递归到左子树的最后一5个多多左子节点3,后来 节点3的prev为null,不要 不要 递归返回,此时继续查找节点3的右子节点,节点3的next值也为null,递归返回并打印节点3,后来 递归返回到上一层节点5,刚结束了了查找节点5的右子节点,节点5的右子节点是节点6,后来 节点6是叶子节点,不要 不要 直接打印节点6,而且递归返回并打印节点5。后来 递归再向上返回到节点7并递归节点7的右子节点......按照这个 顺序最终完成对整棵树的遍历。

  接下来当他们都再来看看对树的搜索。有两种要时不时执行的搜索法律办法:

  • 搜索树中的最小值
  • 搜索树中的最大值
  • 搜索树中的特定值

  搜索树中的最小值和最大值比较简单,后来 当他们都的二叉搜索树规定了值小的节点永远在左子树(左子节点)中,值大(或相等)的节点永远在右子树(右子节点)中,不要 不要 ,搜索最大值当他们都只时需递归查找树的右子树直到叶子节点,就能找到值最大的节点。搜索最小值只时需递归查找树的左子树直到叶子节点,就能找到值最小的节点。下面是这个 5个多多函数的实现:

let minNode = function (node) {
    if (node === null) return null;

    while (node && node.prev !== null) {
        node = node.prev;
    }
    return node;
};

let maxNode = function (node) {
    if (node === null) return null;

    while (node && node.next !== null) {
        node = node.next;
    }
    return node;
};

  第两种法律办法是搜索特定的值,当他们都时需比较要搜索的值与当前节点的值,之时需搜索的值小于当前节点的值,则从当前节点刚结束了了递归查找左子数(左子节点)。之时需搜索的值大于当前节点的值,则从当前节点刚结束了了递归查找右子树(右子节点)。按照这个 逻辑,当他们都的searchNode()函数实现如下:

let searchNode = function (node, key) {
    if (node === null) return null;

    if (key < node.element) return searchNode(node.prev, key);
    else if (key > node.element) return searchNode(node.next, key);
    else return node;
};

  后来 找到了对应的节点,就返回该节点,而且就返回null。当他们都将BinarySearchTree类的这个 5个多多搜索法律办法的内容补充全版:

search (key) {
    return searchNode(this.root, key);
}

min () {
    return minNode(this.root);
}

max () {
    return maxNode(this.root);
}

  下面是这个 测试用例及结果:

console.log(tree.min().element); // 3
console.log(tree.max().element); // 25
console.log(tree.search(1) ? 'Key 1 found.' : 'Key 1 not found.'); // Key 1 not found.
console.log(tree.search(8) ? 'Key 8 found.' : 'Key 8 not found.'); // Key 8 found.

  让当他们都来看一下search()法律办法的执行过程是何如的。

  搜索key=1的节点,首先当他们都传入树的根节点和key=1,后来 1小于根节点的值11,递归查找根节点的左子节点7,1<7,继续查找节点7的左子节点,直到找到叶子节点3,1仍然小于3,而且节点3那末左子节点了,不要 不要 返回false,整个递归刚结束了了向上返回,最终返回的结果是false,表示树中那末key=1的节点。

  相应地,对于搜索key=8的节点,也是先遍历根节点的左子节点7,后来 8>7,不要 不要 会遍历节点7的右子节点,找到节点9,8<9,遍历节点9的左子节点,此时找到节点9的左子节点正好是8,不要 不要 返回true,而且整个递归向上返回,最终的返回结果若果true,表示树中找到了key=8的节点。

  最后当他们都再来看一下从树中移除一5个多多节点的过程,这个 过程要稍微多样化这个 。先来看看删除树节点的函数removeNode()的代码,稍后当他们都再来全版讲解整个执行过程。

let removeNode = function (node, key) {
    if (node === null) return null;

    if (key < node.element) {
        node.prev = removeNode(node.prev, key);
        return node;
    }
    else if (key > node.element) {
        node.next = removeNode(node.next, key);
        return node;
    }
    else {
        // 第两种情形:一5个多多叶子节点(那末子节点)
        if (node.prev === null && node.next === null) {
            node = null;
            return node;
        }
        // 第二种情形:只含高一5个多多子节点
        if (node.prev === null) {
            node = node.next;
            return node;
        }
        else if (node.next === null) {
            node = node.prev;
            return node;
        }

        // 第两种情形:5个多多多子节点
        let aux = minNode(node.next);
        node.element = aux.element;
        node.next = removeNode(node.next, aux.element);
        return node;
    }
};

  首不难 找到树中待删除的节点,这时需进行递归遍历,从根节点刚结束了了,后来 key值小于当前节点的值,则遍历左子树,后来 key值大于当前节点的值,则遍历右子树。注意,在递归遍历的过程中,当他们都将node(这里的node传入的是树的根节点)的prev指针或next指针逐级指向下一级节点,而且返回整个node。当找到要删除的节点后,当他们时需解决两种情形:

  • 该节点为叶子节点(那末子节点)
  • 该节点能不里能 一5个多多子节点(左子节点或右子节点)
  • 该节点5个多多多子节点(左右子节点都指在)

   当他们都先看第两种情形:

  假设当他们时需删除节点6,传入根节点11,整个执行过程如下:

  1. node=11,key=6,6<11,递归执行removeNode(7, 6)
  2. node=7,key=6,6<7,递归执行removeNode(5, 6)
  3. node=5,key=6,6>5,递归执行removeNode(6, 6)
  4. node=6,key=6,6=6,而且节点6的prev和next都为null,不要 不要 当他们都将节点6设置为null,而且返回null
  5. 递归返回到步骤3,节点5的next将获取步骤4的返回值null
  6. 递归返回到步骤2,节点7的prev依然指向节点5,保持不变
  7. 递归返回到步骤1,节点11的prev依然指向节点7,保持不变
  8. 最后返回节点11

  而且当他们都来看能不里能 一5个多多子节点的情形:

  前面后来 删除了节点6,假设当他们都现在要删除节点5,它有一5个多多左子节点3,当他们都依然传入根节点11,来看看整个执行过程:

  1. node=11,key=5,5<11,递归执行removeNode(7, 5)
  2. node=7,key=5,5<7,递归执行removeNode(5, 5)
  3. node=5,key=5,5=5,而且节点5的prev=3,next=null,不要 不要 当他们都将节点5替加带它的左子节点3,并返回节点3
  4. 递归返回到步骤2,节点7的next将获取步骤3的返回值3
  5. 递归返回到步骤1,节点11的prev依然指向节点7,保持不变
  6. 最后返回节点11

  当他们时需时需将节点5从内存中删除,它会自动被JavaScript的垃圾回收器清理掉,这个 在《JavaScript数据形态——链表的实现与应用》一文中后来 介绍过。以上步骤是针对目标节点有左子节点的情形,对于有右子节点情形,执行过程是例如的。

  最后再来看第两种情形:

  前面后来 删除了节点6和节点5,现在当他们时需删除节点15,它有左右子树,当他们都传入根节点11,来看下具体执行过程:

  1. node=11,key=15,15>11,递归执行removeNode(15, 15)
  2. node=15,key=15,15=15,此时当他们都时需找到节点15的右子树中的最小节点18,将节点15的key替加带节点18的key,而且将节点15的next节点(即节点20)作为起始节点进行遍历,找到并删除节点18,最后再将节点15(此时它的key是18)的next指针指向节点20,并返回节点15
  3. 递归返回到步骤1,节点11的next依然指向节点15,但此时节点15的key后来 变成18了
  4. 最后返回节点11

  试想一下,当删除节点15后来 ,为了保证当他们都的二叉搜索树形态稳定,时时需节点15的右子树中的最小节点来替换节点15,后来 直接将11的next指向20,则20后来 5个多多多子节点13、18、25,这显然后来 不符合当他们都二叉树的定义了。后来 将节点25用来替换节点15,节点20的值比节点25的值小,不应该时不时老出在右子节点,这若果符合当他们都的二叉搜索树的定义。不要 不要 ,能不里能 按照上述过程不能既保证不破坏树的形态,又能删除节点。

  当他们都后来 完成了一刚结束了了当他们都定义的二叉搜索树BinarySearchTree类的所有法律办法,下面是它的全版代码:

  1 let insertNode = function (node, newNode) {
  2     if (newNode.element < node.element) {
  3         if (node.prev === null) node.prev = newNode;
  4         else insertNode(node.prev, newNode);
  5     }
  6     else {
  7         if (node.next === null) node.next = newNode;
  8         else insertNode(node.next, newNode);
  9     }
 10 };
 11 
 12 let preOrderTraverseNode = function (node, callback) {
 13     if (node !== null) {
 14         callback(node.element);
 15         preOrderTraverseNode(node.prev, callback);
 16         preOrderTraverseNode(node.next, callback);
 17     }
 18 };
 19 
 20 let inOrderTraverseNode = function (node, callback) {
 21     if (node !== null) {
 22         inOrderTraverseNode(node.prev, callback);
 23         callback(node.element);
 24         inOrderTraverseNode(node.next, callback);
 25     }
 26 };
 27 
 28 let postOrderTraverseNode = function (node, callback) {
 29     if (node !== null) {
 300         postOrderTraverseNode(node.prev, callback);
 31         postOrderTraverseNode(node.next, callback);
 32         callback(node.element);
 33     }
 34 };
 35 
 36 let minNode = function (node) {
 37     if (node === null) return null;
 38 
 39     while (node && node.prev !== null) {
 40         node = node.prev;
 41     }
 42     return node;
 43 };
 44 
 45 let maxNode = function (node) {
 46     if (node === null) return null;
 47 
 48     while (node && node.next !== null) {
 49         node = node.next;
 3000     }
 51     return node;
 52 };
 53 
 54 let searchNode = function (node, key) {
 55     if (node === null) return false;
 56 
 57     if (key < node.element) return searchNode(node.prev, key);
 58     else if (key > node.element) return searchNode(node.next, key);
 59     else return true;
 300 };
 61 
 62 let removeNode = function (node, key) {
 63     if (node === null) return null;
 64 
 65     if (key < node.element) {
 66         node.prev = removeNode(node.prev, key);
 67         return node;
 68     }
 69     else if (key > node.element) {
 70         node.next = removeNode(node.next, key);
 71         return node;
 72     }
 73     else {
 74         // 第两种情形:一5个多多叶子节点(那末子节点)
 75         if (node.prev === null && node.next === null) {
 76             node = null;
 77             return node;
 78         }
 79         // 第二种情形:只含高一5个多多子节点
 3000         if (node.prev === null) {
 81             node = node.next;
 82             return node;
 83         }
 84         else if (node.next === null) {
 85             node = node.prev;
 86             return node;
 87         }
 88 
 89         // 第两种情形:5个多多多子节点
 90         let aux = minNode(node.next);
 91         node.element = aux.element;
 92         node.next = removeNode(node.next, aux.element);
 93         return node;
 94     }
 95 };
 96 
 97 class BinarySearchTree {
 98     constructor () {
 99         this.root = null;
3000     }
101 
102     // 向树中插入一5个多多节点
103     insert (key) {
104         let newNode = new Node(key);
105 
106         if (this.root === null) this.root = newNode;
107         else insertNode(this.root, newNode);
108     }
109 
110     // 在树中查找一5个多多节点
111     search (key) {
112         return searchNode(this.root, key);
113     }
114 
115     // 通过先序遍历法律办法遍历树中的所有节点
116     preOrderTraverse (callback) {
117         preOrderTraverseNode(this.root, callback);
118     }
119 
120     // 通过中序遍历法律办法遍历树中的所有节点
121     inOrderTraverse (callback) {
122         inOrderTraverseNode(this.root, callback);
123     }
124 
125     // 通后来
序遍历法律办法遍历树中的所有节点
126     postOrderTraverse (callback) {
127         postOrderTraverseNode(this.root, callback);
128     }
129 
1300     // 返回树中的最小节点
131     min () {
132         return minNode(this.root);
133     }
134 
135     // 返回树中的最大节点
136     max () {
137         return maxNode(this.root);
138     }
139 
140     // 从树中移除一5个多多节点
141     remove (key) {
142         this.root = removeNode(this.root, key);
143     }
144 }
BinarySearchTree

自平衡树

  上端的BST树(二叉搜索树)指在一5个多多问题,树的三根边之回会非常深,而其它边却能不里能 几层,这会在这条越深的分支加带带、移除和搜索节点时引起这个 性能问题。如下图所示:

  为了解决这个 问题,当他们都引入了自平衡二叉搜索树(AVL——Adelson-Velskii-Landi)。在AVL中,任何一5个多多节点左右两棵子树的淬硬层 之差最多为1,加带或移除节点时,AVL树会尝试自平衡。对AVL树的操作和对BST树的操作一样,不同点在于当他们都还时需重新平衡AVL树,在讲解对AVL树的平衡操作后来 ,当他们都先看一下那先 是AVL树的平衡因子。

  前面当他们都介绍过那先 是树(子树)的淬硬层 ,对于AVL树来说,每一5个多多节点都保存一5个多多平衡因子。

  节点的平衡因子 = 左子树的淬硬层 - 右子树的淬硬层

  观察下面这棵树,当他们时需上端标注了每个节点的平衡因子的值:

  所有子节点的平衡因子都为0,后来 子节点那末子树。节点5的左右子树的淬硬层 都为1,不要 不要 节点5的平衡因子是0。节点9的左子树淬硬层 为1,右子树淬硬层 为0,不要 不要 节点9的平衡因子是+1。节点13的左子树淬硬层 为0,右子树淬硬层 为1,不要 不要 节点13的平衡因子是-1......AVL树的所有节点的平衡因子保持5个多多值:0、+1或-1。并肩,当他们都也注意到,当某个节点的平衡因子为+1时,它的子树是向左倾斜的(left-heavy);而当某个节点的平衡因子为-1时,它的子树是向右倾斜的(right-heavy);当节点的平衡因子为0时,该节点是平衡的。一颗子树的根节点的平衡因子代表了该子树的平衡性。

  为了使AVL树重新达到平衡情形,当他们都时需对AVL树中的累积节点进行重新排列,使其既符合二叉搜索树的定义,又符合自平衡二叉树的定义,这个 过程叫做AVL树的旋转。

  AVL树的旋转一共分为两种:

  • LL(left-left)旋转,新加带的节点指在树的根节点的左子树的左子树上。以非平衡因子的节点为中心将整棵树向右旋转。
  • LR(left-right)旋转,新加带的节点指在树的根节点的左子树的右子树上。先执行RR旋转,而且再执行LL旋转。
  • RR(right-right)旋转,新加带的节点指在树的根节点的右子树的右子树上。以非平衡因子的节点为中心将整棵树向左旋转。
  • RL(right-left)旋转,新加带的节点指在树的根节点的右子树的左子树上。先执行LL旋转,而且再执行RR旋转。

  下面是这两种旋转的操作示意图,上端当他们都会全版介绍每两种旋转的操作过程:

  对于LL旋转,在节点5的右子节点加带带节点4与在左子节点加带带节点3等同。对于LR旋转,在节点9的左子节点加带带节点8与在右子节点加带带节点10等同。对于RR旋转,在节点20的右子节点加带带节点25与在左子节点加带带节点18等同。对于RL旋转,在节点13的右子节点加带带节点14与在左子节点加带带节点12等同。

  当他们都的自平衡二叉树AVLTree类将从BinarySearchTree类继承,并肩当他们都时需新增一5个多多法律办法getNodeHeight()用来获取任意节点的淬硬层 。

class AVLTree extends BinarySearchTree {
    constructor () {
        super();
    }

    // 计算节点的淬硬层


    getNodeHeight (node) {
        if (node === null) return 0;
        return Math.max(this.getNodeHeight(node.prev), this.getNodeHeight(node.next)) + 1;
    };
}

  测试一下getNodeHeight()法律办法,当他们都还是以本文一刚结束了了的那棵树为例,而且看一下不同节点的淬硬层 。

let tree = new AVLTree();
tree.insert(11);
tree.insert(7);
tree.insert(15);
tree.insert(5);
tree.insert(9);
tree.insert(13);
tree.insert(20);
tree.insert(3);
tree.insert(6);
tree.insert(8);
tree.insert(10);
tree.insert(12);
tree.insert(14);
tree.insert(18);
tree.insert(25);

console.log(tree.getNodeHeight(tree.root)); // 4
console.log(tree.getNodeHeight(tree.search(7))); // 3
console.log(tree.getNodeHeight(tree.search(5))); // 2
console.log(tree.getNodeHeight(tree.min(7))); // 1

  根节点的淬硬层 为4,最小节点3的淬硬层 为1,节点5和节点7的淬硬层 分别为2和3。

  下面是两种旋转对应的实现代码:

/**
 * LL旋转: 向右旋转
 *
 *       b                           a
 *      / \                         / \
 *     a   e -> rotationLL(b) ->   c   b
 *    / \                         /   / \
 *   c   d                       f   d   e
 *  /
 * f
 *
 * @param node Node<T>
 */
rotationLL(node) {
    let tmp = node.prev;
    node.prev = tmp.next;
    tmp.next = node;
    return tmp;
}

/**
 * RR旋转: 向左旋转
 *
 *     a                              b
 *    / \                            / \
 *   c   b   -> rotationRR(a) ->    a   e
 *      / \                        / \   \
 *     d   e                      c   d   f
 *          \
 *           f
 *
 * @param node Node<T>
 */
rotationRR(node) {
    let tmp = node.next;
    node.next = tmp.prev;
    tmp.prev = node;
    return tmp;
}

/**
 * LR旋转: 先向左旋转,而且再向右旋转
 * @param node Node<T>
 */
rotationLR(node) {
    node.prev = this.rotationRR(node.prev);
    return this.rotationLL(node);
}

/**
 * RL旋转: 先向右旋转,而且再向左旋转
 * @param node Node<T>
 */
rotationRL(node) {
    node.next = this.rotationLL(node.next);
    return this.rotationRR(node);
}

  对于LL旋转和RR旋转,当他们都里能 按照上端的示意图来看下执行过程。

  LL旋转,node=11,node.prev是7,不要 不要 tmp=7。而且将node.prev指向tmp.next,即将11的prev指向9。接着将tmp.next指向node,即将7的next指向11。即完成了图中所示的旋转。

  RR旋转,node=11,node.next是15,不要 不要 tmp=15。而且将node.next指向tmp.prev,即将11的next指向13。接着将tmp.prev指向node,即将15的prev指向11。即完成了图中所示的旋转。

  LR旋转是RR旋转和LL旋转的组合:

  RL旋转是LL旋转和RR旋转的组合:

  按照上端给出的示意图,当他们都的AVLTree类的insert()法律办法的实现如下:

insert (key) {
    super.insert(key);

    // 左子树淬硬层

大于右子树淬硬层


    if (this.getNodeHeight(this.root.prev) - this.getNodeHeight(this.root.next) > 1) {
        if (key < this.root.prev.element) {
            this.root = this.rotationLL(this.root);
        }
        else {
            this.root = this.rotationLR(this.root);
        }
    }
    // 右子树淬硬层

大于左子树淬硬层


    else if (this.getNodeHeight(this.root.next) - this.getNodeHeight(this.root.prev) > 1) {
        if (key > this.root.next.element) {
            this.root = this.rotationRR(this.root);
        }
        else {
            this.root = this.rotationRL(this.root);
        }
    }
}

  当他们都依次测试一下这两种情形。按照上端示意图中树的形态加带节点,而且按照前序遍历的法律办法打印节点的key。

  LL旋转的结果:

let tree = new AVLTree();
tree.insert(11);
tree.insert(7);
tree.insert(15);
tree.insert(5);
tree.insert(9);
tree.insert(3);

tree.preOrderTraverse((value) => console.log(value));

  LR旋转的结果:

let tree = new AVLTree();
tree.insert(11);
tree.insert(7);
tree.insert(15);
tree.insert(5);
tree.insert(9);
tree.insert(8);

tree.preOrderTraverse((value) => console.log(value));

  RR旋转的结果:

let tree = new AVLTree();
tree.insert(11);
tree.insert(7);
tree.insert(15);
tree.insert(13);
tree.insert(20);
tree.insert(25);

tree.preOrderTraverse((value) => console.log(value));

  RL旋转的结果:

let tree = new AVLTree();
tree.insert(11);
tree.insert(7);
tree.insert(15);
tree.insert(13);
tree.insert(20);
tree.insert(14);

tree.preOrderTraverse((value) => console.log(value));

   当他们都用同样的法律办法修改remove()法律办法,而且测试下面两种情形下的节点删除:

let tree = new AVLTree();
tree.insert(11);
tree.insert(7);
tree.insert(15);
tree.insert(5);
tree.insert(9);

tree.remove(15);
tree.preOrderTraverse((value) => console.log(value));

let tree = new AVLTree();
tree.insert(11);
tree.insert(7);
tree.insert(15);
tree.insert(13);
tree.insert(20);

tree.remove(7);
tree.preOrderTraverse((value) => console.log(value));

  全版的自平衡二叉搜索树AVLTree类的代码如下:

   尽管自平衡二叉搜索树AVL里能 很有效地帮助当他们都解决这个 树节点的操作问题,而且在插入和移除节点时其性能时需要是我最好的。更好的挑选是红黑树,红黑树也是两种自平衡二叉搜索树,而且它对其中的节点做了不要 不要 特殊的规定,使得在操作树节点的性能上要优于AVL。

  下一章当他们都将介绍何如用JavaScript来实现图这个 非线性数据形态。