JavaScript数据结构——树的实现

  • 时间:
  • 浏览:0
  • 来源:3分时时彩官网_哪里可以玩3分时时彩_3分时时彩在哪里玩

  在计算机科学中,树是你这人十分重要的数据形状。树被描述为你这人分层数据抽象模型,常用来描述数据间的层级关系和组织形状。树也是你这人非顺序的数据形状。下图展示了树的定义:

  在介绍如保用JavaScript实现树就让,有些人先介绍有些和树相关的术语。

  如上图所示,一棵删剪的树中有 另有有一一十个 发生树顶部的节点,称之为根节点(11),它没法父节点。树中的每另有有一一十个 元素都叫做另有有一一十个 节点,节点分为结构节点(图中显示为黄色的节点)和结构节点(图中显示为灰色的节点),大概另有有一一十个 多子节点的节点称为结构节点,没法子元素的节点称为结构节点或叶子节点。另有有一一十个 节点能无需 有祖先(根节点除外)和后代。子树由节点你这人和它的后代组成,如上图中三角虚框中的累积假如一棵子树。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。从根节点结束了了英语 ,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。树的深层(深层)由树中节点的最大层级决定(上图中树的深层为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等就让 兄弟节点。

二叉树

  二叉树中的节点最多无需 无需 另有有一一十个 多子节点,另有有一一十个 是左子节点,另有有一一十个 是右子节点。左右子节点的顺序无需 无需 颠倒。否则,二叉树中不发生度大于2的节点。

  二叉搜索树(BST——Binary Search Tree)是二叉树的你这人,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。上图假如另有有一一十个 二叉搜索树。

  下面有些人重点来看一下二叉搜索树的实现。

  根据二叉树的描述,另有有一一十个 节点最多只另有有一一十个 多子节点,有些人能无需 使用《JavaScript数据形状——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另有有一一十个 节点。下面是二叉搜索树的数据形状示意图:

  以下是有些人要实现的BinarySearchTree类的骨架累积:

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

    // 向树中插入另有有一一十个

节点
    insert (key) {}

    // 在树中查找另有有一一十个

节点
    search (key) {}

    // 通过中序遍历依据遍历树中的所有节点
    inOrderTraverse () {}

    // 通过先序遍历依据遍历树中的所有节点
    preOrderTraverse () {}

    // 通就让序遍历依据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 () {}

    // 从树中移除另有有一一十个

节点
    remove (key) {}
}

   先来看看向树中打上去另有有一一十个 节点。有些人借用《JavaScript数据形状——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,每另有有一一十个 节点另有有一一十个 多属性:element、next和prev。有些人在这里用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,这时直接将新打上去的节点作为树的根节点。否则,有些人无需 无需 借利于私有函数insertNode()来完成节点的打上去。在insertNode()函数中,有些人无需 无需 根据新打上去节点的key的大小来递归查找树的左侧子节点机会右侧子节点,机会根据有些人的二叉搜索树的定义,值小的节点永远保发生左侧子节点上,值大的节点(包括值相等的情况表)永远保发生右侧子节点上。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);
    }
};

  所有新节点无需 无需 作为叶子节点被打上去到树中。在本文一结束了了英语 给出的树的形状图中,机会要打上去节点2,对应的操作步骤如下:

  有些人传入树的根节点,依次进行递归,找到对应的叶子节点,否则修改节点的prev(左子节点)或next(右子节点)指针,使其指向新打上去的节点。在上例中,机会要打上去节点4,它对应的位置应该是节点3的右子节点,机会4比3大。机会要打上去节点21,对应的位置应该是节点25的左子节点......

  下面有些人来看看树的你这人遍历依据:

  • 前序遍历(NLR——Preorder Traversal)也叫先序遍历,访问根节点的操作发生在遍历其左右子树就让。
  • 中序遍历(LNR——Inorder Traversal),访问根节点的操作发生在遍历其左右子树之间。
  • 后序遍历(LRN——Postorder Traversal),访问根节点的操作发生在遍历其左右子树就让。

  下面的另有有一一十个 依据对应树的你这人遍历依据:

// 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);
    }
};

  能无需 都看,这另有有一一十个 函数的内容很例如,假如调整了左右子树和根节点的遍历顺序。这里的callback是另有有一一十个 回调函数,能无需 传入任何你想执行的函数,这里有些人传入的函数内容是打印树的节点的key值。有些人将BinarySearchTree类的这另有有一一十个 遍历依据的内容补充删剪:

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

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

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

  为了构建本文一结束了了英语 的那棵树,有些人执行下面的代码,否则测试preOrderTraverse()依据:

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,你机会会得到不一样的树。preOrderTraverse()依据采用ES6的语法传入了另有有一一十个 匿名函数作为参数callback的值,你这人匿名函数的主要作用假如打印树中节点的key值,能无需 对照上面另有有一一十个 遍历树节点的函数中的callback(node.element)句子,这里的callback假如你这人匿名函数,node.element假如节点的key值(还记得前面有些人说过,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

  有些人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),否则再依次递归左子树和右子树。有些人将树的根节点作为第另有有一一十个 节点传入,首先打印的假如根节点11,否则结束了了英语 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,结束了了英语 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你这人递归顺序进行遍历。

  否则有些人再来看看中序遍历的情况表。

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,否则执行callback(node.element),最后再递归右子树。同样的,有些人将根节点作为第另有有一一十个 节点传入,递归到左子树的最后另有有一一十个 左子节点3,机会节点3的prev为null,统统递归返回,打印节点3,否则继续查找节点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,结束了了英语 打印节点5,就让再查找节点5的右子节点......最终整棵树按照你这人顺序完成遍历。

  最后再来看都看序遍历的情况表。

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,否则再递归右子树,最后执行callback(node.element)。同样的,有些人将根节点作为第另有有一一十个 节点传入,递归到左子树的最后另有有一一十个 左子节点3,机会节点3的prev为null,统统递归返回,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,就让递归返回到上一层节点5,结束了了英语 查找节点5的右子节点,节点5的右子节点是节点6,机会节点6是叶子节点,统统直接打印节点6,否则递归返回并打印节点5。就让递归再向上返回到节点7并递归节点7的右子节点......按照你这人顺序最终完成对整棵树的遍历。

  接下来有些人再来看看对树的搜索。有你这人要一个劲执行的搜索依据:

  • 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,机会有些人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,统统,搜索最大值有些人只无需 无需 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。搜索最小值只无需 无需 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。下面是这另有有一一十个 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;
};

  第你这人依据是搜索特定的值,有些人无需 无需 比较要搜索的值与当前节点的值,机会要搜索的值小于当前节点的值,则从当前节点结束了了英语 递归查找左子数(左子节点)。机会要搜索的值大于当前节点的值,则从当前节点结束了了英语 递归查找右子树(右子节点)。按照你这人逻辑,有些人的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;
};

  机会找到了对应的节点,就返回该节点,否则就返回null。有些人将BinarySearchTree类的这另有有一一十个 搜索依据的内容补充删剪:

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

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

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

  下面是有些测试用例及结果:

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.

  让有些人来看一下search()依据的执行过程是如保的。

  搜索key=1的节点,首先有些人传入树的根节点和key=1,机会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,否则节点3没法左子节点了,统统返回false,整个递归结束了了英语 向上返回,最终返回的结果是false,表示树中没法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,机会8>7,统统会遍历节点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,统统返回true,否则整个递归向上返回,最终的返回结果假如true,表示树中找到了key=8的节点。

  最后有些人再来看一下从树中移除另有有一一十个 节点的过程,你这人过程要稍微复杂有些。先来看看删除树节点的函数removeNode()的代码,稍后有些人再来删剪讲解整个执行过程。

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 {
        // 第你这人情况表:另有有一一十个

叶子节点(没法子节点)
        if (node.prev === null && node.next === null) {
            node = null;
            return node;
        }
        // 第二种情况表:只中有

另有有一一十个

子节点
        if (node.prev === null) {
            node = node.next;
            return node;
        }
        else if (node.next === null) {
            node = node.prev;
            return node;
        }

        // 第你这人情况表:另有有一一十个

多子节点
        let aux = minNode(node.next);
        node.element = aux.element;
        node.next = removeNode(node.next, aux.element);
        return node;
    }
};

  首没能找到树中待删除的节点,这无需 无需 进行递归遍历,从根节点结束了了英语 ,机会key值小于当前节点的值,则遍历左子树,机会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,有些人将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,否则返回整个node。当找到要删除的节点后,有些人要补救你这人情况表:

  • 该节点为叶子节点(没法子节点)
  • 该节点只另有有一一十个 多子节点(左子节点或右子节点)
  • 该节点另有有一一十个 多子节点(左右子节点都发生)

   有些人先看第你这人情况表:

  假设有些人要删除节点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,否则节点6的prev和next都为null,统统有些人将节点6设置为null,否则返回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

  否则有些人来看只另有有一一十个 多子节点的情况表:

  前面机会删除了节点6,假设有些人现在要删除节点5,它另有有一一十个 多左子节点3,有些人依然传入根节点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,否则节点5的prev=3,next=null,统统有些人将节点5替打上去它的左子节点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

  有些人不无需 无需 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,你这人在《JavaScript数据形状——链表的实现与应用》一文中机会介绍过。以上步骤是针对目标节点有左子节点的情况表,对于有右子节点情况表,执行过程是例如的。

  最后再来看第你这人情况表:

  前面机会删除了节点6和节点5,现在有些人要删除节点15,它有左右子树,有些人传入根节点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,此时有些人无需 无需 找到节点15的右子树中的最小节点18,将节点15的key替打上去节点18的key,否则将节点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机会变成18了
  4. 最后返回节点11

  试想一下,当删除节点15就让,为了保证有些人的二叉搜索树形状稳定,无需 无需 用节点15的右子树中的最小节点来替换节点15,机会直接将11的next指向20,则20机会另有有一一十个 多子节点13、18、25,这显然机会不符合有些人二叉树的定义了。机会将节点25用来替换节点15,节点20的值比节点25的值小,不应该出现在右子节点,这假如符合有些人的二叉搜索树的定义。统统,无需 无需 按照上述过程无需 既保证不破坏树的形状,又能删除节点。

  有些人机会完成了一结束了了英语 有些人定义的二叉搜索树BinarySearchTree类的所有依据,下面是它的删剪代码:

  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) {
 50         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;
 50     }
 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;
 50 };
 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         // 第你这人情况表:另有有一一十个

叶子节点(没法子节点)
 75         if (node.prev === null && node.next === null) {
 76             node = null;
 77             return node;
 78         }
 79         // 第二种情况表:只中有

另有有一一十个

子节点
 50         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         // 第你这人情况表:另有有一一十个

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;
50     }
101 
102     // 向树中插入另有有一一十个

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     // 在树中查找另有有一一十个

节点
111     search (key) {
112         return searchNode(this.root, key);
113     }
114 
115     // 通过先序遍历依据遍历树中的所有节点
116     preOrderTraverse (callback) {
117         preOrderTraverseNode(this.root, callback);
118     }
119 
120     // 通过中序遍历依据遍历树中的所有节点
121     inOrderTraverse (callback) {
122         inOrderTraverseNode(this.root, callback);
123     }
124 
125     // 通就让序遍历依据遍历树中的所有节点
126     postOrderTraverse (callback) {
127         postOrderTraverseNode(this.root, callback);
128     }
129 
150     // 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     // 从树中移除另有有一一十个

节点
141     remove (key) {
142         this.root = removeNode(this.root, key);
143     }
144 }
BinarySearchTree

自平衡树

  上面的BST树(二叉搜索树)发生另有有一一十个 问题报告 ,树的每根边机会会非常深,而其它边却无需 无需 几层,这会在这条过多的分支上打上去、移除和搜索节点时引起有些性能问题报告 。如下图所示:

  为了补救你这人问题报告 ,有些人引入了自平衡二叉搜索树(AVL——Adelson-Velskii-Landi)。在AVL中,任何另有有一一十个 节点左右两棵子树的深层之差最多为1,打上去或移除节点时,AVL树会尝试自平衡。对AVL树的操作和对BST树的操作一样,不同点在于有些人还无需 无需 重新平衡AVL树,在讲解对AVL树的平衡操作就让,有些人先看一下那先 是AVL树的平衡因子。

  前面有些人介绍过那先 是树(子树)的深层,对于AVL树来说,每另有有一一十个 节点都保存另有有一一十个 平衡因子。

  节点的平衡因子 = 左子树的深层 - 右子树的深层

  观察下面这棵树,有些人在上面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,机会子节点没法子树。节点5的左右子树的深层都为1,统统节点5的平衡因子是0。节点9的左子树深层为1,右子树深层为0,统统节点9的平衡因子是+1。节点13的左子树深层为0,右子树深层为1,统统节点13的平衡因子是-1......AVL树的所有节点的平衡因子保持另有有一一十个 值:0、+1或-1。一块儿,有些人也注意到,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树重新达到平衡情况表,有些人无需 无需 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,你这人过程叫做AVL树的旋转。

  AVL树的旋转一共分为你这人:

  • LL(left-left)旋转,新打上去的节点发生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,新打上去的节点发生树的根节点的左子树的右子树上。先执行RR旋转,否则再执行LL旋转。
  • RR(right-right)旋转,新打上去的节点发生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,新打上去的节点发生树的根节点的右子树的左子树上。先执行LL旋转,否则再执行RR旋转。

  下面是这你这人旋转的操作示意图,上面有些人会删剪介绍每你这人旋转的操作过程:

  对于LL旋转,在节点5的右子节点上打上去节点4与在左子节点上打上去节点3等同。对于LR旋转,在节点9的左子节点上打上去节点8与在右子节点上打上去节点10等同。对于RR旋转,在节点20的右子节点上打上去节点25与在左子节点上打上去节点18等同。对于RL旋转,在节点13的右子节点上打上去节点14与在左子节点上打上去节点12等同。

  有些人的自平衡二叉树AVLTree类将从BinarySearchTree类继承,一块儿有些人无需 无需 新增另有有一一十个 依据getNodeHeight()用来获取任意节点的深层。

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

    // 计算节点的深层
    getNodeHeight (node) {
        if (node === null) return 0;
        return Math.max(this.getNodeHeight(node.prev), this.getNodeHeight(node.next)) + 1;
    };
}

  测试一下getNodeHeight()依据,有些人还是以本文一结束了了英语 的那棵树为例,否则看一下不同节点的深层。

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

  根节点的深层为4,最小节点3的深层为1,节点5和节点7的深层分别为2和3。

  下面是你这人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,否则再向右旋转
 * @param node Node<T>
 */
rotationLR(node) {
    node.prev = this.rotationRR(node.prev);
    return this.rotationLL(node);
}

/**
 * RL旋转: 先向右旋转,否则再向左旋转
 * @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,有些人能无需 按照上面的示意图来看下执行过程。

  LL旋转,node=11,node.prev是7,统统tmp=7。否则将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,统统tmp=15。否则将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:

  按照上面给出的示意图,有些人的AVLTree类的insert()依据的实现如下:

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

    // 左子树深层大于右子树深层
    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);
        }
    }
    // 右子树深层大于左子树深层
    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);
        }
    }
}

  有些人依次测试一下这你这人情况表。按照上面示意图中树的形状打上去节点,否则按照前序遍历的依据打印节点的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));

   有些人用同样的依据修改remove()依据,否则测试下面你这人情况表下的节点删除:

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));

  删剪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能无需 很有效地帮助有些人补救有些树节点的操作问题报告 ,否则在插入和移除节点时其性能并就让 最好的。更好的取舍是红黑树,红黑树也是你这人自平衡二叉搜索树,否则它对其中的节点做了统统特殊的规定,使得在操作树节点的性能上要优于AVL。

  下一章有些人将介绍如保用JavaScript来实现图你这人非线性数据形状。