树

线性结构只能描述一对一的情况，树是一种非线性结构，可以描述一对多的情况，比如公司组织架构，家谱

一棵树可以没有节点，称为空树，也可以只有一个节点，也就是只有根节点

一个树包含一些存在父子关系的节点，树中的每个元素称为节点，每个节点都有唯一的父节点（除了最顶部的根节点），位于树结构最顶部的节点是根节点。至少有一个子节点的节点被称为内部节点或非叶子节点，没有子节点的节点被称为外部节点或叶子节点

一个节点可以有祖先和后代，祖先包括父节点、祖父节点、曾祖父节点等，后代包括子节点，孙子节点、曾孙节点等

树还存在子树的概念，就是以子节点为根的树，由子节点和它的后代节点组成

一个节点的子树的个数被称为度，那么树的度就指的是所有节点的度中最大的那个

节点具有深度属性，节点深度取决于它祖先节点的数量或经过的路径，树的深度取决于所有节点深度的最大的那个

深度是数节点数还是数路径？

看情况决定

树具有高度属性，取决于节点深度最大的那个，同时树可以按层级划分，根节点在第 0 层，它的子节点在第 1 层，以此类推，最后一层相当于数的高度

到底是从 0 还是 1 开始数高度？

从第 1 层开始数比较符合人类习惯，从第 0 层开始也没什么毛病，原理都是一样的

由 m（m ≥ 0）棵互不相交的树组成的集合称为森林

根据子节点的排列顺序，还分为有序树和无序树

树的分类：

一般树 - 任意节点的度不受限制
二叉树 - 任意节点的度最多两个

二叉树

二叉树的节点最多有两个子节点，一个是左节点，一个是右节点。二叉树的左子树和右子树是有顺序的，即使某个节点只有一个子树，也要区分左右，所以二叉树是一种有序树

二叉树又根据节点的排列和分布有所不同定义：

真二叉树 - 没有度为 1 的节点
完满二叉树 - 所有的非叶子节点的度为 2
完全二叉树 - 叶子节点都是向左靠齐，且只会出现最后 2 层
满二叉树（完美二叉树） - 没有度为 1 的节点，但是所有的叶子节点都在最后一层

提示

满二叉树一定是完全二叉树，但完全二叉树不一定是满二叉树

二叉树的性质：

非空二叉树的第 i 层，最多有 2^2-i 个节点
高度为 h 的二叉树上最多有 2^h - 1 个节点
任意一棵二叉树，若度为 2 的节点有 n2 个则叶子树必定为 n2 + 1

在同样高度的树中，满二叉树的叶子节点数量最多，总节点数最多，满二叉树一定是真二叉树，但真二叉树不一定是满二叉树

完全二叉树的每一个编号都会和满二叉树中的编号一一对齐，满二叉树一定是一颗完全二叉树，但完全二叉树不一定是满二叉树

性质：

度为 1 的节点只有左子树
度为 1 的节点要么是 1 个，要么是 0 个
同样节点数量的二叉树，完全二叉树的高度最小
假如高度为 h，那么至少有 2^h-1 个节点，最多有 2^h - 1 个节点（满二叉树）

class Node {
  constructor () {
    this.data = null;
    this.left = null;
    this.right = null;
  }
}

二叉搜索树

二叉搜索树是二叉树的一种，但是只允许在左节点存储比父节点小的值，在右节点存储比父节点大的值，定义如下：

任意节点的值都大于其左子树所有节点的值
任意节点的值都小于其右子树所有节点的值
左右子树本身也是一颗二叉搜索树

二叉树的搜索、插入、删除的时间复杂度都是 log(n)

树的遍历

遍历一棵树是指访问树的每个节点并对它们进行某种操作的过程，访问树的所有节点有三种方式：中序、先序和后序

中序

中序遍历是一种以上行顺序访问 BST 所有节点的遍历方式，也就是以从最小到最大的顺序访问所有节点

class BinarySearchTree {
  inOrderTraverse(callback) {
    this.inOrderTraverseNode(this.root, callback);
  }
  inOrderTraverseNode(node, callback) {
    if (node != null) {
      this.inOrderTraverseNode(node.left, callback);
      callback(node.data);
      this.inOrderTraverseNode(node.right, callback);
    }
  }
}

先序

先序遍历是以优先于后代节点的顺序访问每个节点的，先序遍历的一种应用是打印一个结构化的文档

class BinarySearchTree {
  preOrderTraverse(callback) {
    this.preOrderTraverseNode(this.root, callback);
  }
  preOrderTraverseNode(node, callback) {
    if (node != null) {
      callback(node.data);
      this.preOrderTraverseNode(node.left, callback);
      this.preOrderTraverseNode(node.right, callback);
    }
  }
}

后序

后序遍历则是先访问节点的后代节点，再访问节点本身。后序遍历的一种应用是计算一个目录及其子目录中所有文件所占空间的大小

class BinarySearchTree {
  postOrderTraverse(callback) {
    this.postOrderTraverseNode(this.root, callback);
  }
  postOrderTraverseNode(node, callback) {
    if (node != null) {
      this.postOrderTraverseNode(node.left, callback); 
      this.postOrderTraverseNode(node.right, callback); 
      callback(node.data); 
    }
  }
}

平衡树

二叉搜索树在某些极端的情况下，会出现退化的情况，比如插入的值依次越来越小，二叉搜索树就会退化成链表，非常影响树的查找性能，让树平衡就是为了降低树的高度

AVL 树

AVL（Adelson-Velskii-Landi）树是一种自平衡树，用来解决二叉搜索树的性能问题，在添加或移除节点时，任意节点的左子树和右子树的高度最多差 1，让它的节点尽量的均匀分布

在 AVL 树中插入或移除节点和 BST 完全相同。然而，AVL 树的不同之处在于我们需要检验它的平衡因子

在 AVL 树中，需要对每个节点计算右子树高度（hr）和左子树高度（hl）之间的差值，该值（hr－hl）应为 0、1 或 -1。如果结果不是这三个值之一，则需要平衡该 AVL 树，这就是平衡因子的概念

AVL 树需要进行旋转操作来维持平衡性，主要有四种情况：

左左旋转: 当一个节点的左子树的左子树高度大于右子树高度时，需要进行左左旋转
- 具体操作如下：
  1. 将该节点的左子节点作为新的根节点
  2. 原根节点成为新根节点的右子节点
  3. 原根节点的右子节点成为新根节点的左子节点
右右旋转: 当一个节点的右子树的右子树高度大于左子树高度时，需要进行右右旋转
- 具体操作如下：
  1. 将该节点的右子节点作为新的根节点
  2. 原根节点成为新根节点的左子节点
  3. 原根节点的左子节点成为新根节点的右子节点
左右旋转：当一个节点的左子树的右子树高度大于左子树高度时，需要先进行左旋转，然后再进行右旋转
- 具体操作如下：
  1. 先对该节点的左子节点进行左旋转
  2. 然后对该节点进行右旋转
右左旋转：当一个节点的右子树的左子树高度大于右子树高度时，需要先进行右旋转，然后再进行左旋转
- 具体操作如下:
  1. 先对该节点的右子节点进行右旋转
  2. 然后对该节点进行左旋转

红黑树

红黑树也是一个自平衡二叉搜索树，AVL 树在进行添加或移除节点的时候可能会造成旋转，所以需要一个包含多次插入和删除的自平衡树

堆

堆是一种特殊的二叉树，能够高效、快速的找出最大值和最小值，常用于优先队列，也用于堆排序算法中，也被用于非常出名的堆排序算法中

堆具有两个特性：

是一颗完全二叉树
不是最小堆就是最大堆，即所有的节点都大于等于或着小于等于它的每个子节点

树

二叉树

二叉搜索树

树的遍历

中序

先序

后序

平衡树

AVL 树

红黑树

堆

B 树

B+ 树