数据结构之红黑树

红黑树的概念

红黑树(Red-Black Tree)同AVL树一样, 也是一种自平衡的二叉搜索树但在每个结点上增加一个存储位表示结点的颜色, 可以是RedBlack, 通过对任何一条从根到叶子的路径上各个结点着色方式的限制, 红黑树确保没有一条路径会比其他路径长出俩倍,因而是接近平衡的. (最长路径也不会超出最短路径的两倍, 因此红黑树的平衡性要求相对宽松. 没有AVL树那样严格)

数据结构之红黑树_第1张图片

红黑树的性质(重要)

1. 每个结点不是红色就是黑色
2. 根结点是黑色的
3. 如果一个结点是红色的, 则它的两个孩子结点是黑色的(不能有连续的红色结点).
4. 对于每个结点, 从该结点到其所有后代叶结点的简单路径上,均包含相同数目的黑色结点.
5. 每个叶子结点都是黑色的(此处的叶子结点指的是空结点NIL).

为什么满足上面的性质, 红黑树就能保证:其最长路径中节点个数不会超过最短路径节点个数的两倍? 

 我们可以先来分析一种极端的情况,如果一颗红黑树有红有黑, 那它的最短路径一定是一条全黑的路径, 想要获取最长的路径, 就可以在此基础上继续添加红色结点, 因为只要红色结点不相邻, 添加红色结点能保证路径的黑色结点数不变, 那就可以创建一条一黑一红一黑一红..的路径, 这条路径就是最长的路径, 所以最长路径最多是最短路径的两倍, 不可能超过最短路径两倍, 最长的路径都超不过其它的路径更超不过.数据结构之红黑树_第2张图片

另一个问题, 性质5中每个叶子结点都是黑色的(此处的叶子结点指的是空结点, 也被称为NIL节点), 有什么用? 

数据结构之红黑树_第3张图片 这个红黑树有多少条路径?

如果不带空的话, 我们可能会认为有5条, 但是这里计算路径其实应该走到空(NIL),所以正确的应该是有11条路径, 我们可以认为这条规则就是为了更好的帮我们区分不同路径的。 

结点的黑高(黑色高度):从某结点出发(不含该结点)到达任一空叶结点的路径上经过的黑结点总数 .

数据结构之红黑树_第4张图片


有了AVL树, 为啥还要有红黑树?

对于一棵红黑树来说, 如果它里面全部的黑色结点一共有N个的话, 那它的最短路径长度就差不多是log{_{2}}^{N}, 然后整棵树的节点数量就是在N-2N之间

设红黑树的高度为h, 总结点数为n, 首先, 从任意节点出发, 到其子树的叶子节点的路径中黑色节点的数量称为该节点的黑高, 即bh, 设根节点为T,那么根节点的黑高就是bh(T), 假设一棵红黑树全部都是黑色节点, 那么它的黑高bh(T)就是它的树高,我们可得这样一棵树的结点数为(根据满二叉树的高度与节点数量的关系):, 我们还要考虑红色节点, 所以在此基础上加上红色节点的数量, 那么不论加几个红色节点, 只要增加, 一定满足下式: 

根据红黑树的性质,我们可知根节点的黑高bh(T)至少为h/2    (h为树高),也就是说: bh(T) >= h/2, 所以n >= 2_{}^{h/2} -1, 所以 .

AVL树
平衡标准比较严格:每个左右子树的高度差不超过1
最大高度是 1.44 ∗ log2 n + 2 − 1.328(100W个节点,AVL树最大树高28)
搜索、添加、删除都是 O(logn) 复杂度,其中添加仅需 O(1) 次旋转调整、删除最多需要 O(logn) 次旋转调整
红黑树
平衡标准比较宽松:没有一条路径会大于其他路径的2倍
最大高度是 2 ∗ log2(n + 1)( 100W个节点,红黑树最大树高40)
搜索、添加、删除都是 O(logn) 复杂度,其中添加、删除都仅需 O(1) 次旋转调整
如何选择
搜索的次数远远大于插入和删除,选择AVL树;搜索、插入、删除次数几乎差不多,选择红黑树
相对于AVL树来说,红黑树牺牲了部分平衡性以换取插入/删除操作时少量的旋转操作,整体来说性能要优于AVL树
红黑树的平均统计性能优于AVL树,实际应用中更多选择使用红黑树


红黑树结构的定义

先来定义一下红黑树的结构: 

结点的颜色我们可以用一个枚举: 

enum COLOR
{
	RED,
	BLACK
};

结点的结构:

template
struct RBTreeNode
{
	RBTreeNode* _parent;
	RBTreeNode* _right;
	RBTreeNode* _left;
	T _val;
	COLOR _col;

	RBTreeNode(const T& val)
		: _parent(nullptr)
		, _right(nullptr)
		, _left(nullptr)
		, _val(val)
		, _col(RED)
	{}

};

这里结点的颜色我们默认给的是红色, 为什么要选择红色, 黑色不可以吗?   

如果我们插入一个新结点给的是黑色, 那它一定会违反上面提到的红黑树的性质——每条路径上黑色结点的数量一致: 

数据结构之红黑树_第5张图片

因为原来每条路径黑色结点数量是相同的,现在新插入一个黑色结点的话, 那插入的这条路径会增加一个黑色结点, 但是其它路径数量不变, 所以其它所有的路径黑色结点数量都和这一条不相等, 这样再调整就比较麻烦了, 相当于影响了这棵树"全家"。

那如果我们插入结点默认给红色呢?
红色的话要看具体情况了:

如果它的父亲是黑色, 那就没问题, 不需要进行什么处理:

数据结构之红黑树_第6张图片
如果插入一个红色结点, 但是它的父亲也是红色, 那就出事了, 因为红黑树里面不能出现连续的红色结点,那这种情况就需要调整了:

数据结构之红黑树_第7张图片

但是这样的调整的代价相对来说比较小, 因为可能不需要改动全局, 只是改变一个局部, 下面再具体说.

树的结构: 

template
class RBTree
{
public:
    //成员函数
private:
	RBTreeNode* _root = nullptr;
};

 插入

由于红黑树也是一种二叉搜索树, 是在二叉搜索树的基础上加上其平衡限制条件来实现平衡,所以红黑树插入的逻辑也根搜索二叉树一样:

如果插入的是根结点, 根结点要手动设置为黑色. 

数据结构之红黑树_第8张图片

bool Insert(const pair& kv)
{
	if (_root == nullptr)
	{
		_root = new Node(kv);
		_root->_col= BLACK;
		return true;
	}

	Node* parent = nullptr;
	Node* cur = _root;
	while (cur)
	{
		if (cur->_kv.first > kv.first)
		{
			parent = cur;
			cur = cur->_left;
		}
		else if (cur->_kv.first < kv.first)
		{
			parent = cur;
			cur = cur->_right;
		}
		else
		{
			return false;
		}
	}

	cur = new Node(kv);
	//cur->_col = RED; //默认cur就是红色
	if (parent->_kv.first > kv.first)
	{
		parent->_left = cur;
		cur->_parent = parent; //记得要链接父亲
	}
	else if (parent->_kv.first < kv.first)
	{
		parent->_right = cur;
		cur->_parent = parent; //记得要链接父亲
	}
	else
		assert(false);

    //下面是调整
    //....
}

根据颜色开始调整

对于红黑树来说, 插入新结点之后, 我们要检查红黑树的性质是否遭到破坏, 如果遭到破坏的话, 就需要进行相应的调整, 因为新节点的默认颜色是红色, 因此:

如果其双亲节点的颜色是黑色, 没有违反红黑树任何性质, 则不需要调整;
但当新插入节点的父亲节点是红色时, 就违反了性质不能有连续红色结点出现, 此时需要对红黑树的颜色进行调整:

 约定: cur为当前节点,p为父节点,g为祖父节点,u为叔叔节点

而出现连续的红色结点的情况可以分为2种:

1. cur为红, p为红, g为黑, u存在且为红 

2. cur为红, p为红, g为黑, u不存在或为黑

可以看到关键就在于叔叔结点, 为什么? 因为到这种情况了cur和parent此时一定是红色, grandfather结点一定是黑色, 唯一有区别的只是叔叔结点.


情况一: cur为红,p为红,g为黑,u存在且为红 

数据结构之红黑树_第9张图片

解决方式:将p,u改为黑, g改为红, 然后把g当成cur, 继续向上调整。 

数据结构之红黑树_第10张图片​ 

数据结构之红黑树_第11张图片​ 

可以看到叔叔为红的这种情况下只需要调整颜色就能又满足规则.

可以简单讨论一下子树路径黑结点和为1和2时候共有几种情况: 

当a,b,c,d,e都是0的时候,有四种情况:

数据结构之红黑树_第12张图片​ 

当a,b,c,d,e都是1的时候:

数据结构之红黑树_第13张图片

while (parent && parent->_col == RED)
{
	Node* grandparent = parent->_parent;

	//parent在grandparent的左
	if (parent == grandparent->_left)
	{
		Node* uncle = grandparent->_right;
		if (uncle && uncle->_col == RED)
		{
			parent->_col = uncle->_col = BLACK;
			grandparent->_col = RED;
			cur = grandparent;
			parent = cur->_parent;
		}
	}
    //如果parent在grandparent的右,逻辑类似
    else if (parent == grandparent->_right)
    {
	    Node* uncle = grandparent->_left;
	    if (uncle && uncle->_col == RED)
	    {
		    parent->_col = uncle->_col = BLACK;
		    grandparent->_col = RED;
		    cur = grandparent;
		    parent = cur->_parent;
	    }
    }
    _root->_col = BLACK;//不管中间调了多少次,最后的根一定是黑,
                        //如果被调整到根变红了,需要调为黑,如果没调到,重新赋值一遍也没有影响
}

parent颜色为黑不需要单独去判断, 因为本来就不需要任何操作, 根本不会进入循环.


情况二:  cur为红,p为红,g为黑,u不存在/u存在且为黑

 数据结构之红黑树_第14张图片

说明: u的情况有两种

1.如果u节点不存在, 则cur一定是新插入节点, 因为此时c,a,b,d,e都是空, 因为要满足一个路径的黑色结点个数相同.

数据结构之红黑树_第15张图片

2.如果u节点存在, 则其一定是黑色的, 那么cur节点原来的颜色一定是黑色的, 上面看到其是红色的原因是因为cur的子树在调整的过程中将cur节点的颜色由黑色改成红色。

数据结构之红黑树_第16张图片

在这里又可以再细分为两种子情况:

1. p为g的左孩子,cur为p的左孩子(左左)和p为g的右孩子, cur为p的右孩子(右右).

2.  p为g的左孩子,cur为p的右孩子(左右)和p为g的右孩子, cur为p的左孩子(右左).


1.左左和右右 

那对于这种情况我们要进行的单旋转+变色.

旋转: 

为什么要旋转?

因为这种情况的话最长路径有可能已经超过最短路径的两倍了, 比如上面这个图如果如果d/e是空的话就已经超过了, 所以要先旋转降高度, 再去调整颜色使它符合红黑树.

进行什么旋转呢?

那就要看具体情况了, 其实还是我们AVL树那里的四种情况:

当前我们是 p为g的左孩子, cur为p的左孩子, 是在较高左子树的左侧插入(左左), 所以要进行的旋转是右单旋;

同理p为g的右孩子, cur为p的右孩子,是在较高右子树的右侧插入(右右),进行左单旋.

变色:

变色的话不论那种旋转是统一的:p、g变色–p变黑,g变红

数据结构之红黑树_第17张图片

为什么不直接把cur变黑呢?

这样也满足路径黑结点和保持不变啊: 

数据结构之红黑树_第18张图片​ 

此时parent的颜色又变成了红色, 又需要再继续向上调整, 而一开始的方法中parent调整完就是黑的, 就结束了, 不需要再向上调整, 更简便!

代码: 

while (parent && parent->_col == RED)
{
	Node* grandparent = parent->_parent;

	//parent在grandparent的左
	if (parent == grandparent->_left)
	{
		Node* uncle = grandparent->_right;
		if (uncle && uncle->_col == RED)
		{
			parent->_col = uncle->_col = BLACK;
			grandparent->_col = RED;
			cur = grandparent;
			parent = cur->_parent;
		}
		else
		{
			if (cur == parent->_left)
			{
				rotateR(grandparent);
				parent->_col = BLACK;
				grandparent->_col = RED;
			}
		}
	}

	//parent在grandparent的左
	else if (parent == grandparent->_right)
	{
		Node* uncle = grandparent->_left;
		if (uncle && uncle->_col == RED)
		{
			parent->_col = uncle->_col = BLACK;
			grandparent->_col = RED;
			cur = grandparent;
			parent = cur->_parent;
		}
		else
		{
			if (cur == parent->_right)
			{
				rotateL(grandparent);
				parent->_col = BLACK;
				grandparent->_col = RED;
			}
		}
	}
	_root->_col = BLACK;
}

这里的旋转复用AVL的旋转即可, 去掉更新平衡因子的部分. 


2.左右和右左

双旋+变色 

前提条件根上面一样,还是cur为红,p为红,g为黑,u不存在/u存在且为黑 

数据结构之红黑树_第19张图片''

进行什么旋转呢? 

1.p为g的左孩子,cur为p的右孩子,则针对p做左单旋, g作右单旋
2.相反,p为g的右孩子,cur为p的左孩子,则针对p做右单旋, g作左单旋.

以左右单旋图中为例, 先进行一个左单旋: 

数据结构之红黑树_第20张图片

再进行一个右单旋: 

数据结构之红黑树_第21张图片 再变色:

数据结构之红黑树_第22张图片

这样就调整好了 

代码: 

while (parent && parent->_col == RED)
{
	Node* grandparent = parent->_parent;
	//parent在grandparent的左
	if (parent == grandparent->_left)
	{
		Node* uncle = grandparent->_right;
        //叔叔存在且为红直接变色
		if (uncle && uncle->_col == RED)
		{
			parent->_col = uncle->_col = BLACK;
			grandparent->_col = RED;
			cur = grandparent;
			parent = cur->_parent;
		}
        //叔叔不存在或者叔叔是黑进行旋转
		else
		{
            /右单旋
			if (cur == parent->_left)
			{
				rotateR(grandparent);
				parent->_col = BLACK;
				grandparent->_col = RED;
			}
            //左右双旋
			else if (cur == parent->_right)
			{
				rotateL(parent);
				rotateR(grandparent);
				grandparent->_col = RED;
				cur->_col = BLACK;
			}
		}
	}

	//parent在grandparent的左
	else if (parent == grandparent->_right)
	{
        //叔叔存在且为红直接变色
		Node* uncle = grandparent->_left;
		if (uncle && uncle->_col == RED)
		{
			parent->_col = uncle->_col = BLACK;
			grandparent->_col = RED;
			cur = grandparent;
			parent = cur->_parent;
		}
        //叔叔不存在或者叔叔是黑进行旋转
		else
		{
            //左单旋
			if (cur == parent->_right)
			{
				rotateL(grandparent);
				parent->_col = BLACK;
				grandparent->_col = RED;
			}
            //右左双旋
			else if (cur == parent->_left)
			{
				rotateR(parent);
				rotateL(grandparent);
				grandparent->_col = RED;
				cur->_col = BLACK;
			}
		}
	}
	_root->_col = BLACK;
}

红黑树的测试

验证其为搜索二叉树

首先我们还是先来验证他是否是二叉搜索树,看它中序是否有序就行了:

void InOrderPrint()
{
	_InOrder(_root);
}

void _InOrder(Node* root)
{
	if (root == nullptr)
		return;
	_InOrder(root->_left);
	cout << root->_kv.first << " ";
	_InOrder(root->_right);
}
int main()
{
	//int a[] = { 16, 3, 7, 11, 9, 26, 18, 14, 15 };
	int a[] = { 4, 2, 6, 1, 3, 5, 15, 7, 16, 14 };
	RBTree t;
	for (auto e : a)
	{
		t.Insert(make_pair(e, e));
	}
	t.InOrderPrint();
	cout << endl;
	return 0;
}

顺序是正确的


 验证其是否平衡且满足红黑树性质

如何判断它是否满足是一棵红黑树呢?

其实就是去检查那几条规则(性质):

1.首先结点颜色要么是黑色, 要么是红色, 这没什么好检查的。
2.然后根结点必须是黑色, 这个可以检查一下,如果根结点不是黑色(是红色)直接就不符合了

数据结构之红黑树_第23张图片

3.然后如果出现连续的红色结点, 那也不符合。
那怎么检查有没有出现连续红色结点呢?
我们可以去遍历这棵树, 然后遇到红色结点判断它的孩子是不是红色结点, 如果存在红色结点它的孩子也是红色, 那就不符合, 这样可以,但是不太好, 因为孩子的话要检查两个,而且结点的孩子有还有可能不存在, 为空, 那还得再加一个判断。
所以我们可以这样做: 遍历遇到红色结点我们去看它的父亲, 如果它的父亲也为红色那就不行。而判断父亲的话, 只有根结点没有父亲, 但是根结点是黑色的也不会去检查它。

bool IsBalance()
{
	if (_root == nullptr)
		return true;
	if (_root->_col == RED)
		return false;
	
	return _Check(_root);
}

bool _Check(Node* root)
{
	if (root == nullptr)
	{
		return true;
	}
	if (root->_col == RED && root->_parent->_col == RED)
		return false;
	return _Check(root->_left, blacknum, ref)
		&& _Check(root->_right, blacknum, ref);
}

然后还剩一个, 我们要检查每条路径黑色结点数量是否相等, 存在不相等的情况就不符合。
那这个要如何检查呢?
我们可以先求出一条路径的黑色结点数量, 把它作为基准值, 然后再递归求出每条路径的黑色结点数量和它比较, 如果存在不相等的情况, 就不符合, 不用管这个基准值是不是正确的, 只要其他路径和这个值不相同, 那就不符合.

bool IsBalance()
{
	if (_root == nullptr)
		return true;
	if (_root->_col == RED)
		return false;
	
    //找基准值,这里以最左路为基准
	Node* cur = _root;
	int ref = 0;
	while (cur)
	{
		if (cur->_col == BLACK)
		{
			ref++;
		}
		cur = cur->_left;

	}
    //定义一个blacknum来记录路径的黑色结点数目
	int blacknum = 0;
	return _Check(_root, blacknum,ref);
}

bool _Check(Node* root,int blacknum, const int ref)
{
	if (root == nullptr)
	{
        //root为空说明该路径已经找完,开始比较blacknum和ref,不相等就不符合
		if (blacknum != ref)
			return false;
		return true;
	}
    //如果节点是黑的blacknum就++
	if (root->_col == BLACK)
		blacknum++;
    //结点是红色判断它与父亲结点是否为连续的红
	if (root->_col == RED && root->_parent->_col == RED)
		return false;
    //继续判断左右子树
	return _Check(root->_left, blacknum, ref)
		&& _Check(root->_right, blacknum, ref);
}

 注意这里的blacknum传递的非常巧妙, 因为每一层的blacknum都是独立的, 所以向下一层传递blacknum的后blacknum的修改不会影响上一层, 为什么不想去影响上一层呢? 因为上一层的blacknum传递给了左子树后还要传递给右子树进行判断, 在左子树中修改了上一层的值那再传给右子树就一定错了.数据结构之红黑树_第24张图片


大量随机数构建红黑树进行测试 

int main()
{
	const int N = 10000;
	vector v;
	v.reserve(N);
	srand(time(0));

	for (size_t i = 0; i < N; i++)
	{
		v.push_back(rand());
	}

	size_t begin2 = clock();
	RBTree t;
	for (auto e : v)
	{
		t.Insert(make_pair(e, e));
	}
	size_t end2 = clock();

	cout << "Insert_time:" << end2 - begin2 << endl;
	cout << t.IsBalance() << endl;
	return 0;
}

 数据结构之红黑树_第25张图片


插入和查找的时间测试: 

Node* Find(const pair& kv)
{
	Node* cur = _root;
	while (cur)
	{
		if (kv.first > cur->_kv.first)
		{
			cur = cur->_right;
		}
		else if (kv.first < cur->_kv.first)
		{
			cur = cur->_left;
		}
		else
		{
			return cur;
		}
	}
	return nullptr;
}
int main()
{
	const int N = 100000;
	vector v;
	v.reserve(N);
	srand(time(0));

	for (size_t i = 0; i < N; i++)
	{
		v.push_back(rand());
	}

	size_t begin2 = clock();
	RBTree t;
	for (auto e : v)
	{
		t.Insert(make_pair(e, e));
	}
	size_t end2 = clock();

	size_t begin1 = clock();
		for (auto e : v)
		{
			t.Find(make_pair(e,e));
		}
	size_t end1 = clock();
	
	cout << "Find_time:" << end1 - begin1 << endl;
	cout << "Insert_time:" << end2 - begin2 << endl;
	cout << "是否平衡:"<

数据结构之红黑树_第26张图片 


插入相同数量随机数比较AVL树和红黑树的高度 

void test3()
{
	const int N = 100000;
	vector v;
	v.reserve(N);
	srand(time(0));

	for (size_t i = 0; i < N; i++)
	{
		v.push_back(rand()+i);
	}

	RBTree rbt;
	AVLTree avlt;
	for (auto e : v)
	{
		rbt.Insert(make_pair(e, e));
		avlt.Insert(make_pair(e, e));
	}
	cout << "插入了" << rbt.Size() << "个值" << endl;
	cout << "红黑树高度: " << rbt.Height()<

当N为10w

数据结构之红黑树_第27张图片

插入10万个数据, 对产生的随机数都加个i(减少重复值), 我们看到就有一些差异了 

当N为100w:

 数据结构之红黑树_第28张图片

100w个数据的差异就更大了, 还是红黑树要高一点

可以发现AVL树对平衡的控制是比较严格的, 而红黑树是相对宽松的。 


红黑树的删除

简单分析:

删除节点一定都在最后一到两层, 因为上层都可以替代下去.

结点有红色节点和黑色节点, 我们就以删除节点的颜色来区分删除操作的所有情况

删除红色节点

如果删除的节点是红色直接删除, 不用作任何调整。因为删除最后一层的红色节点, 并没有影响红黑树的任何性质。

删除黑色节点

有3种情况:

1. 拥有 2 个红色子节点的黑色节点

不可能被直接删除,因为会找它的子节点替代删除,因此不用考虑这种情况

2. 拥有 1 个红色子节点的黑色节点

修复步骤总结:

  1. 用删除节点的唯一子节点对其进行替代
  2. 将替代节点染成黑色

3. 黑色叶子节点

1. 删除节点为根节点, 直接删除该节点, 无需做其他操作。

2. 删除节点的兄弟节点为黑色 

2.1兄弟节点至少有1红色子节点

        2.1.1 兄弟节点有一个右子节点:

        2.1.2 兄弟节点有一个左子节点:

        2.1.3 兄弟节点有两个左右子节点:

修复步骤总结:

        1 进行旋转操作

        2 旋转之后的中心节点继承父节点(删除节点的父节点)的颜色

        3 旋转之后的左右节点染为黑色

2.2 兄弟节点没有红色子节点

        2.2.1父节点为红色

        2.2.2父节点为黑色

修复步骤总结:

  1. 父节点向下与兄弟节点进行合并
  2. 将兄弟染成红色、父节点染成黑色即可修复红黑树性质
    • 如果父节点是黑色,直接将父节点当成被删除的节点处理,来修复父节点的下溢情况

3. 删除节点的兄弟节点为红色    

修复步骤总结:

  1. 兄弟节点染成 BLACK, 父节点染成染成 RED, 对父节点进行右旋
  2. 于是又回到兄弟节点是黑色的情况(侄子节点变为兄弟节点),继续使用兄弟节点为黑色的方法进行修复

 具体可查看:

【精选】【数据结构】史上最好理解的红黑树讲解,让你彻底搞懂红黑树_小七mod的博客-CSDN博客


完整代码:

#pragma once
#include
enum COLOR
{
	RED,
	BLACK
};

template
struct RBTreeNode
{
	RBTreeNode* _parent;
	RBTreeNode* _right;
	RBTreeNode* _left;
	pair _kv;
	COLOR _col;

	RBTreeNode(const pair& kv)
		: _parent(nullptr)
		, _right(nullptr)
		, _left(nullptr)
		, _kv(kv)
		, _col(RED)
	{}

};

template
class RBTree
{
	typedef RBTreeNode Node;
public:
	bool Insert(const pair& kv)
	{
		if (_root == nullptr)
		{
			_root = new Node(kv);
			_root->_col= BLACK;
			return true;
		}

		Node* parent = nullptr;
		Node* cur = _root;
		while (cur)
		{
			if (cur->_kv.first > kv.first)
			{
				parent = cur;
				cur = cur->_left;
			}
			else if (cur->_kv.first < kv.first)
			{
				parent = cur;
				cur = cur->_right;
			}
			else
			{
				return false;
			}
		}

		cur = new Node(kv);
		//cur->_col = RED;
		if (parent->_kv.first > kv.first)
		{
			parent->_left = cur;
			cur->_parent = parent;
		}
		else if (parent->_kv.first < kv.first)
		{
			parent->_right = cur;
			cur->_parent = parent;
		}
		else
			assert(false);
		
		//插入完成, 调整颜色
		parent的颜色是黑,不需要调整
		//if (parent->_col == BLACK)
		//{
		//	return true;
		//}
		//parent的颜色是红,需要调整
		while (parent && parent->_col == RED)
		{
			Node* grandparent = parent->_parent;
			//parent在grandparent的左
			//		 g			      g
			//   p	u		   p 	  u
			//c					  c
			if (parent == grandparent->_left)
			{
				Node* uncle = grandparent->_right;
				if (uncle && uncle->_col == RED)
				{
					parent->_col = uncle->_col = BLACK;
					grandparent->_col = RED;
					cur = grandparent;
					parent = cur->_parent;
				}
				else
				{
					//		 g
					//   p	u
					//c
					if (cur == parent->_left)
					{
						rotateR(grandparent);
						parent->_col = BLACK;
						grandparent->_col = RED;
					}
					//		 g
					//   p	u
					//      c
					else if (cur == parent->_right)
					{
						rotateL(parent);
						rotateR(grandparent);
						grandparent->_col = RED;
						cur->_col = BLACK;
					}
				}
			}
			//parent在grandparent的左
			//		 g			      g
			//   u 	p		   u 	  p
			//				c			c
			else if (parent == grandparent->_right)
			{
				Node* uncle = grandparent->_left;
				if (uncle && uncle->_col == RED)
				{
					parent->_col = uncle->_col = BLACK;
					grandparent->_col = RED;
					cur = grandparent;
					parent = cur->_parent;
				}
				else
				{
					//		 g
					//   u		p
					//				c
					if (cur == parent->_right)
					{
						rotateL(grandparent);
						parent->_col = BLACK;
						grandparent->_col = RED;
					}
					//		 g
					//   u		p
					//      c
					else if (cur == parent->_left)
					{
						rotateR(parent);
						rotateL(grandparent);
						grandparent->_col = RED;
						cur->_col = BLACK;
					}
				}
			}
			_root->_col = BLACK;
		}
		return true;
	}

	void InOrderPrint()
	{
		_InOrder(_root);
	}

	bool IsBalance()
	{
		if (_root == nullptr)
			return true;
		if (_root->_col == RED)
			return false;
		
		Node* cur = _root;
		int ref = 0;
		while (cur)
		{
			if (cur->_col == BLACK)
			{
				ref++;
			}
			cur = cur->_left;

		}
		int blacknum = 0;
		return _Check(_root, blacknum,ref);
	}

	Node* Find(const pair& kv)
	{
		Node* cur = _root;
		while (cur)
		{
			if (kv.first > cur->_kv.first)
			{
				cur = cur->_right;
			}
			else if (kv.first < cur->_kv.first)
			{
				cur = cur->_left;
			}
			else
			{
				return cur;
			}
		}
		return nullptr;
	}

	int Height()
	{
		return _Height(_root);
	}

private:
	Node* _root = nullptr;

	bool _Check(Node* root,int blacknum, const int ref)
	{
		if (root == nullptr)
		{
			if (blacknum != ref)
				return false;
			return true;
		}
		if (root->_col == BLACK)
			blacknum++;
		if (root->_col == RED && root->_parent->_col == RED)
			return false;
		return _Check(root->_left, blacknum, ref)
			&& _Check(root->_right, blacknum, ref);
	}

	void _InOrder(Node* root)
	{
		if (root == nullptr)
			return;
		_InOrder(root->_left);
		cout << root->_kv.first << " ";
		_InOrder(root->_right);
	}

	int _Height(Node* root)
	{
		if (root == nullptr)
			return 0;
		int leftH = _Height(root->_left);
		int rightH = _Height(root->_right);
		return leftH > rightH ? leftH + 1 : rightH + 1;
	}

	void rotateL(Node* parent)
	{
		Node* subR = parent->_right;
		Node* subRL = subR->_left;
		Node* parentParent = parent->_parent;

		parent->_right = subRL;
		if (subRL)
			subRL->_parent = parent;

		subR->_left = parent;
		parent->_parent = subR;

		if (_root == parent)
		{
			_root = subR;
			subR->_parent = nullptr;
		}
		else
		{
			if (parent == parentParent->_right)
				parentParent->_right = subR;
			else if (parent == parentParent->_left)
				parentParent->_left = subR;
			subR->_parent = parentParent;
		}
	}

	void rotateR(Node* parent)
	{
		Node* subL = parent->_left;
		Node* subLR = subL->_right;
		Node* parentParent = parent->_parent;

		subL->_right = parent;
		parent->_left = subLR;

		parent->_parent = subL;
		if (subLR)
			subLR->_parent = parent;

		if (_root == parent)
		{
			_root = subL;
			subL->_parent = nullptr;
		}
		else
		{
			if (parentParent->_left == parent)
			{
				parentParent->_left = subL;
			}
			else if (parentParent->_right == parent)
			{
				parentParent->_right = subL;
			}
			subL->_parent = parentParent;
		}
	}
};

 test.cpp:

#include 
#include 
using namespace std;
#include "RBTree.h"
#include "AVL.h"

void test1()
{
	//int a[] = { 16, 3, 7, 11, 9, 26, 18, 14, 15 };
	int a[] = { 4, 2, 6, 1, 3, 5, 15, 7, 16, 14 };
	RBTree t;
	for (auto e : a)
	{
		t.Insert(make_pair(e, e));
	}
	t.InOrderPrint();
	cout << endl;
	cout << t.IsBalance() << endl;
}

void test2()
{
	const int N = 100000;
	vector v;
	v.reserve(N);
	srand(time(0));

	for (size_t i = 0; i < N; i++)
	{
		v.push_back(rand());
	}

	size_t begin2 = clock();
	RBTree t;
	for (auto e : v)
	{
		t.Insert(make_pair(e, e));
	}
	size_t end2 = clock();

	size_t begin1 = clock();
	for (auto e : v)
	{
		t.Find(make_pair(e, e));
	}
	size_t end1 = clock();

	cout << "Find_time:" << end1 - begin1 << endl;
	cout << "Insert_time:" << end2 - begin2 << endl;
	cout << "是否平衡:" << t.IsBalance() << endl;
}

void test3()
{
	const int N = 100000;
	vector v;
	v.reserve(N);
	srand(time(0));

	for (size_t i = 0; i < N; i++)
	{
		v.push_back(rand()+i);
	}

	RBTree rbt;
	AVLTree avlt;
	for (auto e : v)
	{
		rbt.Insert(make_pair(e, e));
		avlt.Insert(make_pair(e, e));
	}
	cout << "红黑树高度: " << rbt.Height()<

 

你可能感兴趣的:(数据结构,数据结构,算法)