CS_learn/hello-algo
1
0
Fork 0
mirror of https://github.com/krahets/hello-algo.git synced 2026-04-05 11:41:22 +08:00
Code Issues Packages Projects Releases Wiki Activity

build

Browse Source
This commit is contained in:
krahets
2023-12-02 06:24:05 +08:00
parent a4a23e2488
commit a7f5434009
93 changed files with 1463 additions and 1484 deletions
Download Patch File Download Diff File Expand all files Collapse all files

52
docs/chapter_tree/binary_tree.md
View File

@@ -4,7 +4,7 @@ comments: true
# 7.1   二叉树
「二叉树 binary tree」是一种非线性数据结构，代表着祖先与后代之间的派生关系，体现着“一分为二”的分治逻辑。与链表类似，二叉树的基本单元是节点，每个节点包含：值、左子节点引用、右子节点引用。
「二叉树 binary tree」是一种非线性数据结构，代表“祖先”与“后代”之间的派生关系，体现了“一分为二”的分治逻辑。与链表类似，二叉树的基本单元是节点，每个节点包含值、左子节点引用和右子节点引用。
=== "Python"
@@ -213,7 +213,7 @@ comments: true
!!! tip
请注意，我们通常将“高度”和“深度”定义为“走过边的数量”，但有些题目或教材可能会将其定义为“走过节点的数量”。在这种情况下，高度和深度都需要加 1 。
请注意，我们通常将“高度”和“深度”定义为“经过的边的数量”，但有些题目或教材可能会将其定义为“经过的节点的数量”。在这种情况下，高度和深度都需要加 1 。
## 7.1.2   二叉树基本操作
@@ -231,7 +231,7 @@ comments: true
n3 = TreeNode(val=3)
n4 = TreeNode(val=4)
n5 = TreeNode(val=5)
# 构建引用指向（即指针）
# 构建节点之间的引用（指针）
n1.left = n2
n1.right = n3
n2.left = n4
@@ -248,7 +248,7 @@ comments: true
TreeNode* n3 = new TreeNode(3);
TreeNode* n4 = new TreeNode(4);
TreeNode* n5 = new TreeNode(5);
// 构建引用指向（即指针）
// 构建节点之间的引用（指针）
n1->left = n2;
n1->right = n3;
n2->left = n4;
@@ -264,7 +264,7 @@ comments: true
TreeNode n3 = new TreeNode(3);
TreeNode n4 = new TreeNode(4);
TreeNode n5 = new TreeNode(5);
// 构建引用指向（即指针）
// 构建节点之间的引用（指针）
n1.left = n2;
n1.right = n3;
n2.left = n4;
@@ -281,7 +281,7 @@ comments: true
TreeNode n3 = new(3);
TreeNode n4 = new(4);
TreeNode n5 = new(5);
// 构建引用指向（即指针）
// 构建节点之间的引用（指针）
n1.left = n2;
n1.right = n3;
n2.left = n4;
@@ -298,7 +298,7 @@ comments: true
n3 := NewTreeNode(3)
n4 := NewTreeNode(4)
n5 := NewTreeNode(5)
// 构建引用指向（即指针）
// 构建节点之间的引用（指针）
n1.Left = n2
n1.Right = n3
n2.Left = n4
@@ -314,7 +314,7 @@ comments: true
let n3 = TreeNode(x: 3)
let n4 = TreeNode(x: 4)
let n5 = TreeNode(x: 5)
// 构建引用指向（即指针）
// 构建节点之间的引用（指针）
n1.left = n2
n1.right = n3
n2.left = n4
@@ -331,7 +331,7 @@ comments: true
n3 = new TreeNode(3),
n4 = new TreeNode(4),
n5 = new TreeNode(5);
// 构建引用指向（即指针）
// 构建节点之间的引用（指针）
n1.left = n2;
n1.right = n3;
n2.left = n4;
@@ -348,7 +348,7 @@ comments: true
n3 = new TreeNode(3),
n4 = new TreeNode(4),
n5 = new TreeNode(5);
// 构建引用指向（即指针）
// 构建节点之间的引用（指针）
n1.left = n2;
n1.right = n3;
n2.left = n4;
@@ -365,7 +365,7 @@ comments: true
TreeNode n3 = new TreeNode(3);
TreeNode n4 = new TreeNode(4);
TreeNode n5 = new TreeNode(5);
// 构建引用指向（即指针）
// 构建节点之间的引用（指针）
n1.left = n2;
n1.right = n3;
n2.left = n4;
@@ -381,7 +381,7 @@ comments: true
let n3 = TreeNode::new(3);
let n4 = TreeNode::new(4);
let n5 = TreeNode::new(5);
// 构建引用指向（即指针）
// 构建节点之间的引用（指针）
n1.borrow_mut().left = Some(n2.clone());
n1.borrow_mut().right = Some(n3);
n2.borrow_mut().left = Some(n4);
@@ -398,7 +398,7 @@ comments: true
TreeNode *n3 = newTreeNode(3);
TreeNode *n4 = newTreeNode(4);
TreeNode *n5 = newTreeNode(5);
// 构建引用指向（即指针）
// 构建节点之间的引用（指针）
n1->left = n2;
n1->right = n3;
n2->left = n4;
@@ -556,13 +556,13 @@ comments: true
!!! note
需要注意的是，插入节点可能会改变二叉树的原有逻辑结构，而删除节点通常意味着删除该节点及其所有子树。因此，在二叉树中，插入与删除操作通常是由一套操作配合完成的，以实现有实际意义的操作。
需要注意的是，插入节点可能会改变二叉树的原有逻辑结构，而删除节点通常意味着删除该节点及其所有子树。因此，在二叉树中，插入与删除通常是由一套操作配合完成的，以实现有实际意义的操作。
## 7.1.3   常见二叉树类型
### 1.   完美二叉树
「完美二叉树 perfect binary tree」所有层的节点都被完全填满。在完美二叉树中，叶节点的度为 $0$ ，其余所有节点的度都为 $2$ ；若树高度为 $h$ ，则节点总数为 $2^{h+1} - 1$ ，呈现标准的指数级关系，反映了自然界中常见的细胞分裂现象。
如图 7-4 所示，「完美二叉树 perfect binary tree」所有层的节点都被完全填满。在完美二叉树中，叶节点的度为 $0$ ，其余所有节点的度都为 $2$ ；若树的高度为 $h$ ，则节点总数为 $2^{h+1} - 1$ ，呈现标准的指数级关系，反映了自然界中常见的细胞分裂现象。
!!! tip
@@ -598,26 +598,26 @@ comments: true
## 7.1.4   二叉树的退化
图 7-8 展示了二叉树的理想与退化状态。当二叉树的每层节点都被填满时，达到“完美二叉树”；而当所有节点都偏向一侧时，二叉树退化为“链表”。
图 7-8 展示了二叉树的理想结构与退化结构。当二叉树的每层节点都被填满时，达到“完美二叉树”；而当所有节点都偏向一侧时，二叉树退化为“链表”。
- 完美二叉树是理想情况，可以充分发挥二叉树“分治”的优势。
- 链表则是另一个极端，各项操作都变为线性操作，时间复杂度退化至 $O(n)$ 。
![二叉树的最佳与最差结构](binary_tree.assets/binary_tree_best_worst_cases.png){ class="animation-figure" }
![二叉树的最佳结构与最差结构](binary_tree.assets/binary_tree_best_worst_cases.png){ class="animation-figure" }
<p align="center"> 图 7-8 &nbsp; 二叉树的最佳与最差结构 </p>
<p align="center"> 图 7-8 &nbsp; 二叉树的最佳结构与最差结构 </p>
如表 7-1 所示，在最佳和最差结构下，二叉树的叶节点数量、节点总数、高度等达到极大或极小值。
如表 7-1 所示，在最佳结构和最差结构下，二叉树的叶节点数量、节点总数、高度等达到极大值或极小值。
<p align="center"> 表 7-1 &nbsp; 二叉树的最佳与最差情况 </p>
<p align="center"> 表 7-1 &nbsp; 二叉树的最佳结构与最差结构 </p>
<div class="center-table" markdown>
| | 完美二叉树 | 链表 |
| ----------------------- | ------------------ | ------- |
| 第 $i$ 层的节点数量 | $2^{i-1}$ | $1$ |
| 高度 $h$ 树的叶节点数量 | $2^h$ | $1$ |
| 高度 $h$ 树的节点总数 | $2^{h+1} - 1$ | $h + 1$ |
| 节点总数 $n$ 树的高度 | $\log_2 (n+1) - 1$ | $n - 1$ |
| | 完美二叉树 | 链表 |
| --------------------------- | ------------------ | ------- |
| 第 $i$ 层的节点数量 | $2^{i-1}$ | $1$ |
| 高度为 $h$ 的树的叶节点数量 | $2^h$ | $1$ |
| 高度为 $h$ 的树的节点总数 | $2^{h+1} - 1$ | $h + 1$ |
| 节点总数为 $n$ 的树的高度 | $\log_2 (n+1) - 1$ | $n - 1$ |
</div>