Java数据结构----树
2016-02-26 15:18
381 查看
一、树
树形结构是一类重要的非线性结构。树形结构是结点之间有分支,并具有层次关系的结构。它非常类似于自然界中的树。树结构在客观世界中是大量存在的,例如家谱、行政组织机构都可用树形象地表示。树在计算机领域中也有着广泛的应用,例如在编译程序中,用树来表示源程序的语法结构;在数据库系统中,可用树来组织信息;在分析算法的行为时,可用树来描述其执行过程。本章重点讨论二叉树的存储表示及其各种运算,并研究一般树和森林与二叉树的转换关系,最后介绍树的应用实例。关于树的一些术语
节点的度:一个节点含有的子树的个数称为该节点的度;如上图A结点的度为3,B结点的度为2,c结点的度为1,D结点的度为3。
叶节点或终端节点:度为零的节点称为叶节点;E、F、G、H、I 以及J度都为0
非终端节点或分支节点:度不为零的节点;
双亲节点或父节点:若一个结点含有子节点,则这个节点称为其子节点的父节点;
孩子节点或子节点:一个节点含有的子树的根节点称为该节点的子节点;
兄弟节点:具有相同父节点的节点互称为兄弟节点;
树的高度或深度:定义一棵树的根结点层次为1,其他节点的层次是其父结点层次加1。一棵树中所有结点的层次的最大值称为这棵树的深度。节点的层次:从根开始定义起,根为第1层,根的子结点为第2层,以此类推;
树的度:一棵树中,最大的节点的度称为树的度;
树的度是指每个节点孩子的最大数量,上图是3(D点最大是3),而树深度是指树有几层,上图是3
节点的祖先:从根到该节点所经分支上的所有节点;
子孙:以某节点为根的子树中任一节点都称为该节点的子孙。
森林:由m(m>=0)棵互不相交的树的集合称为森林;
层次遍历为:1,2,3,4,5,6,7,8,9,10
二、二叉树
2.1、二叉树的相关概念
二叉树(BinaryTree)是n(n≥0)个结点的有限集,它或者是空集(n=0),或者由一个根结点及两棵互不相交的、分别称作这个根的左子树和右子树的二叉树组成。完全二叉树:若设二叉树的深度为h,除第 h 层外,其它各层 (1~h-1) 的结点数都达到最大个数,第 h 层所有的结点都连续集中在最左边,这就是完全二叉树。
2.2、二叉树的性质:
(1) 在二叉树中,第i层的结点总数不超过2^(i-1)。(2) 深度为h的二叉树最多有2^h-1个结点(h>=1),最少有h个结点。
(3) 对于任意一棵二叉树,如果其叶结点数为N0,而度数为2的结点总数为N2,则N0=N2+1。
(4) 具有n个结点的完全二叉树的深度为int[(log2n)]+1。
(5)有N个结点的完全二叉树各结点如果用顺序方式存储,则结点之间有如下关系:若I为结点编号则 如果I<>1,则其父结点的编号为I/2;如果2*I<=N,则其左儿子(即左子树的根结点)的编号为2*I;若2*I>N,则无左儿子;如果2*I+1<=N,则其右儿子的结点编号为2*I+1;若2*I+1>N,则无右儿子。
(6)给定N个节点,能构成h(N)种不同的二叉树。h(N)为卡特兰数的第N项。h(n)=C(n,2*n)/(n+1)。
(7)设有i个枝点,I为所有枝点的道路长度总和,J为叶的道路长度总和J=I+2i
2.3、二叉树的建立
广义表(Lists,又称列表)是一种非线性的数据结构,是线性表的一种推广。即广义表中放松对表元素的原子限制,容许它们具有其自身结构。它被广泛的应用于人工智能等领域的表处理语言LISP语言中。在LISP语言中,广义表是一种最基本的数据结构,就连LISP 语言的程序也表示为一系列的广义表。(关于广义表的概念,请查看百科的介绍:http://baike.baidu.com/view/203611.htm)首先,我们采用广义表建立二叉树。我们建立一个字符串类型的广义表作为输入:
String expression = "A(B(D(,G)),C(E,F))";与该广义表对应的二叉树为:
写代码前,我们通过观察二叉树和广义表,先得出一些结论:
每当遇到字母,将要创建节点
每当遇到“(”,表面要创建左孩子节点
每当遇到“,”,表明要创建又孩子节点
每当遇到“)”,表明要返回上一层节点
广义表中“(”的数量正好是二叉树的层数
根据这些结论,我们基本就可以开始写代码了
二叉树的结点类:
public class Node { Object data; Node leftChild; Node rightChild; public Node() { } public Node(Object data) { leftChild = null; rightChild = null; this.data = data; } public Node(Object data, Node leftChild, Node rightChild) { this.data = data; this.leftChild = leftChild; this.rightChild = rightChild; } }根据广义表创建二叉树的代码如下:
//String expression = "A(B(D(,G)),C(E,F))" public Node createTree(String exp) { //这里长度定为3是因为建立二叉树后,树的层次是3大小 Node[] nodes = new Node[3]; //node为要将表达式里字母转成节点 Node root = null, node = null; int top = -1, k = 0, j = 0; char[] exps = exp.toCharArray(); char data = exps[j]; while (j < exps.length - 1) { switch (data) { case '(': top++; nodes[top] = node; k = 1; break; case ')': top--; break; case ',': k = 2; break; default: node = new Node(data, null, null); if (root == null) { root = node; } else { switch (k) { case 1: nodes[top].leftChild = node; break; case 2: nodes[top].rightChild = node; break; } } } j++; data = exps[j]; } return root; }创建完全二叉树:
/** * 顺序方式存储,创建完全二叉树 * <p/> * 算法思想:(根节点的下标是0) * 1、父节点与总节点的数字关系:父节点数 = 总节点/2 ; * 2、父节点与孩子节点的数字关系:左孩子 = parentIndex * 2 + 1 * 右孩子 = parentIndex * 2 + 2 * 3、对最后一个父节点要单独考虑,因为完全二叉树所有的结点都连续集中在最左边! * 如果总节点数是奇数,则有右孩子;如果是偶数,则无右孩子 */ public List<Node> createCompleteBinaryTree(int[] array) { List<Node> nodeList = new LinkedList<Node>(); // 将一个数组的值依次转换为Node节点 for (int data : array) { nodeList.add(new Node(data)); } // 对前lastParentIndex-1个父节点按照父节点与孩子节点的数字关系建立二叉树 for (int parentIndex = 0; parentIndex < array.length / 2 - 1; parentIndex++) { // 左孩子 nodeList.get(parentIndex).leftChild = nodeList.get(parentIndex * 2 + 1); // 右孩子 nodeList.get(parentIndex).rightChild = nodeList.get(parentIndex * 2 + 2); } // 最后一个父节点:因为最后一个父节点可能没有右孩子,所以单独拿出来处理 int lastParentIndex = array.length / 2 - 1; // 左孩子 nodeList.get(lastParentIndex).leftChild = nodeList.get(lastParentIndex * 2 + 1); // 右孩子,如果数组的长度为奇数才建立右孩子 if ((array.length & 1) == 1) { //要添加括号,运算符有先后 nodeList.get(lastParentIndex).rightChild = nodeList.get(lastParentIndex * 2 + 2); } return nodeList; }
2.4、二叉树的递归遍历
先序遍历:1 2 4 5 3 6非递归前序遍历 1 2 4 5 3 6
中序遍历:4 2 5 1 6 3
非递归中序遍历 4,2,5,1,6,3,
后序遍历:4 5 2 6 3 1
非递归后序遍历: 4 5 2 6 3 1
层次遍历:1,2,3,4,5,6,
/****************遍历递归实现********************/ /** * 对指定二叉树执行先序遍历(根-左-右) * 递归的二叉树的根节点在什么位置,便是什么遍历 * * @param node 被遍历的二叉树根节点 */ public void preOrderTraverse(Node node) { if (node != null) { System.out.print(node.data + " "); //递归遍历根 preOrderTraverse(node.leftChild); //递归遍历左子树 preOrderTraverse(node.rightChild); //递归遍历左右子树 } } /** * 对指定的二叉树执行中序遍历(左-根-右) */ public void inOrderTraverse(Node node) { if (node != null) { inOrderTraverse(node.leftChild); //递归遍历左子树 System.out.print(node.data + " "); //递归遍历根 inOrderTraverse(node.rightChild); //递归遍历左右子树 } } /** * 对指定的二叉树执行后序遍历(左-右-根) */ public void postOrderTraverse(Node node) { if (node != null) { postOrderTraverse(node.leftChild); //递归遍历左子树 postOrderTraverse(node.rightChild); //递归遍历左右子树 System.out.print(node.data + " "); //递归遍历根 } }
/****************遍历非递归实现********************/ /** * 非递归实现前序遍历 :根左右 * <p/> * 算法思想:利用一个栈,先序遍历即为根先遍历 * 这种实现类似于图的深度优先遍历(DFS) * 维护一个栈,将根节点入栈,然后只要栈不为空,出栈并访问,接着依次将访问节点的右节点、左节点入栈。 * 这种方式应该是对先序遍历的一种特殊实现(看上去简单明了),但是不具备很好的扩展性,在中序和后序方式中不适用 * <p/> * 有类似树的结构的遍历的递归转非递归都是由栈来实现,如查找文件夹里的所有文件 */ public void iterativePreOrder(Node root) { System.out.print("\n非递归前序遍历 "); Stack<Node> stack = new Stack<Node>(); if (root != null) { stack.push(root); //入栈 while (!stack.empty()) { root = stack.pop(); //出栈 System.out.print(root.data + " "); if (root.rightChild != null) stack.push(root.rightChild); if (root.leftChild != null) stack.push(root.leftChild); } } } /** * 非递归中序遍历(左根右) * * 算法思想和上面的iterativePreOrder相同, * 只是访问的时间是在左子树都处理完直到null的时候出栈并访问。 */ public void iterativeInOrder(Node root) { System.out.print("\n非递归中序遍历 "); if (root == null) return; Stack<Node> stack = new Stack<Node>(); while (root != null || !stack.isEmpty()) { while (root != null) { stack.push(root);//先访问再入栈 root = root.leftChild; } root = stack.pop(); //出栈 System.out.print(root.data + ","); root = root.rightChild;//如果左子树是null,出栈并处理右子树 } } /** * 非递归实现后序遍历 */ public void iterativePostOrder(Node root) { System.out.print("\n非递归后序遍历: "); Node tempNode = root; Stack<Node> stack = new Stack<Node>(); while (root != null) { //左子树入栈 for (; root.leftChild != null; root = root.leftChild) stack.push(root); // 当前节点无右子或右子已经输出 while (root != null && (root.rightChild == null || root.rightChild == tempNode)) { System.out.print(root.data + " "); tempNode = root; //记录上一个已输出节点 if (stack.empty()) return; root = stack.pop(); //出栈 } //处理右子 stack.push(root); assert root != null; root = root.rightChild; } }
/** * 层序遍历(有点类型先序遍历的非递归) * <p/> * 算法思想:用队列实现,先将根节点入队列,只要队列不为空, * 然后出队列,并访问,接着讲访问节点的左右子树依次入队列 * * @param root 被遍历的二叉树的根节点 */ public void levelTravel(Node root) { if (root == null) return; Queue<Node> queue = new LinkedList<Node>(); queue.add(root); while (!queue.isEmpty()) { Node temp = queue.poll(); //出列 System.out.print(temp.data + ","); if (temp.leftChild != null) queue.add(temp.leftChild); if (temp.rightChild != null) queue.add(temp.rightChild); } }
2.5、树跟二叉树的转换
相关文章推荐
- 《大话数据结构》之归并排序
- 数据结构与算法基础(二)之线性表的顺序存储
- 《数据结构》进行曲 之 单链表实现学生信息管理系统
- 《数据结构与算法分析(c描述》—— 快速排序
- golang实现常用数据结构
- 数据结构:散列(hashing)
- 大话数据结构--第2章 算法
- linux C 开发中重要的数据结构——结构体
- 数据结构与算法学习笔记(二)
- 慕课网----大话PHP设计模式 二(数据结构的php实现,链式操作,php魔方方法的使用)
- 算法竞赛入门经典(第二版)-刘汝佳-第六章 数据结构基础 习题(12/14)
- redis内部数据结构--简单动态字符串sds
- 数据结构-5
- 数据结构——二叉查找树
- 算法竞赛入门经典(第二版)-刘汝佳-第六章 数据结构基础 例题(17/22)
- 数据结构与算法复习
- hdu1828[扫描线矩形周长并]
- MySQL索引背后的数据结构及算法原理
- 数据结构总结(3)
- 栈和堆的数据结构的差异