二叉排序树

JavaScript 数据结构篇之 BST

前言

有段时间没有写文章了，整个人感觉变得有点懒散了，大家可不要向我一样哦~
今天开始 seaconch 打算开始记录 JavaScript 数据结构的学习经历。
至此，开始。

课本：《学习JavaScript数据结构与算法 (第2版)》

术语：

BST (binary sort tree)
LST (left subtree)
RST (right subtree)

OUTLINE

特性
定义
插入
查找
最大
最小
移除
遍历
AVL
源码

特性

BST 有如下特性：

若 LST 不为空，则 LST 所有节点值都小于它的根节点值
若 RST 不为空，则 RST 所有节点值都大于它的根节点值
左右子树也都是 BST
没有重复键

定义

为了存储 BST，我们先定义一个 Node 类型，存储各个节点。

Node 节点的构造函数默认为其初始化 Subtree 都是 null。

/**
 * 节点
 */
class Node {

  constructor (key) {
    this.key = key;
    this.left = null;
    this.right = null;
  }

}

然后是 BST

BST 的类型我们只初始化了一个根节点 root。

/**
 * 二叉排序树
 */
class BinarySearchTree {

  constructor() {
    this.root = null;
  }

}

插入

插入节点只要遵循一个原则就好：大与 node.key 就向 node.right 中插入，小于 node.key 就向 node.left 插入。

首先定义私有函数。

const insertNode = Symbol('insertNode');

  /**
   * 插入节点
   */
  insert(key) {

    let newNode = new Node(key);
    if (this.root === null) this.root = newNode;
    else this[insertNode](this.root, newNode);

  }

  /**
   * 插入节点
   * @param {当前节点} node 
   * @param {新节点} newNode 
   */
  [insertNode] (node, newNode) {

    if (newNode.key < node.key) {

      if (node.left === null) node.left = newNode;
      else this[insertNode](node.left, newNode);

    } else {

      if (node.right === null) node.right = newNode;
      else this[insertNode](node.right, newNode);

    }
  }

这里稍微的说明一下，之所以写成私有函数，无非就是为了不希望外部看到这些没必要的。

其实东西多了感觉也会乱糟糟的...

接下来为了查看一下效果，我们来写一个初始化 BST 的函数。

我们的目标是初始化一个这样的 BST。

/**
 * 初始化数据
 * @param {树} tree 
 */
function initialization(tree) {

  let treeKeys = [50, 25, 13, 5, 19, 35, 28, 49, 75, 64, 56, 74, 85, 79, 99];

  treeKeys.forEach( key => tree.insert(key) )

}

现在来试试实例化一个 BST 来看看效果。

let tree = new BinarySearchTree();

initialization(tree);

console.log(tree.root);

打印效果如图

查找

由:

若 LST 不为空，则 LST 所有节点值都小于它的根节点值

若 RST 不为空，则 RST 所有节点值都大于它的根节点值

左右子树也都是 BST

因此我们可以相对快速的查找元素。

定义私有函数

const searchNode = Symbol('searchNode');

  /**
   * 是否存在目标 key
   */
  existKey(key) {
    return this[searchNode](this.root, key);
  }

  /**
   * 
   * @param {当前节点} node 
   * @param {key} key 
   */
  [searchNode] (node, key) {

    if (node === null) return false;
    
    if (key < node.key) return this[searchNode](node.left, key);
    
    else if (key > node.key) return this[searchNode](node.right, key);
    
    else return true;
    
  }

我们的思路是这样的：

如果要查找的 key值小于当前节点的 key值，则向 LST 继续查找;
如果要查找的 key值大于当前节点的 key值，则向 RST 继续查找;
如果要查找的 key值等于当前节点的 key值，则返回 true

运行效果如下：

最大值

由：

若 RST 不为空，则 RST 所有节点值都大于它的根节点值

左右子树也都是 BST

我们可以求得最大值

很明显是这样的

代码如下

定义私有函数

const maxNode = Symbol('maxNode');

  /**
   * 获取最大节点 key
   */
  max() {
    return this[maxNode](this.root);
  }

  /**
   * 获取最大节点 key
   * @param {节点} node 
   */
  [maxNode] (node) {

    if (node) {
    
      while (node && node.right !== null) {
      
        node = node.right;
      }
      return node.key;
    }
    return null;
  }

输出结果为：99

最小值

获取最小值的方法与最大值类似，只是方向变了一下

定义私有函数

const minNode = Symbol('minNode');

  /**
   * 获取最小节点 key
   */
  min() {
    return this[minNode](this.root);
  }

  /**
   * 获取最小节点 key
   * @param {节点} node 
   */
  [minNode] (node) {

    if (node) {
    
      while (node && node.left !== null) {
      
        node = node.left;
      }
      return node.key;
    }
    return null;
  }

运行结果自然是：5

移除

移除相对来说复杂一点，因为假如我们要移除的是一个父节点，那他们的子节点怎么办？

当然也是有相应的应对措施的。

对于没有 subtree 的 node 来说，只需要把他们修改为 null 即可
对于存在 subtree 的 node 来说，就要考虑所有情况分别处理
- 当 LST === null 时 => RST 上前来顶替待删除节点的位置
- 当 RST === null 时 => LST 上前来顶替待删除节点的位置
- 当 LST && RST 都不是 null 时，由 RST 中最小节点上前来顶起待删除节点的位置

图例说明：

1. LST 等于 null

2. RST 等于 null

3. LST 和 RST 都不等于 null

定义私有函数

const removeNode = Symbol('removeNode');
const findMinNode = Symbol('findMinNode');

  /**
   * 删除节点
   */
  remove(key) {
    this[removeNode](this.root, key);
  }

  /**
   * 删除节点，返回删除后的 tree
   * @param {当前节点} node 
   * @param {key} key 
   */
  [removeNode] (node, key) {

    if (node === null) /** the tree is empty or does not have this key who you want to remove. */ return null;

    if (key < node.key) /** the key of currrent node is bigger than target key. */ {

      node.left = this[removeNode](node.left, key);
      return node;

    } else if (key > node.key) /** smaller */ {

      node.right = this[removeNode](node.right, key);
      return node;

    } else /** 相等 */ {

      if (node.left === null && node.right === null) {
        /**
         * 当前节点没有左右节点，可以放心删除
         */
        node = null;
        return node;
      }

      /**
       * 当前节点有一个节点，让子节点`顶`上来
       */
      if (node.left === null) {
        
        node = node.right;
        return node

      } else if (node.right === null) {

        node = node.left;
        return node;

      }

      /**
       * 来到这里代表当前节点有两个子节点
       */
      let aux = this[findMinNode](node.right); // 找到右节点的最小节点
      node.key = aux.key; // 把要删除的节点的 key 覆盖为右侧最小节点 key
      node.right = this[removeNode](node.right, aux.key); // 重构 right side tree (删除上面找到的 aux 节点)
      return node;
    }
  }

  /**
   * 返回目标节点分支下最小节点
   * @param {目标节点} node 
   */
  [findMinNode] (node) {

    while (node && node.left !== null) {
    
      node = node.left;
    }
    return node;
  }

好了，现在来一起运行一下，看一下效果吧

遍历

遍历 BST 一般有三种方式：

- 先序
- 中序
- 后序

seaconch 画了 3 张图帮助理解:

先序遍历：
图片描述

中序遍历：
图片描述

后序遍历：
图片描述

这里我们只演示中序遍历的代码

中序遍历

所谓前序，中序，后序一般都是指具体操作的位置，在这里表示回调函数的位置

定义私有函数

const inOrderTraverseNode = Symbol('inOrderTraverseNode');

  /**
   * 中序遍历，标准名称为: `inOrderTraverse`
   */
  middleOrderTraverse(cb) {
    this[inOrderTraverseNode](this.root, cb);
  }

  /**
   * 
   * @param {当前节点} node 
   * @param {回调} cb 
   */
  [inOrderTraverseNode] (node, cb) {
    if (node !== null) {
      this[inOrderTraverseNode](node.left, cb);
      cb(node.key); // 回调在中间就是中序
      this[inOrderTraverseNode](node.right, cb);
    }
  }

结果是按照顺序输出了各个节点的 key:
图片描述

AVL

Adelson-Velskii-Landi(AVL) 自平衡树

BST 有一定的问题，比如当你添加了很多大于 root 的元素，而只添加了很少的小于 root 的元素，那么 BST 将严重失衡，最直观的一个说明就是，获取最大值的速度明显没有获取最小值的速度快。

图片描述

AVL 树就是为了解决 BST 失衡的问题

AVL 在每次添加或删除元素的时候，尝试自平衡，使左右子树高度差 >= 1

(hr(右子树高度) - hl(左子树高度) in (-1, 0, 1))

源码

源码如下：

/**
 * 节点
 */
class Node {

  constructor (key) {
    this.key = key;
    this.left = null;
    this.right = null;
  }
}

const insertNode = Symbol('insertNode');
const removeNode = Symbol('removeNode');
const findMinNode = Symbol('findMinNode');
const minNode = Symbol('minNode');
const maxNode = Symbol('maxNode');
const searchNode = Symbol('searchNode');
const inOrderTraverseNode = Symbol('inOrderTraverseNode');
const preOrderTraverseNode = Symbol('preOrderTraverseNode');
const postOrderTraverseNode = Symbol('postOrderTraverseNode');
/**
 * 二叉排序树
 */
class BinarySearchTree {

  constructor() {
    this.root = null;
  }

  /**
   * 插入节点
   */
  insert(key) {

    let newNode = new Node(key);
    if (this.root === null) this.root = newNode;
    else this[insertNode](this.root, newNode);

  }

  /**
   * 插入节点
   * @param {当前节点} node 
   * @param {新节点} newNode 
   */
  [insertNode] (node, newNode) {

    if (newNode.key < node.key) {

      if (node.left === null) node.left = newNode;
      else this[insertNode](node.left, newNode);

    } else {

      if (node.right === null) node.right = newNode;
      else this[insertNode](node.right, newNode);

    }
  }

  /**
   * 删除节点
   */
  remove(key) {
    this[removeNode](this.root, key);
  }

  /**
   * 删除节点，返回删除后的 tree
   * @param {当前节点} node 
   * @param {key} key 
   */
  [removeNode] (node, key) {

    if (node === null) /** the tree is empty or does not have this key who you want to remove. */ return null;

    if (key < node.key) /** the key of currrent node is bigger than target key. */ {

      node.left = this[removeNode](node.left, key);
      return node;

    } else if (key > node.key) /** smaller */ {

      node.right = this[removeNode](node.right, key);
      return node;

    } else /** 相等 */ {

      if (node.left === null && node.right === null) {
        /**
         * 当前节点没有左右节点，可以放心删除
         */
        node = null;
        return node;
      }

      /**
       * 当前节点有一个节点，让子节点`顶`上来
       */
      if (node.left === null) {
        
        node = node.right;
        return node

      } else if (node.right === null) {

        node = node.left;
        return node;

      }

      /**
       * 来到这里代表当前节点有两个子节点
       */
      let aux = this[findMinNode](node.right); // 找到右节点的最小节点
      node.key = aux.key; // 把要删除的节点的 key 覆盖为右侧最小节点 key
      node.right = this[removeNode](node.right, aux.key); // 重构 right side tree (删除上面找到的 aux 节点)
      return node;
    }
  }

  /**
   * 返回目标节点分支下最小节点
   * @param {目标节点} node 
   */
  [findMinNode] (node) {

    while (node && node.left !== null) {

      node = node.left;
    }
    return node;
  }

  /**
   * 获取最小节点 key
   */
  min() {
    return this[minNode](this.root);
  }

  /**
   * 获取最小节点 key
   * @param {节点} node 
   */
  [minNode] (node) {

    if (node) {

      while (node && node.left !== null) {

        node = node.left;
      }
      return node.key;
    }
    return null;
  }

  /**
   * 获取最大节点 key
   */
  max() {
    return this[maxNode](this.root);
  }

  /**
   * 获取最大节点 key
   * @param {节点} node 
   */
  [maxNode] (node) {

    if (node) {

      while (node && node.right !== null) {

        node = node.right;
      }
      return node.key;
    }
    return null;
  }

  /**
   * 是否存在目标 key
   */
  existKey(key) {
    return this[searchNode](this.root, key);
  }

  /**
   * 
   * @param {当前节点} node 
   * @param {key} key 
   */
  [searchNode] (node, key) {

    if (node === null) return false;

    if (key < node.key) return this[searchNode](node.left, key);

    else if (key > node.key) return this[searchNode](node.right, key);

    else return true;

  }

  /**
   * 中序遍历，标准名称为: `inOrderTraverse`
   */
  middleOrderTraverse(cb) {
    this[inOrderTraverseNode](this.root, cb);
  }

  /**
   * 
   * @param {当前节点} node 
   * @param {回调} cb 
   */
  [inOrderTraverseNode] (node, cb) {
    if (node !== null) {
      this[inOrderTraverseNode](node.left, cb);
      cb(node.key); // 回调在中间就是中序
      this[inOrderTraverseNode](node.right, cb);
    }
  }

  preOrderTraverse(cb) {
    this[preOrderTraverseNode](this.root, cb);
  }

  /**
   * 
   * @param {*} node 
   * @param {*} cb 
   */
  [preOrderTraverseNode] (node, cb) {
    if (node !== null) {
      cb(node.key); // 回调在前
      this[preOrderTraverseNode](node.left, cb);
      this[preOrderTraverseNode](node.right, cb);
    }
  }

  postOrderTraverse(cb) {
    this[postOrderTraverseNode](this.root, cb);
  }

  /**
   * 
   * @param {*} node 
   * @param {*} cb 
   */
  [postOrderTraverseNode] (node, cb) {
    if (node !== null) {
      this[postOrderTraverseNode](node.left, cb);
      this[postOrderTraverseNode](node.right, cb);
      cb(node.key); // 回调在后
    }
  }
}


/**
 * 初始化数据
 * @param {树} tree 
 */
function initialization(tree) {

  let treeKeys = [50, 25, 13, 5, 19, 35, 28, 49, 75, 64, 56, 74, 85, 79, 99];

  treeKeys.forEach( key => tree.insert(key) )

}

let tree = new BinarySearchTree();

initialization(tree);

// tree.preOrderTraverse(v => console.log(v));
tree.middleOrderTraverse(v => console.log(v));
// tree.postOrderTraverse(v => console.log(v));

// console.log('the min node.key is: ', tree.min());
// console.log('the max node.key is: ', tree.max());

// let tempKey = 49;
// console.log('the key of [', tempKey, ']', tree.existKey(tempKey) ? 'real' : 'not', 'exist.');

// tree.remove(49)
// console.log('remove key [', tempKey, ']');

// console.log('the key of [', tempKey, ']', tree.existKey(tempKey) ? 'real' : 'not', 'exist.');

二叉排序树

JavaScript 数据结构篇之 BST

前言

OUTLINE

特性

定义

插入

查找

最大值

最小值

移除

遍历

中序遍历

AVL

源码

continue...

youbei

引用和评论

Go API 开发基础

前端如何入门 Go 语言

100个React最佳实践小技巧

前端开发工具

开发插件集合

JS校验身份证号

Jerry和您聊聊Chrome开发者工具

二叉排序树

JavaScript 数据结构篇 之 BST

前言

OUTLINE

特性

定义

插入

查找

最大值

最小值

移除

遍历

中序遍历

AVL

源码

continue...

youbei

引用和评论

Go API 开发基础

前端如何入门 Go 语言

100个React最佳实践小技巧

前端开发工具

开发插件集合

JS校验身份证号

Jerry和您聊聊Chrome开发者工具

JavaScript 数据结构篇之 BST