树与树的表示

目录

• 1、什么是树
• 2、查找
  • 2.1 静态查找
    • 2.1.1 方法1：顺序查找
    • 2.1.2 方法2：二分查找（Binary Search）
• 3、二分查找断定树
• 4、树的定义
• 5、树与非树
  • 5.1 非树
  • 5.2 树
• 6、树的一些基本术语
• 7、树的表示
  • 7.1 树的链表表示
  • 7.2 树的链表（儿子-兄弟）表示法

1、什么是树

客观世界中许多事物存在层次关系

• 人类社会家谱
• 社会组织结构
• 图书信息管理

其中，人类社会家谱以下图所示：

经过上述所说的分层次组织，可以使咱们在数据的管理上有更高的效率！那么，对于数据管理的基本操做——查找，咱们如何实现有效率的查找呢？

2、查找

查找：根据某个给定关键字K，从集合R中找出关键字与K相同的记录

静态查找：集合中记录是固定的，即对集合的操做没有插入和删除，只有查找

动态查找：集合中记录是动态变化的，即对集合的操做既有查找，还可能发生插入和删除（动态查找不在咱们考虑范围内）

2.1 静态查找

2.1.1 方法1：顺序查找

/* c语言实现 */

int SequentialSearch (StaticTable *Tbl, ElementType K)
{
// 在表Tbl[1]~Tb1[n]中查找关键字为K的数据元素
  int i;
  Tbl->Element[0] = K; // 创建哨兵，即没找到能够返回哨兵的索引0表示未找到
  for (i = Tbl->Length; Tbl->Element[i] != K; i--); // 查找成功返回所在单元下标；不成功放回0
  return i;
}

顺序查找算法的时间复杂度为O(n)

2.1.2 方法2：二分查找（Binary Search）

假设n个数据元素的关键字知足有序（好比：小到大），即\(k_1<k_2<\cdots<k_n\)，而且是连续存放（数组），那么能够进行二分查找。

例：假设有13个数据元素，按关键字由小到大顺序存放。二分查找关键字为444的数据元素过程以下图：

仍然以上面13个数据元素构成的有序线性表为例，二分查找关键字为43的数据元素以下图：

/* c语言实现 */

int BinarySearch (StaticTable *Tbl, ElementType K)
{
  // 在表中Tbl中查找关键字为K的数据元素
  int left, right, mid, NoFound = -1;
  
  left = 1; // 初始左边界
  right = Tbl->Length; // 初始右边界
  while (left <= right)
  {
    mid = (left + right) / 2; // 计算中间元素坐标
    if (K < Tbl->Element[mid]) right = mid - 1; // 调整右边界
    else if (K > Tbl->Element[mid]) left = mid + 1; // 调整左边界
    else return mid; // 查找成功，返回数据元素的下标
  }
  return NotFound; // 查找不成功，返回-1
}

# python语言实现

def binary_chop(alist, data):
    n = len(alist)
    first = 0
    last = n - 1
    while first <= last:
        mid = (last + first) // 2
        if alist[mid] > data:
            last = mid - 1
        elif alist[mid] < data:
            first = mid + 1
        else:
            return True
    return False

二分查找算法具备对数的时间复杂度O(logN)

二分查找算法虽然解决了查找的时间复杂度问题，可是对于数据的插入和删除确是O(n)的，所以有没有一种数据结构，既能够减小数据查找的时间复杂度，又能够减小数据的插入和删除的复杂度呢？

3、二分查找断定树

除了使用上述两个方法进行关键字的查找，咱们还能够经过二叉树这种数据结构完成关键字的查找。

从上图能够看出，若是咱们须要寻找数字8，能够经过如下4步实现（可能看不懂，将来会看得懂）：

1. 根节点6小于8，往6的右子节点9找
2. 结点9大于8，往9的左子结点7找
3. 结点7小于8，往7的左子结点找
4. 找到8

• 断定树上每一个结点须要的查找次数恰好为该结点所在的层数；
• 查找成功时查找次数不会超过断定树的深度
• N个结点的断定树的深度为\([log_2{n}]+1\)
• \(ASL = (4*4+4*3+2*2+1)/11 = 3\)

4、树的定义

树（Tree）：\(n(n\geq{0})\)个结点构成的有限集合。

• 当n=0时，称为空树
• 对于任一颗非空树（n>0），它具有如下性质：
  • 树中有一个称为根（Root）的特殊结点，用r表示
  • 其他结点可分为m（m>0）个互不相交的有限集\(T_1,T_2,\cdots,T_m\)，其中每一个集合自己又是一棵树，称为原来树的子树（SubTree）

5、树与非树

牢记树有如下3个特性：

1. 子树是不相交的；
2. 除了根结点外，每一个结点有且仅有一个父结点；
3. 一颗N个结点的树有N-1条边

5.1 非树

5.2 树

6、树的一些基本术语

1. 结点的度（Degree）：结点的子树个数
2. 树的度：树的全部结点中最大的度数
3. 叶结点（Leaf）： 度为0的结点
4. 父结点（Parent）：有子树的结点是其子树的根结点的父结点
5. 子结点（Child）：若A结点是B结点的父结点，则称B结点是A结点的子结点；子结点也称孩子结点

6. 兄弟结点（Sibling）：具备同一父结点的各结点彼此是兄弟结点

7. 路径和路径长度：从结点\(n_1\)到\(n_k\)的路径为一个结点序列\(n_1 , n_2 ,\cdots, n_k\) , \(n_i\)是\(n_{i+1}\)的父结点。路径所包含边的个数为路径的长度

8. 祖先结点(Ancestor)：沿树根到某一结点路径上的全部结点都是这个结点的祖先结点

9. 子孙结点(Descendant)：某一结点的子树中的全部结点是这个结点的子孙

10. 结点的层次（Level）：规定根结点在1层，其它任一结点的层数是其父结点的层数加1

11. 树的深度（Depth）：树中全部结点中的最大层次是这棵树的深度

7、树的表示

7.1 树的链表表示

上图所示树的链表表示法有很大的缺陷，假设树的深度很是大，而且不能保证全部树的子结点都有3个，那么会形成很大程度的浪费。

7.2 树的链表（儿子-兄弟）表示法

为了解决树的普通链表表示会有空间的浪费的缺陷，咱们能够把链表的指针设置两个连接，一个连接指向儿子结点，另外一个连接指向兄弟结点，以下图所示：

上图所示的树的表示方法，已经足够完美了，可是若是咱们把链表表示的树旋转45°角，会发现以下图所示：

通过45°角的旋转，咱们会发现一颗二叉树（一个结点至多拥有2个子结点的树），也就是说最普通的树其实能够经过二叉树表示，也就是说咱们只要把二叉树研究透了，咱们即研究透了树。