精华内容
下载资源
问答
  • 红黑树 插入

    2014-09-20 21:33:26
    红黑树插入

    红黑树是一种二叉搜索树,每个节点增加一位来储存节点的颜色,红或黑。

    红黑树通过如何一条从跟到叶子的路径上各个节点的着色方式的限制,红黑树确保没有一条路径比另一条路径长两倍。

    其他性质:

    根节点是黑色。

    红色节点的子节点都为黑色。

    叶子节点或NULL空节点都为黑色。所有原来的叶子节点都有NULL的空节点作为新的叶子节点,取代了自己的叶子节点的身份,即,所有的NULL节点都是黑色的意思。

    最重要一点:任何一节点到叶子节点的NULL指针的路径经过的黑色节点数相同。


    插入:

    左旋 以节点p为支点的话,即p的右孩子为r,将p的右孩子赋值为r的左孩子,然后将r的左孩子赋值为p,最后将 p = r。

    右旋 相反, p->left =  r -> right , r->right = p 。最后 p = r 。

    这里使用递归的方法插入的话,p 每次都为其父节点的 孩子指针。但查了一下,一般实现红黑树都是直接使用父指针指向,即在节点中添加一个父指针。这样以空间换空间,递归费时费空间。

    插入的情况:

    1.插入节点即为根节点。将其标为黑色,结束。

    2.如果父节点为黑色,则结束。

    如果父节点为红色:父节点为红色必定有祖父,因为根节点是黑色。。。

    3.叔叔节点为红色 : 将叔叔节点和父节点改为黑色,祖父改为红色,然后以祖父节点继续判断。 

    4.当叔叔节点是黑色时, 若当前节点p与其父节点f与其祖父节点g不在一条直线上时,即

     当f为g的左孩子时,p为f的右孩子,这时要 以f为支点左旋,

    当发为g的右孩子时,p为f的左孩子,这是要以f为支点右旋。

    然后以f节点做为当前节点继续判断。

    5.当叔叔节点是黑色时, 若当前节点与f和g和叔叔节点在一条直线时,则以祖父节点为做为支点旋转。

    当f为g的左孩子,且p为f的左孩子,则以g为支点右旋转。

    当f为g的右孩子,且p为f的右孩子,则以g为支点左旋。

    然后将g节点设为红色,f节点设为黑色。结束。

    这种情况就不会有进一步的可能了,因为除了当前节点,其他都是正确的。父节点是红色,则父节点的右孩子必是黑色的,将右孩子连接给祖父节点后,祖父节点是红色的,不会有异常,而父节点替代了祖父节点的位置,但父节点为黑色,所以也不会有异常。

    这里右旋函数要考虑祖父节点就为根节点的情况,无法再寻找到其父节点。

    这里可以发现,红黑树通过红黑两种颜色的设置,方便了树的旋转,使树处于平衡,至于这样做为何能确保平衡,我就无法深入研究了。

    这里查了一些资料,被某篇博客坑了一下,然后自己也试着画些过程图帮助自己理解,画比较难看:




    测试时,画出了从1插入到8的情况,验证代码正确。


    试着写出代码

    //改变其向下的指针的同时要更新其父指针。
    template <typename T>
    void RBTree<T>::LRotation(RBNode<T>* p){
    	RBNode<T> *r = p->right;
    	if(p->parent){
    		if(p->parent->right == p) p->parent->right = r;
    		else p->parent->left = r;
    		r->parent = p->parent;		
    	}else{
    		root = r;
    		r->parent = 0;
    	}
    	p->parent = r;
    	if(r->left)r->left->parent = p;
    	p->right = r->left;
    	r->left = p;	
    	return ;
    }
    
    template <typename T>
    void RBTree<T>::RRotation(RBNode<T>* p){
    	RBNode<T> *r = p->left;
    	if(p->parent){
    		if(p->parent->right == p) p->parent->right = r;
    		else p->parent->left = r;
    		r->parent = p->parent;
    	}else{
    		root = r;
    		r->parent =0;
    	}
    	p->parent = r;
    	if(r->right)r->right->parent = p;
    	p->left = r->right;
    	r->right = p;	
    	return ;
    }
    
    template <typename T>
    bool RBTree<T>::Insert(const T &x){
    	if(!root){
    		root = new RBNode<T>(x,0);
    		root->red = false;
    		return true;
    	}
    	RBNode<T>* p = root, *fa=root;
    	while(p){
    		fa = p;
    		if(x <p->value)
    			p = p->left;
    		else if(x > p->value)
    			p = p->right;
    		else
    			return false;
    	}
    	if(x < fa->value)	p = fa->left = new RBNode<T>(x,fa);
    	else  p = fa-> right = new RBNode<T>(x,fa);
    	AdjustColor(p);
    	return true;
    }
    template <typename T>
    bool RBTree<T>::AdjustColor(RBNode<T> *p){
    	if( p == root){
    		p->red = false;
    		return true;
    	}
    	else if( ! p->parent->red )
    		return true;
    	else {
    		RBNode<T>* uncle, *f, *g;
    		f = p -> parent;
    		g = f->parent;
    		bool uncleColor;//由于叔叔节点可能为空
    		if(f == g->left)
    			uncle = g->right;
    		else
    			uncle = g->left;
    		if(uncle)uncleColor = uncle->red;
    		else uncleColor = false;
    		if(uncleColor){
    			uncle->red = false;
    			f->red = false;
    			g->red = true;
    			//将祖父节点设为红色
    			AdjustColor(g);
    		}else{
    			if(g->left == f){
    				if(f->left == p){
    					g->red = true;
    					f->red = false;
    					RRotation(g);
    				}else{
    					LRotation(f);
    					AdjustColor(f);
    				}
    			}else{
    				if(f->right == p){
    					g->red = true;
    					f->red = false;
    					LRotation(g);
    				}else{
    					RRotation(f);
    					AdjustColor(f);
    				}
    			}
    		}
    
    	}
    	return true;
    }

    这里有一点需要注意的是节点有父指针,旋转时要进行更新。


    红黑树的删除!




    展开全文
  • 红黑树插入算法

    2011-11-14 19:52:51
    红黑树插入算法红黑树插入算法红黑树插入算法
  • 红黑树插入建立算法

    2014-12-17 16:35:27
    算法导论红黑树插入算法来建立一颗红黑树并且遍历输出
  • 该资源描述了红黑树插入删除的伪算法,并提供相关图示
  • 红黑树插入,删除时各种状态的平衡操作。
  • 红黑树插入时的自平衡 红黑树实质上是一棵自平衡的二叉查找树,引入带颜色的节点也是为了方便在进行插入或删除操作时,如果破坏了二叉查找树的平衡性能通过一系列变换保持平衡。 红黑树的性质 每个节点要么是红色,...
  • 红黑树插入算法C++实现
  • 红黑树插入删除算法

    2014-09-27 11:27:36
    红黑树插入删除算法,算法导论上算法,可以运行
  • 红黑树插入删除详解

    万次阅读 多人点赞 2018-07-11 15:54:05
    红黑树插入删除操作的介绍转载自:红黑树 练习题转载自:红黑树练习 R-B Tree简介  R-B Tree,全称是Red-Black Tree,又称为“红黑树”,它一种特殊的二叉查找树。红黑树的每个节点上都有存储位表示节点的颜色,...

    红黑树插入删除操作的介绍转载自:红黑树

    练习题转载自:红黑树练习

    R-B Tree简介

        R-B Tree,全称是Red-Black Tree,又称为“红黑树”,它一种特殊的二叉查找树。红黑树的每个节点上都有存储位表示节点的颜色,可以是红(Red)或黑(Black)。

    红黑树的特性:
    (1)每个节点或者是黑色,或者是红色。
    (2)根节点是黑色。
    (3)每个叶子节点(NIL)是黑色。 [注意:这里叶子节点,是指为空(NIL或NULL)的叶子节点!]
    (4)如果一个节点是红色的,则它的子节点必须是黑色的。
    (5)从一个节点到该节点的子孙外部节点的所有路径上包含相同数目的黑节点。

    注意
    (01) 特性(3)中的叶子节点,是只为空(NIL或null)的节点。
    (02) 特性(5),确保没有一条路径会比其他路径长出俩倍。因而,红黑树是相对是接近平衡的二叉树。

    红黑树示意图如下:

     

    红黑树的应用

    红黑树的应用比较广泛,主要是用它来存储有序的数据,它的时间复杂度是O(lgn),效率非常之高。
    例如,Java集合中的TreeSetTreeMap,C++ STL中的set、map,以及Linux虚拟内存的管理,都是通过红黑树去实现的。

     

    红黑树的时间复杂度和相关证明

    红黑树的时间复杂度为: O(logn)
    下面通过“数学归纳法”对红黑树的时间复杂度进行证明。

    定理:一棵含有n个节点的红黑树的高度至多为2log(n+1).

    证明:
        "一棵含有n个节点的红黑树的高度至多为2log(n+1)" 转换一下就是 "高度为h的红黑树,它的包含的内节点个数至少为 2^(h/2)-1个"。
        我们只需要证明后面那个命题,即可证明原命题为真;即只需证明 "高度为h的红黑树,它的包含的内节点个数至少为 2^(h/2)-1个"

        从某个节点x出发(不包括该节点)到达一个它子孙外部节点的任意一条路径上,黑色节点的个数称为该节点的黑高度(x's black height),记为bh(x)。关于bh(x)有两点需要说明: 
        第1点:根据红黑树的"特性(5) ,即从一个节点到该节点的子孙外部节点的所有路径上包含相同数目的黑节点"可知,从节点x出发到达的所有的叶节点具有相同数目的黑节点。这也就意味着,bh(x)的值是唯一的
        第2点:根据红黑色的"特性(4),即如果一个节点是红色的,则它的子节点必须是黑色的"可知,从节点x出发达到叶节点"所经历的黑节点数目">= "所经历的红节点的数目"。假设x是根节点,则可以得出结论"bh(x) >= h/2"。进而,我们只需证明 "高度为h的红黑树,它的包含的内节点个数至少为 2^bh(x)-1个"即可。

        到这里,我们将需要证明的定理已经由
    "一棵含有n个节点的红黑树的高度至多为2log(n+1)"
        转变成只需要证明
    "高度为h以x为根的红黑树,它的包含的内节点个数至少为 2^bh(x)-1个"。


    下面通过"数学归纳法"开始论证高度为h以x为根的红黑树,它的包含的内节点个数至少为 2^bh(x)-1个"。

    (01) 当树的高度h=0时,
        内节点个数是0,bh(x) 为0,2^bh(x)-1 也为 0。显然,原命题成立。

    (02) 考虑x的左右子节点,它们包含的节点个数至少为 2^(bh(x)-1)-1。推导理由如下:
        
    对于节点x(x为根节点),其黑高度为bh(x)。
        对于节点x的左右子树,当它们为红色时,黑高度为 bh(x);当它们为黑色时,黑高度为bh(x)-1。
        因此,x的左右子节点所包含的节点个数至少为2^(bh(x)-1)-1(因为黑高度最少为bh(x)-1)

    (03) 根据(02),我们已知 "x的左右子树,即高度为 h-1 的节点,它包含的节点至少为 2^(bh(x)-1)-1 个";

        所以,节点x所包含的节点至少为 (2^(bh(x)-1)-1 ) + (2^(bh(x)-1)-1) + 1 = 2^bh(x)-1。即节点x所包含的节点至少为 2^bh(x)-1。
        因此,原命题成立。

        由(01)、(02)得出,"高度为h的红黑树,它的包含的内节点个数至少为 2^bh(x)-1个"。
        因此,“一棵含有n个节点的红黑树的高度至多为2log(n+1)”。

    红黑树与AVL树的差别

    AVL是严格平衡树,因此在增加或者删除节点的时候,根据不同情况,旋转的次数比红黑树要多;
    红黑是弱平衡的,用非严格的平衡来换取增删节点时候旋转次数的降低;
    所以简单说,搜索的次数远远大于插入和删除,那么选择AVL树,如果搜索,插入删除次数几乎差不多,应该选择RB树。

    比如,下图是一个红黑树,但不是AVL树。

    红黑树的基本操作(一) 左旋和右旋

    红黑树的基本操作是添加删除。在对红黑树进行添加或删除之后,都会用到旋转方法。为什么呢?道理很简单,添加或删除红黑树中的节点之后,红黑树就发生了变化,可能不满足红黑树的5条性质,也就不再是一颗红黑树了,而是一颗普通的树。而通过旋转,可以使这颗树重新成为红黑树。简单点说,旋转的目的是让树保持红黑树的特性。
    旋转包括两种:左旋右旋。下面分别对它们进行介绍。

     

    1. 左旋

    对x进行左旋,意味着"将x变成一个左节点"。


    左旋的伪代码《算法导论》:参考上面的示意图和下面的伪代码,理解“红黑树T的节点x进行左旋”是如何进行的。

    LEFT-ROTATE(T, x)  
    01  y ← right[x]            // 前提:这里假设x的右孩子为y。下面开始正式操作
    02  right[x] ← left[y]      // 将 “y的左孩子” 设为 “x的右孩子”,即 将β设为x的右孩子
    03  p[left[y]] ← x          // 将 “x” 设为 “y的左孩子的父亲”,即 将β的父亲设为x
    04  p[y] ← p[x]             // 将 “x的父亲” 设为 “y的父亲”
    05  if p[x] = nil[T]       
    06  then root[T] ← y                 // 情况1:如果 “x的父亲” 是空节点,则将y设为根节点
    07  else if x = left[p[x]]  
    08            then left[p[x]] ← y    // 情况2:如果 x是它父节点的左孩子,则将y设为“x的父节点的左孩子”
    09            else right[p[x]] ← y   // 情况3:(x是它父节点的右孩子) 将y设为“x的父节点的右孩子”
    10  left[y] ← x             // 将 “x” 设为 “y的左孩子”
    11  p[x] ← y                // 将 “x的父节点” 设为 “y”

     

    理解左旋之后,看看下面一个更鲜明的例子。你可以先不看右边的结果,自己尝试一下。

     

    2. 右旋

    对x进行左旋,意味着"将x变成一个左节点"。


    右旋的伪代码《算法导论》:参考上面的示意图和下面的伪代码,理解“红黑树T的节点y进行右旋”是如何进行的。 

    RIGHT-ROTATE(T, y)  
    01  x ← left[y]             // 前提:这里假设y的左孩子为x。下面开始正式操作
    02  left[y] ← right[x]      // 将 “x的右孩子” 设为 “y的左孩子”,即 将β设为y的左孩子
    03  p[right[x]] ← y         // 将 “y” 设为 “x的右孩子的父亲”,即 将β的父亲设为y
    04  p[x] ← p[y]             // 将 “y的父亲” 设为 “x的父亲”
    05  if p[y] = nil[T]       
    06  then root[T] ← x                 // 情况1:如果 “y的父亲” 是空节点,则将x设为根节点
    07  else if y = right[p[y]]  
    08            then right[p[y]] ← x   // 情况2:如果 y是它父节点的右孩子,则将x设为“y的父节点的左孩子”
    09            else left[p[y]] ← x    // 情况3:(y是它父节点的左孩子) 将x设为“y的父节点的左孩子”
    10  right[x] ← y            // 将 “y” 设为 “x的右孩子”
    11  p[y] ← x                // 将 “y的父节点” 设为 “x”

     

    理解右旋之后,看看下面一个更鲜明的例子。你可以先不看右边的结果,自己尝试一下。


    旋转总结

    (01) 左旋 和 右旋 是相对的两个概念,原理类似。理解一个也就理解了另一个。

    (02) 下面谈谈如何区分 左旋 和 右旋。
    在实际应用中,若没有彻底理解 左旋 和 右旋,可能会将它们混淆。下面谈谈我对如何区分 左旋 和 右旋 的理解。

     

    3. 区分 左旋 和 右旋

    仔细观察上面"左旋"和"右旋"的示意图。我们能清晰的发现,它们是对称的。无论是左旋还是右旋,被旋转的树,在旋转前是二叉查找树,并且旋转之后仍然是一颗二叉查找树。

     

     

    左旋示例图(以x为节点进行左旋):

                                   z
       x                          /                  
      / \      --(左旋)-->       x
     y   z                      /
                               y

    对x进行左旋,意味着,将“x的右孩子”设为“x的父亲节点”;即,将 x变成了一个左节点(x成了为z的左孩子)!。 因此,左旋中的“左”,意味着“被旋转的节点将变成一个左节点”


    右旋示例图(以x为节点进行右旋):

                                   y
       x                            \                 
      / \      --(右旋)-->           x
     y   z                            \
                                       z

    对x进行右旋,意味着,将“x的左孩子”设为“x的父亲节点”;即,将 x变成了一个右节点(x成了为y的右孩子)! 因此,右旋中的“右”,意味着“被旋转的节点将变成一个右节点”

     

    红黑树的基本操作(二) 添加

    将一个节点插入到红黑树中,需要执行哪些步骤呢?首先,将红黑树当作一颗二叉查找树,将节点插入;然后,将节点着色为红色;最后,通过旋转和重新着色等方法来修正该树,使之重新成为一颗红黑树。详细描述如下:

    第一步: 将红黑树当作一颗二叉查找树,将节点插入。
           红黑树本身就是一颗二叉查找树,将节点插入后,该树仍然是一颗二叉查找树。也就意味着,树的键值仍然是有序的。此外,无论是左旋还是右旋,若旋转之前这棵树是二叉查找树,旋转之后它一定还是二叉查找树。这也就意味着,任何的旋转和重新着色操作,都不会改变它仍然是一颗二叉查找树的事实。
           好吧?那接下来,我们就来想方设法的旋转以及重新着色,使这颗树重新成为红黑树!

    第二步:将插入的节点着色为"红色"。
           为什么着色成红色,而不是黑色呢?为什么呢?在回答之前,我们需要重新温习一下红黑树的特性:
    (1) 每个节点或者是黑色,或者是红色。
    (2) 根节点是黑色。
    (3) 每个叶子节点是黑色。 [注意:这里叶子节点,是指为空的叶子节点!]
    (4) 如果一个节点是红色的,则它的子节点必须是黑色的。
    (5) 从一个节点到该节点的子孙节点的所有路径上包含相同数目的黑节点。
           将插入的节点着色为红色,不会违背"特性(5)"!少违背一条特性,就意味着我们需要处理的情况越少。接下来,就要努力的让这棵树满足其它性质即可;满足了的话,它就又是一颗红黑树了。o(∩∩)o...哈哈

    第三步: 通过一系列的旋转或着色等操作,使之重新成为一颗红黑树。
           第二步中,将插入节点着色为"红色"之后,不会违背"特性(5)"。那它到底会违背哪些特性呢?
           对于"特性(1)",显然不会违背了。因为我们已经将它涂成红色了。
           对于"特性(2)",显然也不会违背。在第一步中,我们是将红黑树当作二叉查找树,然后执行的插入操作。而根据二叉查找数的特点,插入操作不会改变根节点。所以,根节点仍然是黑色。
           对于"特性(3)",显然不会违背了。这里的叶子节点是指的空叶子节点,插入非空节点并不会对它们造成影响。
           对于"特性(4)",是有可能违背的!
           那接下来,想办法使之"满足特性(4)",就可以将树重新构造成红黑树了。

    下面看看代码到底是怎样实现这三步的。

     

    添加操作的伪代码《算法导论》

    RB-INSERT(T, z)  
    01  y ← nil[T]                        // 新建节点“y”,将y设为空节点。
    02  x ← root[T]                       // 设“红黑树T”的根节点为“x”
    03  while x ≠ nil[T]                  // 找出要插入的节点“z”在二叉树T中的位置“y”
    04      do y ← x                      
    05         if key[z] < key[x]  
    06            then x ← left[x]  
    07            else x ← right[x]  
    08  p[z] ← y                          // 设置 “z的父亲” 为 “y”
    09  if y = nil[T]                     
    10     then root[T] ← z               // 情况1:若y是空节点,则将z设为根
    11     else if key[z] < key[y]        
    12             then left[y] ← z       // 情况2:若“z所包含的值” < “y所包含的值”,则将z设为“y的左孩子”
    13             else right[y] ← z      // 情况3:(“z所包含的值” >= “y所包含的值”)将z设为“y的右孩子” 
    14  left[z] ← nil[T]                  // z的左孩子设为空
    15  right[z] ← nil[T]                 // z的右孩子设为空。至此,已经完成将“节点z插入到二叉树”中了。
    16  color[z] ← RED                    // 将z着色为“红色”
    17  RB-INSERT-FIXUP(T, z)             // 通过RB-INSERT-FIXUP对红黑树的节点进行颜色修改以及旋转,让树T仍然是一颗红黑树

     

    结合伪代码以及为代码上面的说明,先理解RB-INSERT。理解了RB-INSERT之后,我们接着对 RB-INSERT-FIXUP的伪代码进行说明。

    添加修正操作的伪代码《算法导论》

    RB-INSERT-FIXUP(T, z)
    01 while color[p[z]] = RED                                                  // 若“当前节点(z)的父节点是红色”,则进行以下处理。
    02     do if p[z] = left[p[p[z]]]                                           // 若“z的父节点”是“z的祖父节点的左孩子”,则进行以下处理。
    03           then y ← right[p[p[z]]]                                        // 将y设置为“z的叔叔节点(z的祖父节点的右孩子)”
    04                if color[y] = RED                                         // Case 1条件:叔叔是红色
    05                   then color[p[z]] ← BLACK                    ▹ Case 1   //  (01) 将“父节点”设为黑色。
    06                        color[y] ← BLACK                       ▹ Case 1   //  (02) 将“叔叔节点”设为黑色。
    07                        color[p[p[z]]] ← RED                   ▹ Case 1   //  (03) 将“祖父节点”设为“红色”。
    08                        z ← p[p[z]]                            ▹ Case 1   //  (04) 将“祖父节点”设为“当前节点”(红色节点)
    09                   else if z = right[p[z]]                                // Case 2条件:叔叔是黑色,且当前节点是右孩子
    10                           then z ← p[z]                       ▹ Case 2   //  (01) 将“父节点”作为“新的当前节点”。
    11                                LEFT-ROTATE(T, z)              ▹ Case 2   //  (02) 以“新的当前节点”为支点进行左旋。
    12                           color[p[z]] ← BLACK                 ▹ Case 3   // Case 3条件:叔叔是黑色,且当前节点是左孩子。(01) 将“父节点”设为“黑色”。
    13                           color[p[p[z]]] ← RED                ▹ Case 3   //  (02) 将“祖父节点”设为“红色”。
    14                           RIGHT-ROTATE(T, p[p[z]])            ▹ Case 3   //  (03) 以“祖父节点”为支点进行右旋。
    15        else (same as then clause with "right" and "left" exchanged)      // 若“z的父节点”是“z的祖父节点的右孩子”,将上面的操作中“right”和“left”交换位置,然后依次执行。
    16 color[root[T]] ← BLACK 

     

    根据被插入节点的父节点的情况,可以将"当节点z被着色为红色节点,并插入二叉树"划分为三种情况来处理。
    ① 情况说明:被插入的节点是根节点。
        处理方法:直接把此节点涂为黑色。
    ② 情况说明:被插入的节点的父节点是黑色。
        处理方法:什么也不需要做。节点被插入后,仍然是红黑树。
    ③ 情况说明:被插入的节点的父节点是红色。
        处理方法:那么,该情况与红黑树的“特性(5)”相冲突。这种情况下,被插入节点是一定存在非空祖父节点的;进一步的讲,被插入节点也一定存在叔叔节点(即使叔叔节点为空,我们也视之为存在,空节点本身就是黑色节点)。理解这点之后,我们依据"叔叔节点的情况",将这种情况进一步划分为3种情况(Case)。

     现象说明处理策略
    Case 1当前节点的父节点是红色,且当前节点的祖父节点的另一个子节点(叔叔节点)也是红色。

    (01) 将“父节点”设为黑色。
    (02) 将“叔叔节点”设为黑色。
    (03) 将“祖父节点”设为“红色”。
    (04) 将“祖父节点”设为“当前节点”(红色节点);即,之后继续对“当前节点”进行操作。

    Case 2当前节点的父节点是红色,叔叔节点是黑色,且当前节点是其父节点的右孩子

    (01) 将“父节点”作为“新的当前节点”。
    (02) 以“新的当前节点”为支点进行左旋。

    Case 3当前节点的父节点是红色,叔叔节点是黑色,且当前节点是其父节点的左孩子

    (01) 将“父节点”设为“黑色”。
    (02) 将“祖父节点”设为“红色”。
    (03) 以“祖父节点”为支点进行右旋。

    上面三种情况(Case)处理问题的核心思路都是:将红色的节点移到根节点;然后,将根节点设为黑色。下面对它们详细进行介绍。

     

    1. (Case 1)叔叔是红色

    1.1 现象说明
    当前节点(即,被插入节点)的父节点是红色,且当前节点的祖父节点的另一个子节点(叔叔节点)也是红色。

    1.2 处理策略
    (01) 将“父节点”设为黑色。
    (02) 将“叔叔节点”设为黑色。
    (03) 将“祖父节点”设为“红色”。
    (04) 将“祖父节点”设为“当前节点”(红色节点);即,之后继续对“当前节点”进行操作。

        下面谈谈为什么要这样处理。(建议理解的时候,通过下面的图进行对比)
        “当前节点”和“父节点”都是红色,违背“特性(4)”。所以,将“父节点”设置“黑色”以解决这个问题。
        但是,将“父节点”由“红色”变成“黑色”之后,违背了“特性(5)”:因为,包含“父节点”的分支的黑色节点的总数增加了1。  解决这个问题的办法是:将“祖父节点”由“黑色”变成红色,同时,将“叔叔节点”由“红色”变成“黑色”。关于这里,说明几点:第一,为什么“祖父节点”之前是黑色?这个应该很容易想明白,因为在变换操作之前,该树是红黑树,“父节点”是红色,那么“祖父节点”一定是黑色。 第二,为什么将“祖父节点”由“黑色”变成红色,同时,将“叔叔节点”由“红色”变成“黑色”;能解决“包含‘父节点’的分支的黑色节点的总数增加了1”的问题。这个道理也很简单。“包含‘父节点’的分支的黑色节点的总数增加了1” 同时也意味着 “包含‘祖父节点’的分支的黑色节点的总数增加了1”,既然这样,我们通过将“祖父节点”由“黑色”变成“红色”以解决“包含‘祖父节点’的分支的黑色节点的总数增加了1”的问题; 但是,这样处理之后又会引起另一个问题“包含‘叔叔’节点的分支的黑色节点的总数减少了1”,现在我们已知“叔叔节点”是“红色”,将“叔叔节点”设为“黑色”就能解决这个问题。 所以,将“祖父节点”由“黑色”变成红色,同时,将“叔叔节点”由“红色”变成“黑色”;就解决了该问题。
        按照上面的步骤处理之后:当前节点、父节点、叔叔节点之间都不会违背红黑树特性,但祖父节点却不一定。若此时,祖父节点是根节点,直接将祖父节点设为“黑色”,那就完全解决这个问题了;若祖父节点不是根节点,那我们需要将“祖父节点”设为“新的当前节点”,接着对“新的当前节点”进行分析。

    1.3 示意图(图120节点应该为黑色,140为红色。但是不影响这种情况。c表示当前节点)

     

    2. (Case 2)叔叔是黑色,且当前节点是右孩子

    2.1 现象说明
    当前节点(即,被插入节点)的父节点是红色,叔叔节点是黑色,且当前节点是其父节点的右孩子

    2.2 处理策略
    (01) 将“父节点”作为“新的当前节点”。
    (02) 以“新的当前节点”为支点进行左旋。

          下面谈谈为什么要这样处理。(建议理解的时候,通过下面的图进行对比)
          首先,将“父节点”作为“新的当前节点”;接着,以“新的当前节点”为支点进行左旋。 为了便于理解,我们先说明第(02)步,再说明第(01)步;为了便于说明,我们设置“父节点”的代号为F(Father),“当前节点”的代号为S(Son)。
    为什么要“以F为支点进行左旋”呢?根据已知条件可知:S是F的右孩子。而之前我们说过,我们处理红黑树的核心思想:将红色的节点移到根节点;然后,将根节点设为黑色。既然是“将红色的节点移到根节点”,那就是说要不断的将破坏红黑树特性的红色节点上移(即向根方向移动)。 而S又是一个右孩子,因此,我们可以通过“左旋”来将S上移!
          按照上面的步骤(以F为支点进行左旋)处理之后:若S变成了根节点,那么直接将其设为“黑色”,就完全解决问题了;若S不是根节点,那我们需要执行步骤(01),即“将F设为‘新的当前节点’”。那为什么不继续以S为新的当前节点继续处理,而需要以F为新的当前节点来进行处理呢?这是因为“左旋”之后,F变成了S的“子节点”,即S变成了F的父节点;而我们处理问题的时候,需要从下至上(由叶到根)方向进行处理;也就是说,必须先解决“孩子”的问题,再解决“父亲”的问题;所以,我们执行步骤(01):将“父节点”作为“新的当前节点”。

    2.2 示意图(图有错,120为黑色,140为红色,c为当前节点)

     

    3. (Case 3)叔叔是黑色,且当前节点是左孩子

    3.1 现象说明
    当前节点(即,被插入节点)的父节点是红色,叔叔节点是黑色,且当前节点是其父节点的左孩子

    3.2 处理策略
    (01) 将“父节点”设为“黑色”。
    (02) 将“祖父节点”设为“红色”。
    (03) 以“祖父节点”为支点进行右旋。

          下面谈谈为什么要这样处理。(建议理解的时候,通过下面的图进行对比)
          为了便于说明,我们设置“当前节点”为S(Original Son),“兄弟节点”为B(Brother),“叔叔节点”为U(Uncle),“父节点”为F(Father),祖父节点为G(Grand-Father)。
          S和F都是红色,违背了红黑树的“特性(4)”,我们可以将F由“红色”变为“黑色”,就解决了“违背‘特性(4)’”的问题;但却引起了其它问题:违背特性(5),因为将F由红色改为黑色之后,所有经过F的分支的黑色节点的个数增加了1。那我们如何解决“所有经过F的分支的黑色节点的个数增加了1”的问题呢? 我们可以通过“将G由黑色变成红色”,同时“以G为支点进行右旋”来解决。

    2.3 示意图(图有错,120为黑色,140为红色,c为当前节点)

    原文的评论区有一个关于红黑树插入很精辟的总结:

    case1
    是为了一层一层向上递归 递归到根节点 直接黑掉根节点的红色

    case2
    这种情况不好处理,或者说仅仅为了从左到右的习惯,把这个棘手的右孩 子转为左孩子处理(可以这么理解、虽然这样不对)这样的结果就是变成了case3

    case3
    默认添加之前该树就是红黑树,这么一处理就对了,不需要再处理。循环到此结束!

    综上所述针对添加操作怎么复原红黑树?
    第一种情况:递归到根节点、直接黑掉根节点
    第二种情况:这种情况不处理,直接转成第三种情况
    第三种情况:一次到位。

    红黑树的基本操作(三) 删除

    将红黑树内的某一个节点删除。需要执行的操作依次是:首先,将红黑树当作一颗二叉查找树,将该节点从二叉查找树中删除;然后,通过"旋转和重新着色"等一系列来修正该树,使之重新成为一棵红黑树。详细描述如下:

    第一步:将红黑树当作一颗二叉查找树,将节点删除。
           这和"删除常规二叉查找树中删除节点的方法是一样的"。分3种情况:
           ① 被删除节点没有儿子,即为叶节点。那么,直接将该节点删除就OK了。
           ② 被删除节点只有一个儿子。那么,直接删除该节点,并用该节点的唯一子节点顶替它的位置。
           ③ 被删除节点有两个儿子。那么,先找出它的后继节点;然后把“它的后继节点的内容”复制给“该节点的内容”;之后,删除“它的后继节点”。在这里,后继节点相当于替身,在将后继节点的内容复制给"被删除节点"之后,再将后继节点删除。这样就巧妙的将问题转换为"删除后继节点"的情况了,下面就考虑后继节点。 在"被删除节点"有两个非空子节点的情况下,它的后继节点不可能是双子非空。既然"的后继节点"不可能双子都非空,就意味着"该节点的后继节点"要么没有儿子,要么只有一个儿子。若没有儿子,则按"情况① "进行处理;若只有一个儿子,则按"情况② "进行处理。

    第二步:通过"旋转和重新着色"等一系列来修正该树,使之重新成为一棵红黑树。
           因为"第一步"中删除节点之后,可能会违背红黑树的特性。所以需要通过"旋转和重新着色"来修正该树,使之重新成为一棵红黑树。

     

    删除操作的伪代码《算法导论》

    RB-DELETE(T, z)
    01 if left[z] = nil[T] or right[z] = nil[T]         
    02    then y ← z                                  // 若“z的左孩子” 或 “z的右孩子”为空,则将“z”赋值给 “y”;
    03    else y ← TREE-SUCCESSOR(z)                  // 否则,将“z的后继节点”赋值给 “y”。
    04 if left[y] ≠ nil[T]
    05    then x ← left[y]                            // 若“y的左孩子” 不为空,则将“y的左孩子” 赋值给 “x”;
    06    else x ← right[y]                           // 否则,“y的右孩子” 赋值给 “x”。
    07 p[x] ← p[y]                                    // 将“y的父节点” 设置为 “x的父节点”
    08 if p[y] = nil[T]                               
    09    then root[T] ← x                            // 情况1:若“y的父节点” 为空,则设置“x” 为 “根节点”。
    10    else if y = left[p[y]]                    
    11            then left[p[y]] ← x                 // 情况2:若“y是它父节点的左孩子”,则设置“x” 为 “y的父节点的左孩子”
    12            else right[p[y]] ← x                // 情况3:若“y是它父节点的右孩子”,则设置“x” 为 “y的父节点的右孩子”
    13 if y ≠ z                                    
    14    then key[z] ← key[y]                        // 若“y的值” 赋值给 “z”。注意:这里只拷贝z的值给y,而没有拷贝z的颜色!!!
    15         copy y's satellite data into z         
    16 if color[y] = BLACK                            
    17    then RB-DELETE-FIXUP(T, x)                  // 若“y为黑节点”,则调用
    18 return y 

     

    结合伪代码以及为代码上面的说明,先理解RB-DELETE,y是被删除的节点,x是替代y的节点。理解了RB-DELETE之后,接着对 RB-DELETE-FIXUP的伪代码进行说明

    RB-DELETE-FIXUP(T, x)
    01 while x ≠ root[T] and color[x] = BLACK  
    02     do if x = left[p[x]]      
    03           then w ← right[p[x]]                                             // 若 “x”是“它父节点的左孩子”,则设置 “w”为“x的叔叔”(即x为它父节点的右孩子)                                          
    04                if color[w] = RED                                           // Case 1: x是“黑+黑”节点,x的兄弟节点是红色。(此时x的父节点和x的兄弟节点的子节点都是黑节点)。
    05                   then color[w] ← BLACK                        ▹  Case 1   //   (01) 将x的兄弟节点设为“黑色”。
    06                        color[p[x]] ← RED                       ▹  Case 1   //   (02) 将x的父节点设为“红色”。
    07                        LEFT-ROTATE(T, p[x])                    ▹  Case 1   //   (03) 对x的父节点进行左旋。
    08                        w ← right[p[x]]                         ▹  Case 1   //   (04) 左旋后,重新设置x的兄弟节点。
    09                if color[left[w]] = BLACK and color[right[w]] = BLACK       // Case 2: x是“黑+黑”节点,x的兄弟节点是黑色,x的兄弟节点的两个孩子都是黑色。
    10                   then color[w] ← RED                          ▹  Case 2   //   (01) 将x的兄弟节点设为“红色”。
    11                        x ←  p[x]                               ▹  Case 2   //   (02) 设置“x的父节点”为“新的x节点”。
    12                   else if color[right[w]] = BLACK                          // Case 3: x是“黑+黑”节点,x的兄弟节点是黑色;x的兄弟节点的左孩子是红色,右孩子是黑色的。
    13                           then color[left[w]] ← BLACK          ▹  Case 3   //   (01) 将x兄弟节点的左孩子设为“黑色”。
    14                                color[w] ← RED                  ▹  Case 3   //   (02) 将x兄弟节点设为“红色”。
    15                                RIGHT-ROTATE(T, w)              ▹  Case 3   //   (03) 对x的兄弟节点进行右旋。
    16                                w ← right[p[x]]                 ▹  Case 3   //   (04) 右旋后,重新设置x的兄弟节点。
    17                         color[w] ← color[p[x]]                 ▹  Case 4   // Case 4: x是“黑+黑”节点,x的兄弟节点是黑色;x的兄弟节点的右孩子是红色的。(01) 将x父节点颜色 赋值给 x的兄弟节点。
    18                         color[p[x]] ← BLACK                    ▹  Case 4   //   (02) 将x父节点设为“黑色”。
    19                         color[right[w]] ← BLACK                ▹  Case 4   //   (03) 将x兄弟节点的右子节设为“黑色”。
    20                         LEFT-ROTATE(T, p[x])                   ▹  Case 4   //   (04) 对x的父节点进行左旋。
    21                         x ← root[T]                            ▹  Case 4   //   (05) 设置“x”为“根节点”。
    22        else (same as then clause with "right" and "left" exchanged)        // 若 “x”是“它父节点的右孩子”,将上面的操作中“right”和“left”交换位置,然后依次执行。
    23 color[x] ← BLACK   

     

    下面对删除函数进行分析。在分析之前,我们再次温习一下红黑树的几个特性:
    (1) 每个节点或者是黑色,或者是红色。
    (2) 根节点是黑色。
    (3) 每个外部叶子节点是黑色。 [注意:这里叶子节点,是指为空的叶子节点!]
    (4) 如果一个节点是红色的,则它的子节点必须是黑色的。
    (5) 从一个节点到该节点的子孙外部节点的所有路径上包含相同数目的黑节点。


          前面我们将"删除红黑树中的节点"大致分为两步,在第一步中"将红黑树当作一颗二叉查找树,将节点删除"后,可能违反"特性(2)、(4)、(5)"三个特性。第二步需要解决上面的三个问题,进而保持红黑树的全部特性。
          为了便于分析,我们假设"x包含一个额外的黑色"(x原本的颜色还存在),这样就不会违反"特性(5)"。为什么呢?
          通过RB-DELETE算法,我们知道:删除节点y之后,x占据了原来节点y的位置。 既然删除y(y是黑色),意味着减少一个黑色节点;那么,再在该位置上增加一个黑色即可。这样,当我们假设"x包含一个额外的黑色",就正好弥补了"删除y所丢失的黑色节点",也就不会违反"特性(5)"。 因此,假设"x包含一个额外的黑色"(x原本的颜色还存在),这样就不会违反"特性(5)"。
          现在,x不仅包含它原本的颜色属性,x还包含一个额外的黑色。即x的颜色属性是"红+黑"或"黑+黑",它违反了"特性(1)"。

          现在,我们面临的问题,由解决"违反了特性(2)、(4)、(5)三个特性"转换成了"解决违反特性(1)、(2)、(4)三个特性"。RB-DELETE-FIXUP需要做的就是通过算法恢复红黑树的特性(1)、(2)、(4)。RB-DELETE-FIXUP的思想是:将x所包含的额外的黑色不断沿树上移(向根方向移动),直到出现下面的姿态:
    a) x指向一个"红+黑"节点。此时,将x设为一个"黑"节点即可。
    b) x指向根。此时,将x设为一个"黑"节点即可。
    c) 非前面两种姿态。

    将上面的姿态,可以概括为3种情况。
    ① 情况说明:x是“红+黑”节点。
        处理方法:直接把x设为黑色,结束。此时红黑树性质全部恢复。
    ② 情况说明:x是“黑+黑”节点,且x是根。
        处理方法:什么都不做,结束。此时红黑树性质全部恢复。
    ③ 情况说明:x是“黑+黑”节点,且x不是根。
        处理方法:这种情况又可以划分为4种子情况。这4种子情况如下表所示:

     现象说明处理策略
    Case 1x是"黑+黑"节点,x的兄弟节点是红色。(此时x的父节点和x的兄弟节点的子节点都是黑节点)。

    (01) 将x的兄弟节点设为“黑色”。
    (02) 将x的父节点设为“红色”。
    (03) 对x的父节点进行左旋。
    (04) 左旋后,重新设置x的兄弟节点。

    Case 2x是“黑+黑”节点,x的兄弟节点是黑色,x的兄弟节点的两个孩子都是黑色。

    (01) 将x的兄弟节点设为“红色”。
    (02) 设置“x的父节点”为“新的x节点”。

    Case 3x是“黑+黑”节点,x的兄弟节点是黑色;x的兄弟节点的左孩子是红色,右孩子是黑色的。(其实这里要区分,x是父节点的左子树还是右子树,x是左子树则按这里的规则处理;若x是右子树,则左变右,右变左)

    (01) 将x兄弟节点的左孩子设为“黑色”。
    (02) 将x兄弟节点设为“红色”。
    (03) 对x的兄弟节点进行右旋。
    (04) 右旋后,重新设置x的兄弟节点。

    Case 4x是“黑+黑”节点,x的兄弟节点是黑色;x的兄弟节点的右孩子是红色的,x的兄弟节点的左孩子任意颜色。(同上)

    (01) 将x父节点颜色 赋值给 x的兄弟节点。
    (02) 将x父节点设为“黑色”。
    (03) 将x兄弟节点的右子节设为“黑色”。
    (04) 对x的父节点进行左旋。
    (05) 设置“x”为“根节点”。

     

    1. (Case 1)x是"黑+黑"节点,x的兄弟节点是红色

    1.1 现象说明
    x是"黑+黑"节点,x的兄弟节点是红色。(此时x的父节点和x的兄弟节点的子节点都是黑节点)。

    1.2 处理策略
    (01) 将x的兄弟节点设为“黑色”。
    (02) 将x的父节点设为“红色”。
    (03) 对x的父节点进行左旋。
    (04) 左旋后,重新设置x的兄弟节点。

          下面谈谈为什么要这样处理。(建议理解的时候,通过下面的图进行对比)
          这样做的目的是将“Case 1”转换为“Case 2”、“Case 3”或“Case 4”,从而进行进一步的处理。对x的父节点进行左旋;左旋后,为了保持红黑树特性,就需要在左旋前“将x的兄弟节点设为黑色”,同时“将x的父节点设为红色”;左旋后,由于x的兄弟节点发生了变化,需要更新x的兄弟节点,从而进行后续处理。

    1.3 示意图(图有错,右边D是黑色,B是红色)

     

    2. (Case 2) x是"黑+黑"节点,x的兄弟节点是黑色,x的兄弟节点的两个孩子都是黑色

    2.1 现象说明
    x是“黑+黑”节点,x的兄弟节点是黑色,x的兄弟节点的两个孩子都是黑色。

    2.2 处理策略
    (01) 将x的兄弟节点设为“红色”。
    (02) 设置“x的父节点”为“新的x节点”。

          下面谈谈为什么要这样处理。(建议理解的时候,通过下面的图进行对比)
          这个情况的处理思想:是将“x中多余的一个黑色属性上移(往根方向移动)”。 x是“黑+黑”节点,我们将x由“黑+黑”节点 变成 “黑”节点,多余的一个“黑”属性移到x的父节点中,即x的父节点多出了一个黑属性(若x的父节点原先是“黑”,则此时变成了“黑+黑”;若x的父节点原先时“红”,则此时变成了“红+黑”)。 此时,需要注意的是:所有经过x的分支中黑节点个数没变化;但是,所有经过x的兄弟节点的分支中黑色节点的个数增加了1(因为x的父节点多了一个黑色属性)!为了解决这个问题,我们需要将“所有经过x的兄弟节点的分支中黑色节点的个数减1”即可,那么就可以通过“将x的兄弟节点由黑色变成红色”来实现。
          经过上面的步骤(将x的兄弟节点设为红色),多余的一个颜色属性(黑色)已经跑到x的父节点中。我们需要将x的父节点设为“新的x节点”进行处理。若“新的x节点”是“黑+红”,直接将“新的x节点”设为黑色,即可完全解决该问题;若“新的x节点”是“黑+黑”,则需要对“新的x节点”进行进一步处理。

    2.3 示意图(B的颜色可以是红+黑,也可以是黑+黑)

     

    3. (Case 3)x是“黑+黑”节点,x的兄弟节点是黑色;x的兄弟节点的左孩子是红色,右孩子是黑色的

    3.1 现象说明
    x是“黑+黑”节点,x的兄弟节点是黑色;x的兄弟节点的左孩子是红色,右孩子是黑色的。

    3.2 处理策略
    (01) 将x兄弟节点的左孩子设为“黑色”。
    (02) 将x兄弟节点设为“红色”。
    (03) 对x的兄弟节点进行右旋。
    (04) 右旋后,重新设置x的兄弟节点。

           下面谈谈为什么要这样处理。(建议理解的时候,通过下面的图进行对比)
           我们处理“Case 3”的目的是为了将“Case 3”进行转换,转换成“Case 4”,从而进行进一步的处理。转换的方式是对x的兄弟节点进行右旋;为了保证右旋后,它仍然是红黑树,就需要在右旋前“将x的兄弟节点的左孩子设为黑色”,同时“将x的兄弟节点设为红色”;右旋后,由于x的兄弟节点发生了变化,需要更新x的兄弟节点,从而进行后续处理。

    3.3 示意图

     

    4. (Case 4)x是“黑+黑”节点,x的兄弟节点是黑色;x的兄弟节点的右孩子是红色的,x的兄弟节点的左孩子任意颜色

    4.1 现象说明
    x是“黑+黑”节点,x的兄弟节点是黑色;x的兄弟节点的右孩子是红色的,x的兄弟节点的左孩子任意颜色。

    4.2 处理策略
    (01) 将x父节点颜色 赋值给 x的兄弟节点。
    (02) 将x父节点设为“黑色”。
    (03) 将x兄弟节点的右子节设为“黑色”。
    (04) 对x的父节点进行左旋。
    (05) 设置“x”为“根节点”。

          下面谈谈为什么要这样处理。(建议理解的时候,通过下面的图进行对比)
          我们处理“Case 4”的目的是:去掉x中额外的黑色,将x变成单独的黑色。处理的方式是“:进行颜色修改,然后对x的父节点进行左旋。下面,我们来分析是如何实现的。
          为了便于说明,我们设置“当前节点”为S(Original Son),“兄弟节点”为B(Brother),“兄弟节点的左孩子”为BLS(Brother's Left Son),“兄弟节点的右孩子”为BRS(Brother's Right Son),“父节点”为F(Father)。
          我们要对F进行左旋。但在左旋前,我们需要调换F和B的颜色,并设置BRS为黑色。为什么需要这里处理呢?因为左旋后,F和BLS是父子关系,而我们已知BL是红色,如果F是红色,则违背了“特性(4)”;为了解决这一问题,我们将“F设置为黑色”。 但是,F设置为黑色之后,为了保证满足“特性(5)”,即为了保证左旋之后:
          第一,“同时经过根节点和S的分支的黑色节点个数不变”。
                 若满足“第一”,只需要S丢弃它多余的颜色即可。因为S的颜色是“黑+黑”,而左旋后“同时经过根节点和S的分支的黑色节点个数”增加了1;现在,只需将S由“黑+黑”变成单独的“黑”节点,即可满足“第一”。
          第二,“同时经过根节点和BLS的分支的黑色节点数不变”。
                 若满足“第二”,只需要将“F的原始颜色”赋值给B即可。之前,我们已经将“F设置为黑色”(即,将B的颜色"黑色",赋值给了F)。至此,我们算是调换了F和B的颜色。
          第三,“同时经过根节点和BRS的分支的黑色节点数不变”。
                 在“第二”已经满足的情况下,若要满足“第三”,只需要将BRS设置为“黑色”即可。
    经过,上面的处理之后。红黑树的特性全部得到的满足!接着,我们将x设为根节点,就可以跳出while循环(参考伪代码);即完成了全部处理。

    至此,我们就完成了Case 4的处理。理解Case 4的核心,是了解如何“去掉当前节点额外的黑色”。

    4.3 示意图

    ============================================================================

    1、红黑树插入的例子

     

    情况1

    如果叔叔结点为红色。

    下图为插入N节点的情况。

    转换前:

     

    \

    转换后:

     

    \

    上图中将情况1转换为了情况2.

    情况2:

    叔叔节点为黑色:插入节点是父结点的右孩子。

    继续上图的转换,转换后:

    \

    这时情况2转换为了情况3:

    情况3

    叔叔节点为黑色:插入节点为左孩子。

    \

     

     

     

    2、红黑树删除的例子

     

    有一棵红黑树12 1 9 2 0 11 7 19 4 15 18 5 14 13 10 16 6 3 8 17,如图10

     

    \

    图10

    1.删除结点12

    结点12有两个非空子结点,首先调整为叶结点,与其后继结点13进行值交换,然后删除12;由于后继结点为黑色,删除后出现“双黑”,

    如图11

     

    \

    图11

    此时,属于第一种情况的A种,处理后结果如图12

     

    \

    图12

    2.删除1结点

    1结点有两个非空子结点,调整为叶子结点,与其后继结点2进行值 交换;此时,1结点只有一个非空子结点,则删除1结点后,将其子结点着为黑色,处理结果如图13

     

    \

    图13

    3.删除9

    9结点为根结点,调整为叶结点,与后继结点10值交换,由于后继结点为黑色,删除后9后,出现双黑,如图14

     

     

    \

    图14

    此时为双黑处理第二种情况,处理后,如图15

    \

    图15

    4.删除结点2

    结点2有两个非空子结点,与后继结点3值交换;后继结点为黑色,删除2后,出现双黑;如图16

    \

    图16

    此时,为双黑处理第二种情况,处理后,如图17

     

    \

    图17

    5.删除结点0

    结点0为红色结点,直接删除即可

    6.删除结点11

    结点11有一个非空子结点,为第二种情况,删除11 后,将其非空子结点着为黑色,如图18

     

    \

    图18

     

    7.删除结点7

    结点7有一个非空子结点,也为第二种情况,删除7后,将其非空子结点着为黑色;

    8.删除结点19

    结点19为叶子结点,且为黑色,删除后出现“双黑”,属于双黑处理的第一种情况,处理后如图19

     

    \

    图19

    9.删除结点4

    结点4有两个非空子树,与其后继结点5交换;后继结点为黑色,删除4后,出现双黑,此时为双黑处理第二种情况,处理后如图20

    \

    图20

    10.删除结点15

    结点15为叶子结点,删除后出现“双黑”,此时属于双黑处理第一种情况的B种,处理后如图21

    \

    图21

    11.删除结点18

    结点18为叶子结点,且为黑色,删除后出现双黑,属于双黑处理的第二种情况,处理后,如图22

     

    \

    图22

    12.删除结点5

    结点5有两个子结点,与其后继结点6交换;交换后,结点5只有一个非空子结点,属于第二种情况,直接删除,将非空子结点着黑色,如图23

    \

    图23

    13.删除结点14

    结点14有两个子树,与其后继结点16交换;后继结点为红色,交换后14 为红色,直接删除。

    14.删除结点13

    结点13为叶子结点,且为黑色,删除后出现“双黑”,属于双黑处理的第二种情况,处理后如图24

    \

    图24

    15.删除结点10

    结点10为根结点,与其后继16值交换;交换后10只有一个非空子结点,直接将10删除,将非空子结点着为黑色

    16.删除结点16

    结点16为根结点,与后继结点17值交换;交换后16为叶子结点,且为黑色,删除后出现双黑,属于双黑处理的第三种情况,处理后如图25

    \

    图25

    17.删除结点6

    结点6为根结点,与后继结点8值交换;交换后,结点6为红色,直接删除

    \

    18.删除结点3

    结点3为叶子结点,且为黑色,删除后出现“双黑”,属于双黑处理的第二种情况

    \

    删除8:

    \

    删除17:

    \

     

    展开全文
  • 红黑树插入详解

    2014-12-04 10:57:11
    红黑树插入详解

    查找二叉树插入节点:

    已知查找二叉树的性质为根节点的值大于左子树的值,小于右子树的值,按照此规律,根据要插入的值为其寻找合适的插入位置,最后将其插入即可:

    Tree-Insert(T,z)
    {
    	x = root(T);
    	y = NULL;
    	while(x != NULL)
    	{
    		y = x;
    		if(key[z] < key[x])
    			x = left[x];
    		else
    			x = right[x];
    	}
    	p[z] = y;
    	if(y == NULL)
    		root[T] = z;
    	else if(key[z] < key[y])
    		left[y] = z;
    	else
    		right[y] = z;
    }

    红黑树插入节点:

    红黑树插入节点类似于查找二叉树,但需要注意的是当新的节点插入红黑树时,可能会导致无法保持红黑树的性质,因此需对其进行修改。

    通过函数RB-INSERT-FIXUP(T,z)使其保持红黑性质。

    RB-Insert(T,z)
    {
    	x = root(T);
    	y = nil[T];
    	while(x != nil[T])
    	{
    		y = x;
    		if(key[z] < key[x])
    			x = left[x];
    		else
    			x = right[x];
    	}
    	p[z] = y;
    	if(y == nil[T])
    		root[T] = z;
    	else if(key[z] < key[y])
    		left[y] = z;
    	else
    		right[y] = z;
    	left[z] = nil[T];
    	right[z] = nil[T];
    	color[z] = RED;
    	RB-INSERT-FIXUP(T,z);
    }

    不同于之前查找二叉树的插入,红黑二叉树的插入过程中主要在最后几步与其有异:将插入节点的颜色置红,修补红黑树性质。

    接下来分析,当新的节点插入时,打破了红黑树的哪些性质。

    红黑树的性质为:

    1.      每个节点或是红的,或是黑的。

    2.      根节点是黑的

    3.      叶节点是黑的

    4.      如果一个节点是红的,则其两个儿子都是黑的

    5.      对每个节点,从该节点到其子孙节点的所有路径上包含相同数目的黑节点

    易知新节点的插入不会影响性质1、3、5

    现在的问题为如何保持性质2和4。

    当z插入红黑树时,考虑z的父节点,当父节点为黑色时,性质2和4仍能保持,因此现考虑while(color[p[z]] == RED)时,如何保持性质2和4。

    插入z后有两种情况:z == left[p[z]]或z == right[p[z]]。这里首先考虑z == left[p[z]]。

    已知color[p[z]] == RED ,则由红黑树性质4知,color[p[p[z]]]必为黑色。因为若p[z]的父节点为红色,则p[z]需为黑色,矛盾。而z的叔叔(设为y)颜色即可能是红色,也可能是黑色。若y为红色,为保持性质4,应将p[z]、y均设为黑色,p[p[z]]设为红色。之后让z = p[p[z]],继续循环;若y为黑色,此时z有可能是p[z]的左子树或右子树。当z为右子树时,可执行以下步骤:z = p[z];LEFT-ROTATE(T,z),可将其转变为z为左子树的情况。此时右旋p[z],则p[p[z]]变成了p[z]的右子树,z仍为p的左子树。为保持红黑树性质,将p[z]置黑,p[z]的右子树置红。

    最后,color[p[z]] != RED时,为保证性质2,color[root[T]] = BLACK;

     


    展开全文
  • 中国科学技术大学的算法课程,红黑树插入算法实验报告
  • 下面小编就为大家分享一篇基于红黑树插入操作原理及java实现方法,具有很好的参考价值,希望对大家有所帮助。一起跟随小编过来看看吧
  • 红黑树插入场景.xmind

    2020-07-23 18:28:00
    红黑树Mind图——红黑树(Red Black Tree) 是一种自平衡二叉查找树,是在计算机科学中用到的一种数据结构,典型的用途是实现关联数组。红黑树是在1972年由Rudolf Bayer发明的,
  • 红黑树插入删除代码,一些关键地方有打注释,比较好理解 删除部分可以配合http://sunblog.72pines.com/rb-tree-erase/看
  • 红黑树插入与删除各种情况,内容更正了之前版本的错误
  • 严蔚敏《数据结构》红黑树插入的实现C代码
  • 红黑树插入实验

    千次阅读 2012-11-20 11:05:55
    题目:红黑树插入算法 实验目的:实现有效的红黑树插入算法 二、算法思想 ① 第一步和一般的搜索二叉树没什么区别。从树根开始搜索,如果插入值比节点大,就向右子树搜索,比节点小则向左子树搜索。直到走到叶...

    一、题目 

    题目:红黑树插入算法          实验目的:实现有效的红黑树插入算法

    二、算法思想

    ① 第一步和一般的搜索二叉树没什么区别。从树根开始搜索,如果插入值比节点大,就向右子树搜索,比节点小则向左子树搜索。直到走到叶节点位置,将插入值放在这个节点上。并标记它为红色。

    ② 之后,红黑树可能需要调整平衡。

    对第4条性质的恢复,根据Z的父节点是Z的祖节点的左子节点还是右子节点,分为两组对称的情况,每组有3种情况。下面我们只对其中一组进行说明,以Z的父节点是Z祖节点的左子节点为例:

    [第一种:Z的“叔父”节点是红色]:

    在这种情况下,将父、叔节点都着为黑色,再将子树根节点着为红色,那么子树的黑高度没有发生改变,而且红黑性质得得到了调整。此时,再将Z指向子树的根节点,向上递归恢复红黑特性。

    [第二种:Z的“叔父”节点是黑色的,Z是父节点的左子节点]

    将Z的 父节点与祖节点进行一次右旋,并把父节点着黑色,原来的祖节点着红色。这些子树的红黑特性得到了恢复,而且子树的黑高度没有变化。另外,由于子树根节点已 经是黑色了(这个节点不会出现父子同为红色的问题了),所以不必再向上递归了,此时整个树的红黑特性都已经是正确的了。

    [第三种:Z的“叔父”节点是黑色的,Z是父节点的右子节点]

    将Z本身与其父节点进行一次左旋,让Z指向原来的父节点,就可以调整为情况二,而情况二已经得到解决。

    这样,红黑树的节点插入问题就得到了解决。

    三、实验结果

    四、结果分析

    实验结果的输入来自课堂作业的题目,经验证,结果正确,表明程序有效。

    五、总结

    l 红黑树是一种自平衡二叉查找树,典型的用途是实现关联数组。它的操作有着良好的最坏情况运行时间,并且在实践中是高效的它可以在O(log n)时间内做查找,插入和删除,这里的n是树中元素的数目。

    l 插入实际上是原地算法,因为上述所有调用都使用了尾部递归。

    附件:

    源程序:RBTreeExperiment.java

    /** 
     * @author 
     * Email: 
     * 创建时间:2012-11-09 下午6:44:52
     * 类说明  :红黑树插入算法
     * @version 
     */
    public class RBTreeExperiment
    {
        
        public static void main(String args[]) {
        	RBTree rb = new RBTree();
        	RBTree.rb_insert(rb,new RBTreeNode(41));
        	RBTree.rb_insert(rb,new RBTreeNode(38));
        	RBTree.rb_insert(rb,new RBTreeNode(31));
        	RBTree.rb_insert(rb,new RBTreeNode(12));
        	RBTree.rb_insert(rb,new RBTreeNode(19));
        	RBTree.rb_insert(rb,new RBTreeNode(8));
        	System.out.println("依次插入值为41,38,31,12,19,8的节点后,中序遍历红黑树各节点:");
            RBTree.inOrderTraverse(rb.root);
        }
    }
    
    class RBTree{
        public int number;
        public RBTreeNode root;
        public final static int RED=0;
        public final static int BLACK=1;
        
        public static void left_rotate(RBTree rb,RBTreeNode x) {//对x节点左旋转
            if((rb==null) || (x==null))return;
            //set y
            RBTreeNode y = x.right;
            //turn y's left subtree into x's right subtree
            x.right = y.left;
            if(y.left != null) {
                y.left.p = x;
            }
            //link x's parent to y
            y.p=x.p;
            if(x.p == null) {
                rb.root = y;
            }
            else if(x == x.p.left){
                x.p.left=y;
            }
            else {
                x.p.right=y;
            }
            //put x on y's left
            y.left=x;
            x.p=y;
        }
        public static void right_rotate(RBTree rb,RBTreeNode y) {//对y节点右旋转
            if((rb==null) || (y==null))return;
            //set x
            RBTreeNode x = y.left;
            //turn x's right subtree into y's left subtree
            y.left=x.right;
            if(x.right != null) {
                x.right.p = y;
            }
            //link y's parent to x
            x.p=y.p;
            if(y.p == null) {
                rb.root = x;
            }
            else if(y == y.p.left){
                y.p.left=x;
            }
            else {
                y.p.right=x;
            }
            //put y on x's right
            x.right=y;
            y.p=x;
        }
        public static void rb_insert(RBTree rb,RBTreeNode z){//在rb中插入z节点
            if(z==null)return;
            RBTreeNode y=null;
            RBTreeNode x=rb.root;
            while(x != null) {
                y=x;
                if(z.key < x.key) {
                    x=x.left;
                }
                else {
                    x=x.right;
                }
            }
            z.p=y;
            if(y == null) {
                rb.root=z;
            }
            else if(z.key < y.key) {
                y.left=z;
            }
            else {
                y.right=z;
            }
            z.left=null;
            z.right=null;
            z.color=RED;
            rb.number++;
            rb_insert_fixup(rb,z);
        }
        public static void rb_insert_fixup(RBTree rb,RBTreeNode z) {//调整插入后的树
            while((z.p != null) && (z.p.color == RED)){
                if((z.p.p != null) && (z.p == z.p.p.left)) { //父亲节点是祖先节点的左孩子
                    RBTreeNode y=z.p.p.right;//uncle y
                    if((y != null) && (y.color==RED)) {
                        z.p.color=BLACK;
                        y.color=BLACK;
                        z.p.p.color=RED;
                        z=z.p.p;//important
                    }
                    else {
                        if(z==z.p.right) {
                            z=z.p;
                            left_rotate(rb,z);
                        }
                        z.p.color=BLACK;
                        z.p.p.color=RED;
                        right_rotate(rb,z.p.p);
                    }
                }
                else if(z.p.p != null){//父亲节点是祖先节点的右孩子
                    RBTreeNode y=z.p.p.left;//uncle y
                    if((y != null) && (y.color==RED)) {
                        z.p.color=BLACK;
                        y.color=BLACK;
                        z.p.p.color=RED;
                        z=z.p.p;//important
                    }
                    else {
                        if(z==z.p.left) {
                            z=z.p;
                            right_rotate(rb,z);
                        }
                        z.p.color=BLACK;
                        z.p.p.color=RED;
                        left_rotate(rb,z.p.p);
                    }
                }
                
            }
            rb.root.color=BLACK;
        }
        
        public static void inOrderTraverse(RBTreeNode root) {
            if(root==null)return;
            inOrderTraverse(root.left);
            if(root.color==RBTree.BLACK) {
                System.out.println("black\t"+root.key);
            }
            else {
                System.out.println("red\t"+root.key);
            }
            inOrderTraverse(root.right);
        }
    }
    
    class RBTreeNode{
        public RBTreeNode p;
        public RBTreeNode left;
        public RBTreeNode right;
        public int key;
        public int color;
        public RBTreeNode() {} //提供无参构造器。以后可能会用到继承
        public RBTreeNode(int key) {
        	this.key=key;
        }
    }


    展开全文
  • 红黑树插入-自己总结篇

    千次阅读 2015-01-18 23:09:25
    红黑树插入总是令部分同学困惑,今天我将整个过程整理一下,也希望能帮助到大家。
  • 红黑树插入与删除

    2014-10-11 22:14:25
    主要讲述红黑树插入、查找、删除、并设计了测试程序去测试程序的正确性
  • stl map底层之红黑树插入步骤详解与代码实现

    万次阅读 多人点赞 2014-06-08 08:24:11
    文章用图片的方式对红黑树插入过程的调整进行了详细解释。并给出红黑树插入调整实现的C++源码。
  • 红黑树 插入调整步骤终极详解

    千次阅读 2019-01-14 15:10:27
    看了很多资料,网上讲红黑树插入删除讲得实在太乱了,没有统一的步骤,让初学者容易混乱。这里我整理下,左旋右旋就不详解了。直接看插入删除的具体操作。  我就不画图了,借助https://www.cs.usfca.edu/~galles/...
  • 红黑树插入操作分析及代码实现

    千次阅读 2014-03-19 09:56:00
    首先说一下红黑树的五个性质: 1、每个结点要么是红色的,要么是黑色的; 2、根结点是黑色的;...在对红黑树插入的时候,我们一般都会插入红色的结点,红黑树的插入主要有这几种情况: 1、插入的是根结点;
  • 红黑树-JAVA实现(红黑树插入和删除)

    千次阅读 2017-02-10 12:41:08
    AVL树由于实现比较复杂,而且插入和删除性能差,在实际环境下的应用不如红黑树红黑树(Red-Black Tree,以下简称RBTree)的实际应用非常广泛,比如Linux内核中的完全公平调度器、高精度计时器、ext3文件系统等等,...
  • 本人菜鸡一只,正在更新红黑树系列的文章。 该系列已经全部更完,有5篇文章: ...【算法】红黑树插入数据(变色,左旋、右旋)(二):https://blog.csdn.net/lsr40/article/details/85245027 【算法...
  • 本节我们主要总结红黑树插入相关的知识。 二、红黑树插入 红黑树的插入包含两个步骤: 在树中查找插入的位置; 插入后自平衡; 查找流程: 从根节点开始查找; 若根节点为空,那么插入节点作为根节点,结束; 若...
  • 红黑树插入操作的平衡调整

    千次阅读 2019-05-21 21:53:47
    红黑树规定,插入的节点必须是红色的。而且,二叉查找树中新插入的节点都是放在叶子节点上。 如果插入节点的父节点是黑色的,那我们什么都不用做,它仍然满足红黑树的定义。 如果插入的节点是根节点,那我们直接...
  • 鉴于网上其它教程中对于红黑树插入操作的叙述并不十分清楚准确全面,所以本文主要是对插入过程进行介绍。参见第3节。 本文对于红黑树的定义、概念、性质、以及操作过程的图形化表述等内容的叙述较为简略,请参考...

空空如也

空空如也

1 2 3 4 5 ... 20
收藏数 80,909
精华内容 32,363
关键字:

红黑树插入