数据结构与算法 -- 树与树算法
2021/7/11 17:12:27
本文主要是介绍数据结构与算法 -- 树与树算法,对大家解决编程问题具有一定的参考价值,需要的程序猿们随着小编来一起学习吧!
目录
- 树
- 树的概念
- 树的存储与表示
- 常见的一些树的应用场景
- 二叉树
- 二叉树的概念
- 二叉树的性质(特性)
- 二叉树的实现
- 二叉树添加结点
- 二叉树的遍历
- 广度优先遍历(层次遍历)
- 深度优先遍历
- 二叉树由遍历确定一个树
二维
树的概念
树(英语:tree)是一种抽象数据类型(ADT)或是实作这种抽象数据类型的数据结构,用来模拟具有树状结构性质的数据集合。它是由n(n>=1)个有限节点组成一个具有层次关系的集合。把它叫做“树”是因为它看起来像一棵倒挂的树,也就是说它是根朝上,而叶朝下的。它具有以下的特点:
- 每个节点有零个或多个子节点;
- 没有父节点的节点称为根节点;
- 每一个非根节点有且只有一个父节点;
- 除了根节点外,每个子节点可以分为多个不相交的子树;
树的术语:
- 节点的度:一个节点含有的子树的个数称为该节点的度;
- 树的度:一棵树中,最大的节点的度称为树的度;
- 叶节点或终端节点:度为零的节点;
- 父亲节点或父节点:若一个节点含有子节点,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;
- 节点的层次:从根开始定义起,根为第1层,根的子节点为第2层,以此类推;
- 树的高度或深度:树中节点的最大层次;
- 堂兄弟节点:父节点在同一层的节点互为堂兄弟;
- 节点的祖先:从根到该节点所经分支上的所有节点;(o的结点的祖先:A,C,G,M)
- 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;
树的种类:
-
无序树:树中任意节点的子节点之间没有顺序关系,这种树称为无序树,也称为自由树;
-
有序树:树中任意节点的子节点之间有顺序关系,这种树称为有序树;
1. 二叉树:每个节点最多含有两个子树的树称为二叉树;- 完全二叉树:对于一颗二叉树,假设其深度为d(d>1)。除了第d层外,其它各层的节点数目均已达最大值,且第d层所有节点从左向右连续地紧密排列,这样的二叉树被称为完全二叉树,其中满二叉树的定义是所有叶节点都在最底层的完全二叉树;
- 平衡二叉树(AVL树):当且仅当任何节点的两棵子树的高度差不大于1的二叉树;
-
排序二叉树(二叉查找树(英语:Binary Search Tree),也称二叉搜索树、有序二叉树);
类似二分查找
2. 霍夫曼树(用于信息编码):带权路径最短的二叉树称为哈夫曼树或最优二叉树;
3. B树:一种对读写操作进行优化的自平衡的二叉查找树,能够保持数据有序,拥有多余两个子树。
树的存储与表示
顺序存储:将数据结构存储在固定的数组中,然在遍历速度上有一定的优势,但因所占空间比较大,是非主流二叉树。二叉树通常以链式存储。
由于对节点的个数无法掌握,常见树的存储表示都转换成二叉树进行处理,子节点个数最多为2。
常见的一些树的应用场景
- xml,html等,那么编写这些东西的解析器的时候,不可避免用到树
- 路由协议就是使用了树的算法
- mysql数据库索引
- 文件系统的目录结构
- 所以很多经典的AI算法其实都是树搜索,此外机器学习中的decision tree也是树结构
二叉树的概念
二叉树是每个节点最多有两个子树的树结构。通常子树被称作“左子树”(left subtree)和“右子树”(right subtree)
二叉树的性质(特性)
性质1: 在二叉树的第i层上至多有2^(i-1)个结点(i>0)
性质2: 深度为k的二叉树至多有2^k - 1个结点(k>0)
性质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;
性质4:具有n个结点的完全二叉树的深度必为 log2(n+1)
性质5:对完全二叉树,若从上至下、从左至右编号,则编号为i 的结点,其左孩子编号必为2i,其右孩子编号必为2i+1;其双亲的编号必为i/2(i=1 时为根,除外)如下图:
二叉树添加结点
广度优先的实现方式,队列。
树就是对链表的扩充。
深度是纵向;广度是横向。栈,一边读取;
广度优先:–》 队列:一边进,另一边出,即先进先出。
通过使用Node类中定义三个属性:分别为elem本身的值,还有lchild左孩子和rchild右孩子
class Node(object): """节点类""" def __init__(self, item): self.elem = item self.lchild = None self.rchild = None # 树的创建,创建一个树的类,并给一个root根节点,一开始为空,随后添加节点 class Tree(object): """二叉树""" def __init__(self): self.root = None # 就如链表的头结点 def add(self, item): """为树添加节点""" node = Node(item) # 如果树是空的,则对根节点赋值 if self.root is None: self.root = node return else: # queue = [] # queue.append(self.root) queue = [self.root] # 对已有的节点进行层次遍历 while queue: # 弹出队列的第一个元素 cur_node = queue.pop(0) if cur_node.lchild is None: cur_node.lchild = node return else: # 如果左子树不为空,加入队列继续判断 queue.append(cur_node.lchild) if cur_node.rchild is None: cur_node.rchild = node return else: # 如果右子树不为空,加入队列继续判断 queue.append(cur_node.rchild) # 广度优先遍历(层次遍历) def breadth_travel(self): """广度遍历:利用队列实现树的层次遍历""" if self.root is None: return queue = [self.root] while queue: cur_node = queue.pop(0) print(node.elem) if cur_node.lchild is not None: queue.append(cur_node.lchild) if node.rchild is not None: queue.append(cur_node.rchild) # 深度遍历 def preorder(self, node): """递归实现先序遍历:根结点->左子树->右子树""" if node is None: # 叶子节点就退出 return # 根结点 print(node.elem, end=" ") # 遍历节点的左子树 self.preorder(node.lchild) # 遍历节点的右子树 self.preorder(node.rchild) def inorder(self, node): """递归实现中序遍历:左子树->右子树->根节点""" if node == None: return self.inorder(node.lchild) print(node.elem, end=" ") self.inorder(node.rchild) def postorder(self, node): """递归实现后续遍历: 左子树->右子树->根节点""" if node == None: return self.postorder(node.lchild) self.postorder(node.rchild) print(root.elem, end=" ") if __name__ == "__main__": tree = Tree() tree.add(1) tree.add(2) tree.add(3) tree.add(4) tree.add(5) tree.add(6) tree.add(7) tree.add(8) tree.add(9) tree.breadth_travel() print("") # 换行 tree.preorder(tree.root) # 先序 tree.inorder(tree.root) # 中序 tree.postorder(tree.root) # 后序
二叉树的遍历
树的遍历是树的一种重要的运算。所谓遍历是指对树中所有结点的信息的访问,即依次对树中每个结点访问一次且仅访问一次,我们把这种对所有节点的访问称为遍历(traversal)。那么树的两种重要的遍历模式是深度优先遍历和广度优先遍历,深度优先一般用递归,广度优先一般用队列。一般情况下能用递归实现的算法大部分也能用堆栈来实现。
广度优先遍历(层次遍历)
从树的root开始,从上到下从从左到右遍历整个树的节点
深度优先遍历
先序遍历: 0, 1, 2 -->> 先根,接着左,最后右
中序遍历: 1,0, 2 -->> 左, 根, 右
后序遍历: 1,2, 0 -->> 左, 右, 根
先序遍历 在先序遍历中,我们先访问根节点,然后递归使用先序遍历访问左子树,再递归使用先序遍历访问右子树
根节点->左子树->右子树
中序遍历 在中序遍历中,我们递归使用中序遍历访问左子树,然后访问根节点,最后再递归使用中序遍历访问右子树
左子树->根节点->右子树
后序遍历 在后序遍历中,我们先递归使用后序遍历访问左子树和右子树,最后访问根节点
左子树->右子树->根节点
二叉树由遍历确定一个树
只要有中序,就可以确认一棵树,就可以分开;只有左序和右序,无法分开左右。
先,第一个根,即0,
中,根讲左右分开。
用先序元素来确定根,中序来区分左右。然后递归后续遍历
后序:确定根
中序:区分左右子树
这篇关于数据结构与算法 -- 树与树算法的文章就介绍到这儿,希望我们推荐的文章对大家有所帮助,也希望大家多多支持为之网!
- 2024-09-07面向对象编程基础:初学者指南
- 2024-09-07数据结构入门:了解基础概念与简单应用
- 2024-09-07面向对象编程入门:掌握基本概念与实践
- 2024-09-07数据结构入门:从基础概念到基本操作
- 2024-09-07从零开始学数据库:入门级指南与实操技巧
- 2024-09-07综合设备故障分析与预防:实例代码与优化策略
- 2024-09-07数据库入门:轻松掌握数据管理基础
- 2024-09-07面向对象入门:快速掌握对象编程基础
- 2024-09-07数据库教程:入门与实践指南
- 2024-09-07面向对象开发教程 - 从零基础到实践应用的进阶之路