树与树的表示 - 好文

目录

* 一、什么是树 <https://www.cnblogs.com/nickchen121/p/11485023.html#一什么是树>
* 二、查找 <https://www.cnblogs.com/nickchen121/p/11485023.html#二查找>
* 2.1 静态查找 <https://www.cnblogs.com/nickchen121/p/11485023.html#静态查找>
* 2.1.1 方法1：顺序查找 <https://www.cnblogs.com/nickchen121/p/11485023.html#方法1顺序查找>
* 2.1.2 方法2：二分查找（Binary Search）
<https://www.cnblogs.com/nickchen121/p/11485023.html#方法2二分查找binary-search>
* 三、二分查找判定树 <https://www.cnblogs.com/nickchen121/p/11485023.html#三二分查找判定树>
* 四、树的定义 <https://www.cnblogs.com/nickchen121/p/11485023.html#四树的定义>
* 五、树与非树 <https://www.cnblogs.com/nickchen121/p/11485023.html#五树与非树>
* 5.1 非树 <https://www.cnblogs.com/nickchen121/p/11485023.html#非树>
* 5.2 树 <https://www.cnblogs.com/nickchen121/p/11485023.html#树>
* 六、树的一些基本术语 <https://www.cnblogs.com/nickchen121/p/11485023.html#六树的一些基本术语>
* 七、树的表示 <https://www.cnblogs.com/nickchen121/p/11485023.html#七树的表示>
* 7.1 树的链表表示 <https://www.cnblogs.com/nickchen121/p/11485023.html#树的链表表示>
* 7.2 树的链表（儿子-兄弟）表示法
<https://www.cnblogs.com/nickchen121/p/11485023.html#树的链表儿子-兄弟表示法>
一、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，人类社会家谱如下图所示：

通过上述所说的分层次组织，能够使我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作——查找，我们如何实现有效率的查找呢？

二、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，即对集合的操作没有插入和删除，只有查找

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

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; //
建立哨兵，即没找到可以返回哨兵的索引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满足有序（比如：小到大），即\(k_1<k_2<\cdots<k_n\)，并且是连续存放（数组），那么可以进行二分查找。

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的数据元素过程如下图：

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的数据元素如下图：

/* 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 }
二分查找算法具有对数的时间复杂度O(logN)

二分查找算法虽然解决了查找的时间复杂度问题，但是对于数据的插入和删除确是O(n)的，因此有没有一种数据结构，既可以减少数据查找的时间复杂度，又可以
减少数据的插入和删除的复杂度呢？

三、二分查找判定树

除了使用上述两个方法进行关键字的查找，我们还可以通过二叉树这种数据结构完成关键字的查找。

从上图可以看出，如果我们需要寻找数字8，可以通过以下4步实现（可能看不懂，未来会看得懂）：

* 根节点6小于8，往6的右子节点9找
* 结点9大于8，往9的左子结点7找
* 结点7小于8，往7的左子结点找
* 找到8
* 判定树上每个结点需要的查找次数刚好为该结点所在的层数；
* 查找成功时查找次数不会超过判定树的深度
* N个结点的判定树的深度为\([log_2{n}]+1\)
* \(ASL = (4*4+4*3+2*2+1)/11 = 3\)
四、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），它具备以下性质：
* 树中有一个称为根（Root）的特殊结点，用r表示
* 其余结点可分为m（m>0）个互不相交的有限集\(T_1,T_2,\cdots,T_m\)，其中每个集合本身又是一棵树，称为原来树的子树（SubTree）

五、树与非树

牢记树有以下3个特性：

* 子树是不相交的；
* 除了根结点外，每个结点有且仅有一个父结点；
* 一颗N个结点的树有N-1条边
5.1 非树

5.2 树

六、树的一些基本术语

* 结点的度（Degree）：结点的子树个数
* 树的度：树的所有结点中最大的度数
* 叶结点（Leaf）：度为0的结点
* 父结点（Parent）：有子树的结点是其子树的根结点的父结点
* 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
*
兄弟结点（Sibling）：具有同一父结点的各结点彼此是兄弟结点

*
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

* 祖先结点(Ancestor)：沿树根到某一结点路径上的所有结点都是这个结点的祖先结点
*
子孙结点(Descendant)：某一结点的子树中的所有结点是这个结点的子孙

*
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

*
树的深度（Depth）：树中所有结点中的最大层次是这棵树的深度

七、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，假设树的深度非常大，并且不能保证所有树的子结点都有3个，那么会造成很大程度的浪费。

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，我们可以把链表的指针设置两个链接，一个链接指向儿子结点，另一个链接指向兄弟结点，如下图所示：

上图所示的树的表示方法，已经足够完美了，但是如果我们把链表表示的树旋转45°角，会发现如下图所示：

经过45°角的旋转，我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可以通过二叉树表示，也就是说
我们只要把二叉树研究透了，我们即研究透了树。

热门工具换一换