数据结构——树

一、基本概念

        树是一种非线性结构。树的严格的数学定义是：如果一组数据中除了第一个节点（第一个节点称为根节点，没有直接前驱节点）之外，其余任意节点有且仅有一个直接前驱节点，有 0 个或者多个直接后继节点，这样的一组数据形成一棵树。这种特性简称为一对多的逻辑关系。

二、常见例子

        日常生活中，很多数据都是树状逻辑结构。由于树状结构表现出来的都是具有层次的，因此也被称为层次结构的组织形式。比如一个公司中的职员层级关系、一个学校中的院系层级关系、淘汰赛中的各次比赛队伍、一个家族中的族谱成员关系等。

        通常，在逻辑上表达一棵抽象的树状结构时，习惯于将树根放在顶部，树枝树杈向下生长，如图：

对于一棵树来说，有如下基本术语：

三、二叉树

        在各种不同的树状结构中，最常见的、也是最重要的是二叉树（Binary Tree）。二叉树的定义：1. 有序树；2. 任意节点的度 ≤ 2。

如图：

        其中 8 是根节点，14 是 10 的右孩子（因为二叉树是有序树，因此严格区分左右），而 13 则是 14 的左孩子。

        为了方便对二叉树进行操作，通常会对一棵树进行标号：从上到下，从左到右进行标号：

（ 注意：没有孩子节点的地方也要标出来）

二叉树的特性：

二叉树的基本概念：

（二） 完全二叉树：（complete binary tree）：各节点的标号连续。

（三） 平衡二叉树：（balance binary tree）：任意节点的两棵子树高度差 ≤ 1。

（四） 退化二叉树：（degenerate binary tree）--- 三代单传(一脉相承)：所有节点的度 ≤ 1，此时的二叉树实际上已经退化成链表。

四、存储形式

树可以使用顺序存储，也可以使用链式存储。

        在顺序存储中，数据元素之间的逻辑关系是用物理位置来表达的，而二叉树中每一个节点都有一个对应的标号，因此可以使用标号来作为数组的下标，但是，除非是完美或者完全二叉树，否则会浪费存储空间。

        而节点彼此之间的关系，要用到二叉树标号的基本特性。观察二叉树的标号会发现规律：

        根据以上规律，在顺序存储的二叉树中，虽然没有任何信息连接节点 e 和 f，但根据他们的下标序号，可以得知 e 是 f 的父节点，且 f 是 e 的左孩子。

        二叉树的链式存储与链表类似，使用指针来直接将节点的逻辑关系串起来，如图：

五、树的遍历

        遍历，就是按某种规律访问每一个节点。对于线性表来说，遍历算法就是从头跑到尾，因为线性表是 1 对 1 的关系。但是树状结构是非线性的，因此从根节点开始遍历所有节点可以有多种不同的算法：

        注意：前中后序遍历，都是递归算法。以前序遍历为例，当访问完根节点，进而要访问左子树时，由于左子树本身一棵二叉树，因此也需要进行前序遍历，也是先访问左子树的根节点，然后再依次访问左子树的左子树和左子树的右子树。如图：

技巧：知道每个节点的身份，看其优先级来执行

（一） 前序遍历的序列是：F - [BADCE] - [GIH]

        其中，对于根节点 F 来说，BADCE是左子树，GIH是右子树。

        对左子树的访问，也符合前序遍历的定义，即：B - [A] - [DCE]。

（二） 中序遍历的序列是：[ABCDE] - F - [GHI]

（三） 后序遍历的序列是：[ACEDB] - [HIG] - F

（四） 按层遍历就按照字面意思理解即可，序列是：F - BG - ADI - CEH

（我感觉第一步就是，要分清楚哪个是根节点（因为根节点只有 1 个）、哪部分是左子树、哪部分是右子树；第二步就是，看清楚是怎样的遍历形式，第三步就是，根据遍历的形式，判断好左子树、右子树的遍历顺序）

以上内容就是我的课后笔记了。