AVL 树 *¶
在「二叉搜索树」章节中提到，在进行多次插入与删除操作后，二叉搜索树可能会退化为链表。此时所有操作的时间复杂度都会由 \(O(\log n)\) 劣化至 \(O(n)\) 。
如下图所示，执行两步删除结点后，该二叉搜索树就会退化为链表。
再比如，在以下完美二叉树中插入两个结点后，树严重向左偏斜，查找操作的时间复杂度也随之发生劣化。
G. M. Adelson-Velsky 和 E. M. Landis 在其 1962 年发表的论文 "An algorithm for the organization of information" 中提出了「AVL 树」。论文中描述了一系列操作，使得在不断添加与删除结点后，AVL 树仍然不会发生退化，进而使得各种操作的时间复杂度均能保持在 \(O(\log n)\) 级别。
换言之，在频繁增删查改的使用场景中，AVL 树可始终保持很高的数据增删查改效率，具有很好的应用价值。
AVL 树常见术语¶
「AVL 树」既是「二叉搜索树」又是「平衡二叉树」，同时满足这两种二叉树的所有性质，因此又被称为「平衡二叉搜索树」。
结点高度¶
在 AVL 树的操作中，需要获取结点「高度 Height」，所以给 AVL 树的结点类添加 height 变量。
「结点高度」是最远叶结点到该结点的距离，即走过的「边」的数量。需要特别注意，叶结点的高度为 0 ，空结点的高度为 -1 。我们封装两个工具函数，分别用于获取与更新结点的高度。
结点平衡因子¶
结点的「平衡因子 Balance Factor」是 结点的左子树高度减去右子树高度，并定义空结点的平衡因子为 0 。同样地，我们将获取结点平衡因子封装成函数，以便后续使用。
Note
设平衡因子为 \(f\) ，则一棵 AVL 树的任意结点的平衡因子皆满足 \(-1 \le f \le 1\) 。
AVL 树旋转¶
AVL 树的独特之处在于「旋转 Rotation」的操作，其可 在不影响二叉树中序遍历序列的前提下，使失衡结点重新恢复平衡。 换言之，旋转操作既可以使树保持为「二叉搜索树」，也可以使树重新恢复为「平衡二叉树」。
我们将平衡因子的绝对值 \(> 1\) 的结点称为「失衡结点」。根据结点的失衡情况，旋转操作分为 右旋、左旋、先右旋后左旋、先左旋后右旋，接下来我们来一起来看看它们是如何操作的。
Case 1 - 右旋¶
如下图所示（结点下方为「平衡因子」），从底至顶看，二叉树中首个失衡结点是 结点 3 。我们聚焦在以该失衡结点为根结点的子树上，将该结点记为 node ，将其左子节点记为 child ，执行「右旋」操作。完成右旋后，该子树已经恢复平衡，并且仍然为二叉搜索树。
进而，如果结点 child 本身有右子结点（记为 grandChild），则需要在「右旋」中添加一步：将 grandChild 作为 node 的左子结点。
“向右旋转” 是一种形象化的说法，实际需要通过修改结点指针实现，代码如下所示。
Case 2 - 左旋¶
类似地，如果将取上述失衡二叉树的 “镜像” ，那么则需要「左旋」操作。观察发现，「左旋」和「右旋」操作是镜像对称的，两者对应解决的两种失衡情况也是对称的。
根据对称性，我们可以很方便地从「右旋」推导出「左旋」。具体地，把所有的 left 替换为 right 、所有的 right 替换为 left 即可。
Case 3 - 先左后右¶
对于下图的失衡结点 3 ，单一使用左旋或右旋都无法使子树恢复平衡，此时需要「先左旋后右旋」，即先对 child 执行「左旋」，再对 node 执行「右旋」。
Case 4 - 先右后左¶
同理，取以上失衡二叉树的镜像，则需要「先右旋后左旋」，即先对 child 执行「右旋」，然后对 node 执行「左旋」。
旋转的选择¶
下图描述的四种失衡情况与上述 Cases 一一对应，分别采用右旋、左旋、先右后左、先左后右的旋转组合。
具体地，需要使用 失衡结点的平衡因子、较高一侧子结点的平衡因子 来确定失衡结点属于上图中的哪种情况。
| 失衡结点的平衡因子 | 子结点的平衡因子 | 应采用的旋转方法 |
|---|---|---|
| \(>0\) （即左偏树） | \(\geq 0\) | 右旋 |
| \(>0\) （即左偏树） | \(<0\) | 先左旋后右旋 |
| \(<0\) （即右偏树） | \(\leq 0\) | 左旋 |
| \(<0\) （即右偏树） | \(>0\) | 先右旋后左旋 |
根据以上规则，我们将旋转操作封装成一个函数。至此，我们可以使用此函数来旋转各种失衡情况，使失衡结点重新恢复平衡。
/* 执行旋转操作，使该子树重新恢复平衡 */
TreeNode rotate(TreeNode node) {
// 获取结点 node 的平衡因子
int balanceFactor = balanceFactor(node);
// 左偏树
if (balanceFactor > 1) {
if (balanceFactor(node.left) >= 0) {
// 右旋
return rightRotate(node);
} else {
// 先左旋后右旋
node.left = leftRotate(node.left);
return rightRotate(node);
}
}
// 右偏树
if (balanceFactor < -1) {
if (balanceFactor(node.right) <= 0) {
// 左旋
return leftRotate(node);
} else {
// 先右旋后左旋
node.right = rightRotate(node.right);
return leftRotate(node);
}
}
// 平衡树，无需旋转，直接返回
return node;
}
AVL 树常用操作¶
插入结点¶
「AVL 树」的结点插入操作与「二叉搜索树」主体类似。不同的是，在插入结点后，从该结点到根结点的路径上会出现一系列「失衡结点」。所以，我们需要从该结点开始，从底至顶地执行旋转操作，使所有失衡结点恢复平衡。
/* 插入结点 */
TreeNode insert(int val) {
root = insertHelper(root, val);
return root;
}
/* 递归插入结点（辅助函数） */
TreeNode insertHelper(TreeNode node, int val) {
if (node == null) return new TreeNode(val);
/* 1. 查找插入位置，并插入结点 */
if (val < node.val)
node.left = insertHelper(node.left, val);
else if (val > node.val)
node.right = insertHelper(node.right, val);
else
return node; // 重复结点不插入，直接返回
updateHeight(node); // 更新结点高度
/* 2. 执行旋转操作，使该子树重新恢复平衡 */
node = rotate(node);
// 返回子树的根节点
return node;
}
删除结点¶
「AVL 树」删除结点操作与「二叉搜索树」删除结点操作总体相同。类似地，在删除结点后，也需要从底至顶地执行旋转操作，使所有失衡结点恢复平衡。
/* 删除结点 */
TreeNode remove(int val) {
root = removeHelper(root, val);
return root;
}
/* 递归删除结点（辅助函数） */
TreeNode removeHelper(TreeNode node, int val) {
if (node == null) return null;
/* 1. 查找结点，并删除之 */
if (val < node.val)
node.left = removeHelper(node.left, val);
else if (val > node.val)
node.right = removeHelper(node.right, val);
else {
if (node.left == null || node.right == null) {
TreeNode child = node.left != null ? node.left : node.right;
// 子结点数量 = 0 ，直接删除 node 并返回
if (child == null)
return null;
// 子结点数量 = 1 ，直接删除 node
else
node = child;
} else {
// 子结点数量 = 2 ，则将中序遍历的下个结点删除，并用该结点替换当前结点
TreeNode temp = minNode(node.right);
node.right = removeHelper(node.right, temp.val);
node.val = temp.val;
}
}
updateHeight(node); // 更新结点高度
/* 2. 执行旋转操作，使该子树重新恢复平衡 */
node = rotate(node);
// 返回子树的根节点
return node;
}
/* 获取最小结点 */
TreeNode minNode(TreeNode node) {
if (node == null) return node;
// 循环访问左子结点，直到叶结点时为最小结点，跳出
while (node.left != null) {
node = node.left;
}
return node;
}
查找结点¶
「AVL 树」的结点查找操作与「二叉搜索树」一致，在此不再赘述。
AVL 树典型应用¶
- 组织存储大型数据，适用于高频查找、低频增删场景；
- 用于建立数据库中的索引系统；
为什么红黑树比 AVL 树更受欢迎？
红黑树的平衡条件相对宽松，因此在红黑树中插入与删除结点所需的旋转操作相对更少，结点增删操作相比 AVL 树的效率更高。