对于我这样一个毕业了一年半左右的前端来说,很摸着良心的讲,平时工作中,没有遇到过写什么树。但是有大块时间的时候,觉得这些还是得好好复习一下,或者说预习。今天的主角是二分搜索树。

二分搜索树

二分搜索树也是二叉树,和二叉树长的一样,就是有个特点,每个节点的值比他的左子树的值大,比他的右子树的值小。如下图所示:

那么接下来就来实现一下这个树:

// 声明节点构造函数 当前节点的值,左节点,右节点
class Node {
  constructor(value) {
    this.value = value
    this.left = null
    this.right = null
  }
}
// 二分搜索树构造函数
class BST {
  constructor() {
    this.root = null
    this.size = 0
  }
  getSize() {
    return this.size
  }
  isEmpty() {
    return this.size === 0
  }
  addNode(v) {
    // 每次添加子节点后,更新树
    this.root = this._addChild(this.root, v)
  }
  _addChild(node, v) {
    if (!node) {
      this.size++
      return new Node(v)
    }
    if (node.value > v) {
      console.log(`在${node.value}节点,添加左节点${v}`)
      node.left = this._addChild(node.left, v)
    } else if (node.value < v) {
      console.log(`在${node.value}节点,添加右节点${v}`)
      node.right = this._addChild(node.right, v)
    }
    return node
  }    
}

let bst = new BST()
// 第一个节点
bst.addNode(10)
// 后续节点
bst.addNode(8)
bst.addNode(6)
bst.addNode(3)
bst.addNode(7)
bst.addNode(9)
bst.addNode(12)
bst.addNode(11)
bst.addNode(15)
bst.addNode(14)

console.log(bst)

复制代码

运行结果如下:

左节点值是 8 右节点值 12 中间节点值是 10。

再展开左节点看一下

右边就不再展开赘述了

二分搜索树 -- 遍历

二叉树遍历 分为深度遍历(先序遍历、中序遍历、后序遍历,三种遍历的区别在于何时访问节点), 广度遍历(一层层地遍历)

先序遍历

绕不开的递归又出现了,想起有一天右边同事妹子很开心的和我说她知道了递归的终极奥义:“递归的终极奥义就是:不要想递归是怎么具体一步步实现的”

那我先来实现一下先序遍历

class BST { 
    ...
    // 添加先序遍历实现,其实就是很简单的几行代码
    preTraversal() {
      this._pre(this.root)
    }
    _pre(node) {
      if (node) {
        // 访问节点的值
        console.log(node.value)
        // 递归左右子树
        this._pre(node.left)
        this._pre(node.right)
      }
    }
}
// 用上面生成的bst实例执行一下,结果如下图
bst.preTraversal()
复制代码

那么这个结果是如何生成的呢?

  1. 先是打印 10,这个毫无争议 然后 this._pre(node.left),this._pre(node.right) 这两个方法看似两行,其实左子树没有遍历完结的话是不会去遍历右子树的
  2. 此时 this._pre(node.left) 中参数是如下图部分,同样,会对这部分执行那 3 行代码,首先会打印 8 , 然后以 8 那个节点作为根节点,去遍历左右子树

3. 打印 8 之后,遍历左子树的参数如下图部分,同样,会对这部分执行那 3 行代码,首先会打印 6 , 然后以 6 那个节点作为根节点,去遍历左右子树

4. 这个时候遍历左子树时候 this_pre(node.left) 的参数只是 3 节点,3 节点没有子树,那么在执行上面那 3 行代码只是打印 3 ,this._pre(node.left) 和 this._pre(node.right) 执行不下去了。

  1. 上面第三步骤时候,打印 6 之后,先遍历左子树,后遍历右子树。而此时的遍历左子树只是打印 3。于是要去遍历 6 的右子树,也就是打印 7。
  2. 打印 7 之后,本例中,作为节点 8 的左节点已经遍历完毕。遍历 8 的右节点,也就是打印 9,之后 8 的右节点也遍历完毕。
  3. 再往回退,打印 9 之后,也就是 10 节点的左节点已经全部遍历完毕。 所以打印的结果是 10 8 6 3 7 9
  4. 同样的逻辑此时该去遍历 10 节点的右节点了。依次打印 12 11 15 14 ,所以最终结果就是 10 8 6 3 7 9 12 11 15 14

一步步的推导递归的具体实现后,还真的觉的上面所说递归的奥义那句话总结的是很有意思的。

中序遍历

后序遍历

广度遍历

(以上参考掘金小册,融入自己的实操和思考,因为是收费小册,参考的地址没办法贴出来)

感谢    赞同    分享    收藏    关注    反对    举报    ...