前言：在二叉搜索树（BST）中，查找、插入和删除操作的效率依赖于树的高度。如果树不平衡，它的性能可能会大大降低，接近 O(n)。为了解决这个问题，AVL 树也就应运而生。
✨✨✨这里是秋刀鱼不做梦的BLOG
✨✨✨想要了解更多内容可以访问我的主页秋刀鱼不做梦-CSDN博客
在开始学习之前，先让我们看一下本文大致的讲解内容：
目录
1.AVL树的概念
2.AVL树节点的定义
3.AVL树的插入操作
4.AVL树旋转操作
（1）新节点插入较高右子树的右侧---左单旋
（2）新节点插入较高左子树的左侧---右单旋
（3）新节点插入较高左子树的右侧：先左单旋再右单旋（左右双旋）
（4）新节点插入较高右子树的左侧---右左：先右单旋再左单旋（右左双旋）
5.AVL树的验证
6.AVL树的删除操作
7.AVL树性能分析
1.AVL树的概念
在正式的学习Java中的AVL树之前，先让我们了解一下什么是AVL树：
AVL 树是一种自平衡的二叉搜索树（BST），以其发明者 G. M. Adelson-Velsky 和 E. M. Landis 的名字命名。
与普通的二叉搜索树不同，AVL 树在每次插入和删除节点后会自动进行调整，以保证树的平衡。
AVL 树通过控制每个节点的左右子树高度差不超过 1 来保持平衡。这样的设计保证了在最坏情况下，AVL 树的高度为 O(log n)，从而提高了查找、插入和删除操作的效率。
就跟前言中提及的一样，AVL树的出现就是为了解决在二叉搜索树中，查找、插入和删除操作的性能降低问题，提高搜索效率。
当然，看完上述有关AVL树的简介之后，我们还是不能很好的理解Java中的AVL树，接下来让我们一层一层的拨开其神秘的面纱。
2.AVL树节点的定义
AVL树是一棵平衡二叉搜索树，既然是树，那么就会有节点的定义，而AVL树的节点的定义如下：
public static class AVLTreeNode { public int val; // 节点的值 public AVLTreeNode left; // 左子节点 public AVLTreeNode right; // 右子节点 public AVLTreeNode parent; // 父节点 public int bf; // 平衡因子 (Balance Factor) // 构造函数，用于创建带有指定值的节点 public AVLTreeNode(int val) { this.val = val; // 初始化节点的值 }}这里我们在进行解释一下：
AVL 树节点类解释：
val：节点的值，表示存储在该节点中的整数。
left：左子节点，指向该节点的左孩子。如果没有左孩子，则为 null。
right：右子节点，指向该节点的右孩子。如果没有右孩子，则为 null。
parent：父节点，指向该节点的父节点。如果该节点是根节点，则 parent 为 null。
bf：平衡因子（Balance Factor），表示当前节点左右子树的高度差。平衡因子的值可以是 -1、0 或 1，用于决定是否需要旋转以保持 AVL 树的平衡性。
这样我们就了解了Java中AVL树的节点的定义了！接下来让我们将一个一个的节点插入二叉树中创建一棵AVL树吧。
3.AVL树的插入操作
AVL树就是在二叉搜索树的基础上引入了平衡因子，因此AVL树也可以看成是二叉搜索树。那么AVL树的插入过程可以分为两步：
按照二叉搜索树的方式插入新节点
调整节点的平衡因子
Java中AVL树的插入操作代码：
public void insertAVLTreeNode(int val) { // 插入节点 AVLTreeNode node = new AVLTreeNode(val); // 创建一个新的 AVL 树节点 if (root == null) { // 如果根节点为空，直接将新节点设为根节点 root = node; return; } AVLTreeNode prev = null; // prev 用于保存当前遍历节点的父节点 AVLTreeNode cur = root; // 从根节点开始查找插入位置 // 寻找插入位置 while (cur != null) { if (cur.val < val) { // 如果当前节点的值小于待插入值，移动到右子树 prev = cur; cur = cur.right; } else if (cur.val > val) { // 如果当前节点的值大于待插入值，移动到左子树 prev = cur; cur = cur.left; } else { // 如果当前节点的值等于待插入值，不做任何操作，直接返回（不允许重复节点） return; } } // 插入新节点 if (prev.val < val) { prev.right = node; // 将新节点作为父节点的右子节点 } else { prev.left = node; // 将新节点作为父节点的左子节点 } cur = node; // 当前节点指向新插入的节点 AVLTreeNode parent = cur.parent; // 获取当前节点的父节点 // 修改平衡因子 + 检查是否满足 AVL 树的平衡条件 while (parent != null) { // 从新插入的节点向上更新平衡因子 if (parent.left == node) { parent.bf--; // 如果新节点是左子树，平衡因子减 1 } else { parent.bf++; // 如果新节点是右子树，平衡因子加 1 } // 如果平衡因子为 0，子树高度没有变化，树保持平衡，直接返回 if (parent.bf == 0) { return; } // 如果平衡因子为 1 或 -1，树还是平衡的，继续向上更新 else if (parent.bf == 1 || parent.bf == -1) { cur = parent; // 向上移动 parent = cur.parent; // 更新父节点 } // 如果平衡因子为 2 或 -2，表示需要进行旋转操作来保持平衡 else { if (parent.bf == 2) { // 左子树高，需要左旋 if (cur.bf == 1) { rotateLeft(parent); // 单左旋 } else { rotateRL(parent); // 先右后左旋 (RL) } } else { // parent.bf == -2, 右子树高，需要右旋 if (cur.bf == -1) { rotateRight(parent); // 单右旋 } else { rotateLR(parent); // 先左后右旋 (LR) } } } }}上述代码的总梳理：
节点插入：首先找到合适的位置，插入新节点到二叉搜索树的正确位置。
更新平衡因子：在插入新节点后，需要从插入节点开始逐层向上更新其祖先节点的平衡因子（bf）。
检查是否需要旋转
：如果某个祖先节点的平衡因子绝对值大于 1，就需要通过旋转操作恢复平衡。
左旋（rotateLeft）：当插入导致某个节点的左子树过高时。
右旋（rotateRight）：当插入导致某个节点的右子树过高时。
左右旋（rotateRL）：当插入到右子树的左子树时，需要先右旋再左旋。
右左旋（rotateLR）：当插入到左子树的右子树时，需要先左旋再右旋。
当然，读者读到此处会问，什么是左旋，什么又是右旋，左右旋又是什么东西？这些东西又是干什么用的呢？接着往下看即可。
4.AVL树旋转操作
在AVL树的创建中，旋转使AVL树平衡是必不可少的，如果在一棵原本是平衡的AVL树中插入一个新节点，就可能造成不平衡，此时必须调整树的结构，使之平衡化。
根据节点插入位置的不同，AVL树的旋转分为四种：
（1）新节点插入较高右子树的右侧---左单旋
以下为Java中实现AVL树左单旋的代码：
public void rotateLeft(AVLTreeNode parent) { // 获取当前失衡节点的右子节点 AVLTreeNode subR = parent.right; // 获取右子节点的左子节点，因为旋转后这个节点将成为父节点的右子节点 AVLTreeNode subRL = subR.left; // 执行左旋：将 parent 的右子节点指向 subR 的左子节点 parent.right = subRL; // 将 subR 的左子节点指向 parent subR.left = parent; // 如果 subR 的左子节点存在，更新其父节点为 parent if (subRL != null) { subRL.parent = parent; } // 获取 parent 的父节点，以便更新连接 AVLTreeNode parParent = parent.parent; // 将 parent 的父节点指向 subR parent.parent = subR; // 如果 parent 是根节点，更新根节点为 subR if (parent == root) { root = subR; subR.parent = null; // 新根节点的父节点应为空 } else { // 如果 parent 不是根节点，根据 parent 是其父节点的左子节点还是右子节点，更新父节点的指针 if (parParent.left == parent) { parParent.left = subR; // 如果 parent 是左子节点，更新为 subR } else { parParent.right = subR; // 如果 parent 是右子节点，更新为 subR } subR.parent = parParent; // 更新 subR 的父节点为 parent 的父节点 } // 更新平衡因子，旋转后 parent 和 subR 的平衡因子都恢复为 0 parent.bf = subR.bf = 0;}代码解释：
获取右子节点：subR = parent.right 表示我们要对 parent 节点进行左旋操作，旋转的是 parent 的右子节点。重新连接节点：在左旋操作中，parent 的右子节点（subR）上升，成为新的父节点，原来的 parent 降为 subR 的左子节点。处理子树：如果 subR 的左子节点存在，左旋后需要将这个左子节点接到 parent 的右子树上。根节点的特殊处理：如果 parent 是根节点，则旋转后 subR 成为新的根节点，否则，更新 parent 的父节点（parParent）的子节点指向。更新平衡因子：由于旋转操作恢复了子树的平衡，parent 和 subR 的平衡因子都设置为 0。
（2）新节点插入较高左子树的左侧---右单旋
以下为Java中实现AVL树左单旋的代码：
public void rotateRight(AVLTreeNode parent) { // 获取parent的左子节点 AVLTreeNode subL = parent.left; // 获取subL的右子节点，用于更新parent的左子节点 AVLTreeNode subLR = subL.right; // 将parent的左子节点更新为subL的右子节点 parent.left = subLR; // 将subL的右子节点设为parent，完成右旋 subL.right = parent; // 如果subLR不为空，将其父节点设为parent if (subLR != null) { subLR.parent = parent; } // 获取parent的父节点parParent AVLTreeNode parParent = parent.parent; // 更新parent的父节点为subL parent.parent = subL; // 如果parent是根节点，更新根节点为subL if (parent == root) { root = subL; subL.parent = null; // subL成为新的根节点，没有父节点 } else { // 否则，判断parent是parParent的左子节点还是右子节点 if (parParent.left == parent) { parParent.left = subL; // 如果parent是左子节点，更新parParent的左子节点为subL } else { parParent.right = subL; // 如果parent是右子节点，更新parParent的右子节点为subL } // 更新subL的父节点为parParent subL.parent = parParent; } // 更新平衡因子，旋转后平衡因子都归为0 subL.bf = parent.bf = 0;}代码解释：
subL、subLR的获取：首先获取parent 节点的左子节点 subL，并从 subL 获取其右子节点 subLR。这些节点用于旋转过程中重新构建子树。子节点指针的更新：在旋转时，parent 的左子节点被更新为 subL 的右子节点，而 subL 的右子节点被更新为 parent。父节点更新：在旋转过程中，必须更新 parent 和 subL 的父节点关系。如果 parent 是根节点，旋转后的根节点需要更新为 subL。
（3）新节点插入较高左子树的右侧：先左单旋再右单旋（左右双旋）
以下为Java中实现AVL树左右双旋的代码：
public void rotateLR(AVLTreeNode parent) { // 获取parent的左子节点 AVLTreeNode subL = parent.left; // 获取subL的右子节点 AVLTreeNode subLR = subL.right; // 记录subLR的平衡因子 int valBF = subLR.bf; // 先对subL进行左旋转 rotateLeft(subL); // 然后对parent进行右旋转 rotateRight(parent); // 根据subLR的平衡因子更新旋转后的节点平衡因子 if (valBF == -1) { // 如果subLR的平衡因子为-1，更新parent的平衡因子为1，subLR和subL的平衡因子为0 parent.bf = 1; subLR.bf = 0; subL.bf = 0; } else if (valBF == 1) { // 如果subLR的平衡因子为1，更新subL的平衡因子为-1，parent的平衡因子为0，subLR的平衡因子为0 subL.bf = -1; parent.bf = 0; subLR.bf = 0; }}代码解释：
获取子节点：首先获取parent 的左子节点 subL 和 subL 的右子节点 subLR，并记录 subLR 的平衡因子。旋转操作：先对 subL 进行左旋转，然后对 parent 进行右旋转。这两次旋转是处理左-右情况（LR）的标准操作。更新平衡因子：根据 subLR 的原始平衡因子（valBF），更新旋转后节点的平衡因子。subLR 的平衡因子决定了旋转后的树的平衡状态。
（4）新节点插入较高右子树的左侧---右左：先右单旋再左单旋（右左双旋）
以下为Java中实现AVL树右左双旋的代码：
public void rotateRL(AVLTreeNode parent) { // 获取parent的右子节点 AVLTreeNode subR = parent.right; // 获取subR的左子节点 AVLTreeNode subRL = subR.left; // 记录subRL的平衡因子 int valBF = subRL.bf; // 先对subR进行右旋转 rotateRight(subR); // 然后对parent进行左旋转 rotateLeft(parent); // 根据subRL的平衡因子更新旋转后的节点平衡因子 if (valBF == -1) { // 如果subRL的平衡因子为-1，更新parent的平衡因子为0，subRL的平衡因子为0，subR的平衡因子为1 parent.bf = 0; subRL.bf = 0; subR.bf = 1; } else if (valBF == 1) { // 如果subRL的平衡因子为1，更新parent的平衡因子为-1，subRL的平衡因子为0，subR的平衡因子为0 parent.bf = -1; subRL.bf = 0; subR.bf = 0; }}代码解释：
获取子节点：首先获取parent 的右子节点 subR 和 subR 的左子节点 subRL，并记录 subRL 的平衡因子。旋转操作：先对 subR 进行右旋转，然后对 parent 进行左旋转。这两个旋转操作用于处理右-左情况（RL）。更新平衡因子：根据 subRL 的原始平衡因子（valBF），更新旋转后节点的平衡因子。subRL 的平衡因子决定了旋转后树的平衡状态。 通过以上的讲解，读者应该大致的了解了Java中AVL树的旋转操作了，也正是通过上述的旋转操作，解决了普通的二叉搜索树的单枝问题（时间复杂度O(N)）。
5.AVL树的验证
AVL树是在二叉搜索树的基础上加入了平衡性的限制，因此要验证AVL树，可以分两步：
验证其为二叉搜索树 如果中序遍历可得到一个有序的序列，就说明为二叉搜索树
验证其为平衡树 每个节点子树高度差的绝对值不超过1(注意节点中如果没有平衡因子) 节点的平衡因子是否计算正确
那么我们就根据上述的原理，来对AVL树进行验证：
// 中序遍历树，按顺序打印节点值public void inorder(TreeNode root) { if (root == null) { return; // 如果当前节点为空，直接返回 } inorder(root.left); // 递归遍历左子树 System.out.println(root.val); // 打印当前节点的值 inorder(root.right); // 递归遍历右子树}// 判断一棵树是否为 AVL 树public boolean isAVLTree(TreeNode root) { if (root == null) { return true; // 空树被认为是 AVL 树 } // 获取当前节点的左子树和右子树的高度 int left = getHeight(root.left); int right = getHeight(root.right); // 检查当前节点的平衡因子是否与计算的高度差一致 if (right - left != root.bf) { return false; // 平衡因子计算错误，不是 AVL 树 } // 递归检查左子树和右子树是否都是 AVL 树，并且当前节点的左右子树高度差不超过 1 return Math.abs(right - left) <= 1 && isAVLTree(root.left) && isAVLTree(root.right);}// 获取树的高度private int getHeight(TreeNode root) { if (root == null) { return 0; // 空节点高度为 0 } if (root.left == null && root.right == null) { return 1; // 叶节点高度为 1 } // 递归计算左子树和右子树的高度，取较大值并加 1 return Math.max(getHeight(root.left), getHeight(root.right)) + 1;}解释：
inorder 方法：
isAVLTree 方法：
getHeight 方法：
通过上述的代码的返回值，我们就可以判断一棵树是否为AVL树了！
6.AVL树的删除操作
对于Java中AVL树的删除操作，因为AVL树也是二叉搜索树，可按照二叉搜索树的方式将节点删除，然后再更新平衡因子，只不过与删除不同的是，删除节点后的平衡因子更新，最差情况下一直要调整到根节点的位置。
其删除的基本思路为：
1、找到需要删除的节点
2、按照搜索树的删除规则删除节点
3、更新平衡因子，如果出现了不平衡，进行旋转。--单旋，双旋
由于AVL书的删除操作过于庞大与复杂，这里我们不做过多的解释，如果读者有兴趣，可以上网查阅资料或者可以参考《算法导论》这本书中的推演。
7.AVL树性能分析
AVL树是一棵绝对平衡的二叉搜索树，其要求每个节点的左右子树高度差的绝对值都不超过1，这样可以保证查询时高效的时间复杂度。
但是如果要对AVL树做一些结构修改的操作，性能非常低下，比如：插入时要维护其绝对平衡，旋转的次数比较多，更差的是在删除时，有可能一直要让旋转持续到根的位置。
因此如果需要一种查询高效且有序的数据结构，而且数据的个数为静态的(即不会改变)，可以考虑AVL树，但一个结构经常修改，就不太适合。
以上就是本篇文章的全部内容了~~~