C++手撕红黑树：从0到200行，拿下STL map底层核心

Ne0inhk

— 9 min read
C++手撕红黑树：从0到200行，拿下STL map底层核心

文章目录

C++手撕红黑树：从0到200行，拿下STL map底层核心

1. 红黑树的概念

红黑树是一棵二叉搜索树，它的每个结点增加一个存储位来表示结点的颜色，可以是红色或者黑色。通过对任何一条从根到叶子的路径上各个结点的颜色进行约束，红黑树确保没有一条路径会比其他路径长出2倍，因而是接近平衡的。

1.1 红黑树的规则

  1. 每个结点不是红色就是黑色。
  2. 根结点是黑色的。
  3. 如果一个结点是红色的，则它的两个孩子结点必须是黑色的（即任意一条路径不会有连续的红色结点）。
  4. 对于任意一个结点，从该结点到其所有 NULL 结点的简单路径上，均包含相同数量的黑色结点。
说明：《算法导论》等书籍中补充了“每个叶子结点（NIL）都是黑色的”规则。这里所指的叶子结点不是传统意义上的叶子结点，而是我们说的空结点（NIL），也叫外部结点。引入 NIL 是为了准确标识所有路径，但在实现细节中通常忽略 NIL 结点，了解概念即可。
在这里插入图片描述


在这里插入图片描述

1.2 红黑树如何确保最长路径不超过最短路径的2倍？

  • 由规则4可知，从根到 NULL 结点的每条路径都有相同数量的黑色结点。极端场景下，最短路径一定是全为黑色结点的路径，假设最短路径长度为 bh（black height）。
  • 由规则2和规则3可知，任意一条路径不会有连续的红色结点。极端场景下，最长路径就是一黑一红间隔组成，那么最长路径的长度为 2 * bh。
  • 综合红黑树的4点规则，理论上的全黑最短路径和一黑一红的最长路径并不一定在每棵红黑树中都存在。假设任意一条从根到 NULL 结点的路径长度为 h，那么 bh <= h <= 2 * bh。

1.3 红黑树的效率

假设 N 是红黑树中结点数量，h 是最短路径的长度，那么：

2^h - 1 <= N <= 2^(2*h) - 1

由此推出 h ≈ logN，即红黑树增删查改的最坏情况是走最长路径 2*logN，时间复杂度仍为 O(logN)。

红黑树的表达相对 AVL 树要抽象一些。AVL 树通过高度差直观地控制平衡，而红黑树通过4条规则的颜色约束间接实现了近似平衡。两者效率属于同一档次，但红黑树在插入相同数量的结点时旋转次数更少，因为它对平衡的控制没那么严格。

在这里插入图片描述

2. 红黑树的实现

2.1 红黑树的结构

// 枚举值表示颜色enumColour{ RED, BLACK };// 这里默认按 key/value 结构实现template<classK,classV>structRBTreeNode{// 更新控制平衡需要加入 parent 指针 pair<K, V> _kv; RBTreeNode<K, V>* _left; RBTreeNode<K, V>* _right; RBTreeNode<K, V>* _parent; Colour _col;RBTreeNode(const pair<K, V>& kv):_kv(kv),_left(nullptr),_right(nullptr),_parent(nullptr){}};template<classK,classV>classRBTree{typedef RBTreeNode<K, V> Node;public:// ...private: Node* _root =nullptr;};

2.2 红黑树的插入

2.2.1 插入的大概过程

  1. 按二叉搜索树规则插入新结点。
  2. 如果是空树插入，新增结点为黑色；如果是非空树插入，新增结点必须为红色（否则会破坏规则4）。
  3. 非空树插入后，如果父亲结点是黑色，则插入结束；如果父亲结点是红色，则违反规则3，需要进一步处理。
约定：c 为当前结点（cur），p 为父亲（parent），g 为祖父（grandfather），u 为叔叔（uncle，即 p 的兄弟）。

2.2.2 情况1：变色

条件：c 为红，p 为红，g 为黑，u 存在且为红。
处理：将 p 和 u 变黑，g 变红，然后把 g 当作新的 c，继续往上更新。

  • 无论 c 是 p 的左还是右，p 是 g 的左还是右，处理方法相同。

如果 g 是根，最后再将 g 变回黑色。

在这里插入图片描述

2.2.3 情况2：单旋 + 变色

条件：c 为红，p 为红，g 为黑，u 不存在或为黑。

  • 如果 u 不存在，c 一定是新增结点。
  • 如果 u 存在且为黑，c 一定不是新增，而是由情况1变色更新上来的。

处理：

  • p 是 g 的左，c 是 p 的左：以 g 为旋转点进行右单旋，再将 p 变黑，g 变红。

p 是 g 的右，c 是 p 的右：以 g 为旋转点进行左单旋，再将 p 变黑，g 变红。

在这里插入图片描述

2.2.4 情况3：双旋 + 变色

条件：c 为红，p 为红，g 为黑，u 不存在或为黑，且 c 与 p 的方向不一致。

处理：

  • p 是 g 的左，c 是 p 的右：先以 p 为旋转点进行左单旋，再以 g 为旋转点进行右单旋，最后将 c 变黑，g 变红。

p 是 g 的右，c 是 p 的左：先以 p 为旋转点进行右单旋，再以 g 为旋转点进行左单旋，最后将 c 变黑，g 变红。

在这里插入图片描述

2.3 红黑树的插入代码实现

boolInsert(const pair<K, V>& kv){if(_root ==nullptr){ _root =newNode(kv); _root->_col = BLACK;returntrue;} Node* parent =nullptr; Node* cur = _root;while(cur){if(cur->_kv.first < kv.first){ parent = cur; cur = cur->_right;}elseif(cur->_kv.first > kv.first){ parent = cur; cur = cur->_left;}else{returnfalse;}} cur =newNode(kv); cur->_col = RED;// 新增结点为红色if(parent->_kv.first < kv.first){ parent->_right = cur;}else{ parent->_left = cur;} cur->_parent = parent;while(parent && parent->_col == RED){ Node* grandfather = parent->_parent;if(parent == grandfather->_left){ Node* uncle = grandfather->_right;if(uncle && uncle->_col == RED){// 情况1：叔叔存在且为红 parent->_col = uncle->_col = BLACK; grandfather->_col = RED; cur = grandfather; parent = cur->_parent;}else{// 情况2/3：叔叔不存在或为黑if(cur == parent->_left){// 单旋RotateR(grandfather); parent->_col = BLACK; grandfather->_col = RED;}else{// 双旋RotateL(parent);RotateR(grandfather); cur->_col = BLACK; grandfather->_col = RED;}break;}}else{ Node* uncle = grandfather->_left;if(uncle && uncle->_col == RED){// 情况1：叔叔存在且为红 parent->_col = uncle->_col = BLACK; grandfather->_col = RED; cur = grandfather; parent = cur->_parent;}else{// 情况2/3：叔叔不存在或为黑if(cur == parent->_right){RotateL(grandfather); parent->_col = BLACK; grandfather->_col = RED;}else{RotateR(parent);RotateL(grandfather); cur->_col = BLACK; grandfather->_col = RED;}break;}}} _root->_col = BLACK;returntrue;}
旋转代码与 AVL 树相同，只需调整指针，无需更新平衡因子。

2.4 红黑树的查找

按二叉搜索树逻辑实现，时间复杂度 O(logN)。

Node*Find(const K& key){ Node* cur = _root;while(cur){if(cur->_kv.first < key){ cur = cur->_right;}elseif(cur->_kv.first > key){ cur = cur->_left;}else{return cur;}}returnnullptr;}

2.5 红黑树的验证

不能简单地通过检查最长路径不超过最短路径2倍来验证，因为即使满足该条件，颜色规则也可能被破坏。必须检查4点规则：

  1. 根结点为黑色。
  2. 无连续红色结点。
  3. 每条路径黑色结点数量相同。
boolCheck(Node* root,int blackNum,constint refNum){if(root ==nullptr){if(refNum != blackNum){ cout <<"存在黑色结点数量不相等的路径"<< endl;returnfalse;}returntrue;}if(root->_col == RED && root->_parent->_col == RED){ cout << root->_kv.first <<"存在连续的红色结点"<< endl;returnfalse;}if(root->_col == BLACK){ blackNum++;}returnCheck(root->_left, blackNum, refNum)&&Check(root->_right, blackNum, refNum);}boolIsBalance(){if(_root ==nullptr)returntrue;if(_root->_col == RED)returnfalse;// 参考值：最左路径的黑色结点数int refNum =0; Node* cur = _root;while(cur){if(cur->_col == BLACK)++refNum; cur = cur->_left;}returnCheck(_root,0, refNum);}

Read more

Neo4j 知识讲解与在线工具使用教程

图数据库领域的核心工具 ——Neo4j，同时详细拆解其在线预览控制台（https://console-preview.neo4j.io/）的使用方法，以及查询工具（https://console-preview.neo4j.io/tools/query）的模块功能。 一、Neo4j 核心知识铺垫 在使用工具前，我们需要先理解 Neo4j 的本质和核心概念，这是后续操作的基础。 1. 什么是 Neo4j？ Neo4j 是世界上最流行的原生图数据库（Native Graph Database），专门用于存储、查询和分析 “实体之间的关联关系”。它与我们熟悉的 MySQL 等关系型数据库的核心差异的是： * 关系型数据库（MySQL）：用 “表 + 行 + 外键” 间接表示关联，查询多表关联时需频繁 JOIN，效率低； * 图数据库（Neo4j）

By Ne0inhk
【无人机】无人机路径规划算法

【无人机】无人机路径规划算法

目录 一、引言：无人机与路径规划算法 二、路径规划算法基础 （一）定义与重要性 （二）规划目标与约束条件 三、常见路径规划算法详解 （一）A * 算法 （二）Dijkstra 算法 （三）RRT（快速扩展随机树）算法 （四）蚁群算法 四、算法应用实例与效果展示 （一）不同场景下的算法应用 （二）算法性能对比数据 五、算法的优化与发展趋势 （一）现有算法的优化策略 （二）结合新技术的发展方向 六、挑战与展望 （一）面临的技术挑战 （二）未来应用前景 七、结论 一、引言：无人机与路径规划算法 在科技飞速发展的今天，无人机作为一种极具创新性的技术产物，已深度融入我们生活的方方面面，

By Ne0inhk

简单理解：单片机怎么和FPGA通信

了解单片机与 FPGA 之间的通信方式，这是嵌入式系统中非常常见的硬件交互场景，核心是要根据传输速率、硬件资源、开发复杂度选择合适的通信协议。 一、主流通信方式及实现方案 单片机和 FPGA 通信主要分为并行通信和串行通信两大类，下面按从易到难、从低速到高速的顺序介绍： 1. 通用 IO 口（GPIO）自定义协议（最简单） 适合低速、短距离、数据量小的场景（如按键、状态交互），完全自定义通信规则，开发灵活。 * 硬件连接： * 单片机：1 个输出引脚（发送） + 1 个输入引脚（接收） * FPGA：1 个输入引脚（接收） + 1 个输出引脚（发送） * 需共地，建议加 10K 上拉电阻提高稳定性。 * 单片机端（C 语言，

By Ne0inhk