資料結構-二元樹篇-1
前情提要
這篇文章是資料結構系列的第二篇，主要討論 Binary Tree（二元樹） 的基礎概念與相關理論。今天整理了 Binary Tree 的定義、基本性質、常見類型，以及一些重要的數學性質與推導，像是節點數、樹的高度等。此外，也介紹了二元樹的實現方式（陣列與鏈結串列）和走訪方法，並分享了一些經典範例題的解法，希望幫助讀者快速掌握二元樹的核心知識。
Binary Tree 和 Tree 的討論
所有的樹是可以表示成二元樹的 (樹轉二元樹)，所以有很多人會把 Tree 跟 Binary Tree 搞混，有很重要的重點就是，樹不可以為空，但是 Binary Tree 可以為空，除此之外樹是沒有順序之分。
Tree 和 Binary Tree degree 也有不同，因為 Tree Node's \(degree >= 0\)，但是 Binary Tree Node's \(0 <= degree <=2\)。
像是以下這個圖就是一個例子，在 Binary Tree 中這兩個是不同的樹，但是在樹裡面就是相同的樹。
Binary Tree 定義
- A binary tree is a finite set of nodes that is either empty or consists of a root and two disjoint binary trees called theleft subree an the right subtree. (也就是說二元樹可以是空，那麼由一個 root 和兩個不相交的兩個子樹，這兩個子樹分別為右子樹、左子樹)
Binary Tree ADT
結構 : Binary_Tree (簡寫為
BinTree)
物件 : 一組有限的節點，可以是空的，或包含根節點、左子樹，以及右子樹。
\[ \forall bt, bt1, bt2 \in \text{BinTree}, \; item \in \text{element} \]
函數定義
以下是最小的操作步驟也就是說你的一個 Binary Tree
需要這些操作才能正常運作，當然你的ADT可ㄧ有很多自定義的操作，但是以
horowitz 的書中是這樣寫的。
BinTree Create() : 建立一個空的二元樹
Boolean IsEmpty(bt) : if (bt == 空二元樹) 則返回 TRUE，否則返回 FALSE
BinTree MakeBT(bt1, item, bt2) : 建立一個二元樹，左子樹為
bt1，右子樹為bt2，根節點包含資料項itemBinTree Lchild(bt) : if (IsEmpty(bt)) 則返回錯誤，否則返回 bt 的左子樹
element Data(bt) : if (IsEmpty(bt)) 則返回錯誤，否則返回 bt 根節點中的資料
BinTree Rchild(bt) : if (IsEmpty(bt)) 則返回錯誤，否則返回 bt 的右子樹
Binary Tree Types
skewed :
complete binary tree : 用直白的話說 complete 其實就是你在 n-1 層是滿的且你在第 n 層是一定要按照 binary tree 的順序生成樹的不能有位置跳號的情況。
not complete binary tree :
full binary tree : 這代表了是把所有編號都長滿那麼這個就是一個 full binary tree，那 full binary tree 也滿足 complete binary tree。
Strict binary tree : Each non-leaf node will havw two children. There is no degree-1 nodes exist.
Binary Tree 的 4 個 Lemma
以下會介紹 Binary Tree 的 4 個 Lemma 其中有兩個屬於 Maxiumm number of nodes 的證明，和一個 Relation between number of leaf node and nodes of degree 2，和一個是從 Maxiumm number of nodes 變化出來的特別針對於 complete binary tree。
Maxiumm number of nodes
The maximum number of nodes on level \(i\) of a binary tree is \(2^{i-1}\), \(i >= 1\).
Proof:
Induction base : 當這個 root node 是唯一的時候，因此第一層的最大節點數是 \(1\), by \(2^{1-1} = 2^0 = 1\)。
Induction hypothesis : \(\forall j, 1 <= j < i\)，第 \(j\) 層對大節點樹為 \(2^{j-1}\)。
Induction step : 根據 Induction hypothesis 所以可以知道最多 nodes 是在 \(i-1\) 層得 \(2^{i-2}\)，那我們又可以知道每個節點最多有兩個子節點，而得知在第 \(i\) 我們可以知道 \(2^{i-1}\)。
The maximum number of nodes in a binary tree of depth k is \(2^k - 1\), \(k >= 1\).
Proof :
Clam : 由 Lemma 1 我們可以知道每層最大的節點數目是 \(2^{i-1}\) 那麼我們把所有層的最大總點數加總。
\[ \text{幾何級數公式 :} \quad \sum_{i=0}^{n-1} a \cdot r^i = a \cdot \frac{1 - r^n}{1 - r} \]
\[ \text{對應到此處 :} \quad a = 1, \, r = 2, \, n = k \]
\[ \text{因此, 我們有 :} \quad \sum_{i=1}^k 2^{i-1} = \frac{1 \cdot (2^k - 1)}{1} = 2^k - 1 \]
\[ \text{所以 :} \quad \sum_{i=1}^k(每層最大節點數) = 2^k - 1 \]
如果有一個 complete binary tree 他有 n 個 nodes 那麼他的深度會是 \(\lfloor log_2n + 1 \rfloor\) 假設一棵完全二元樹有 \(n\) 個節點，則這棵樹的高度可以表示為：
Proof :
\[ 2^k - 1 \leq n < 2^{k+1} - 1 \]
對這個不等式兩邊取對數：
\[ \log_2(2^k - 1) \leq \log_2 n \]
當 \(k\) 很大時，\(2^k - 1\) 可以近似為 \(2^k\)，因此：
\[ \log_2(2^k) \approx \log_2 n \]
所以：
\[ k \approx \log_2 n \]
由於樹的高度是從 1 開始計算的，所以最終的高度公式為：
\[ k = \lfloor \log_2(n+1) \rfloor \, or \, \lfloor log_2n \rfloor + 1 \]
- 以下很重要
- \(i\) is nodes index
- parent(i) is at \(\lfloor i/2 \rfloor , if \not ={1}, if = 1 \,\text{it is root}\)
- left_child(i) is at \(2i,if \, 2i <= n\) 如果超過這個界線就是沒有 left_child。
- right_child(i) is at \(2i+1, if \, 2i+1 <= n\) 如果超過這個界線就是代表他沒有 right_child。
Relation between number of leaf node and nodes of degree 2
在 Binary Tree 有一個現象，leaf 和 degree 2 的點數有些關係，這個證明滿重要的。
\(\forall \, T \, \text{is a nonempty Binary Tree}\), if \(n_0\) is leaf nodes and \(n_2\) is two degree nodes, then \(n_0 = n_2 + 1\).
Proof :
let \(n_1\) is degree one nodes and n the is total number of nodes，那麼我們可以很清楚知道以下公式。
\[ n=n_0 + n_1 + n_2 \]
那麼我們又可以知道 \(u=v-1 \Rightarrow n=B+1\), \(B=barnch \, number\) 那麼我們又可以知道以下公式 \[ n=1+n_1 + 2n_2 \]
那麼我們由兩式整理得以下公式
\[ n_0+n_1+n_2 = 1 + n_1 + 2n_2 \Rightarrow n_0 = 1 + n_2 \]
總結
- Lemma 2 可以得知一個 full binary tree 他就會有 \(2^k-1\) 個
nodes，這個應該滿好理解就不說了，在
horowitz書中有寫到第 195 頁底下。
Binary Tree 的最小高度推導
Q1. 若二元樹有 \(n\) 個節點，最小高度是多少？
一棵滿二元樹擁有 \(n\) 個節點時，高度是最小的。滿二元樹是指所有層次都被完全填滿的一棵二元樹。
對於滿二元樹，其節點數 \(n\) 與高度 \(h\) 的關係是：
\[ n = 2^h - 1 \]
這可以解釋為，高度為 \(h\) 的滿二元樹，其節點數量是 \(2^h - 1\)。
反過來，最小高度 \(h\) 與節點數 \(n\)的關係為：
\[ h = \lceil \, \log_2(n+1) \, \rceil \]
因此，如果有 \(n\) 個節點，二元樹的最小高度為：
\[ h_{\text{min}} = \lceil \, \log_2(n+1) \, \rceil \]
這公式表明了給定 \(n\) 個節點時的最小高度，對應於每一層節點都儘量填滿的情況。
Q2. 若有 \(n\) 個葉節點，最小高度是多少？
假設我們有 \(n\) 個葉節點，我們要構造一棵高度最小的二元樹。在二元樹中，葉節點的數量決定了樹的最小高度。最小高度的二元樹是一棵滿二元樹，其中所有的葉節點都位於最後一層或倒數第二層。
若我們將 \(l\) 代表葉節點的數量，滿二元樹的葉節點數與高度 \(h\) 的關係為 :
\[ 2^{h-1} \leq l < 2^h \]
這表示高度 \(h\) 的二元樹最多可以容納 \(2^{h-1}\) 到 \(2^h - 1\) 個葉節點。
對於最小高度，我們取 :
\[ h_{\text{min}} = \lceil \, \log_2 l \, \rceil + 1 \]
因此，若有 \(n\) 個葉節點，二元樹的最小高度為：
\[ h_{\text{min}} = \lceil \, \log_2 n \, \rceil + 1 \]
這表示給定 \(n\) 個葉節點，最小高度是 \(\lceil \log_2 n \rceil\) 再加一層 root node。
Binary Tree representations
Array method
需要 \(2^k -1\) 個 Array 空間。
優點
- 容易存取 parent 畢竟 \(\lfloor i/2 \rfloor\) 就可以存取到了。
- 對於 Full Binary tree 可以充分利用，沒有浪費
缺點
- 不容易刪除解點，但是 dynamic array 可以解決。
- 對於 skewed binary tree 浪費空間如果高度為
H則浪費\(2^{H}-1-H\)，可以這樣想畢竟你每個點的數量就 \(1\) 那麼當然就是減高度就可以知道了。
範例
(A(B,E),C)為例
Link list method
優點
- 容易新增和刪除節點
- 對於 skewed binary tree 比 Array 的方式省空間。
缺點
- 不容易存取父點。
- Link space 浪費約一半的空間。如果有 \(N\) 個節點，則有 \(N+1\) 條的 Nil link，由此 \(2N-(N-1)\) 得知。
範例這邊就不畫了，手快斷掉了哈哈哈：
Binary Tree Traversal
大家想想，right subtree 和 left subtree 和
root 有幾種走訪方式 3!
種對吧，但是為了方便，有的就不討論了，核心就是一定要 left
subtree 先走，然後才走 right
subtre，那麼這樣就分成了，VLR (preorder)、LVR
(inorder)、LRV (postorder)，反正就看 V
在哪裡就是叫什麼樣的走法，那麼還有一個比較特別的
Level-Order，在 horowitz 書中有寫到那我覺得他就是
BFS 其實，那麼走訪的 complexity 都是 \(O(n)\)，畢竟就是看你有幾個點對吧。
Determin the Unique Binary Tree，那我總結就是你有 inorder 的走訪路徑，都可以還原成一棵樹，但是有些特例是可以不需要 inorder 就可以還原原本的樹了，complete 包含 full binary tree 這兩種樹都可以不需要 inorder 就可以還原了，當然你給也是可以還原。
範例題目 108 中山資管資料結構
那麼看到這個題目基本就秒殺哈哈哈哈，可以先知道 Preorder 就是第一個是 root 所以去 inorder 從 A 的位置切一刀你就知道左半邊是 left subtree，右半邊是 right subtree，然後一直反覆反覆就可以得知答案了。
