二叉树与平衡二叉搜索树(BST/AVL)核心原理与应用

1. 二叉树基础概念与核心性质

二叉树是每个节点最多有两个子节点（左子节点和右子节点）的有序树形结构。这种数据结构在计算机科学中应用广泛，从文件系统到数据库索引，从编译器语法分析到机器学习决策树，都能看到它的身影。

1.1 二叉树的基本术语

让我们先明确一些关键术语的定义：

• 节点(Node)：树的基本组成单元，包含数据和指向子节点的指针
• 根节点(Root)：没有父节点的顶层节点，是整棵树的入口
• 叶子节点(Leaf)：没有子节点的末端节点
• 内部节点：至少有一个子节点的非叶节点
• 度(Degree)：节点拥有的子节点数量（二叉树中每个节点的度≤2）
• 层(Level)：根节点位于第1层，其子节点为第2层，以此类推
• 深度(Depth)：从根到该节点的边数（根节点的深度为0）
• 高度(Height)：从该节点到最远叶子节点的边数（叶子节点的高度为0）

理解这些术语对于后续讨论二叉树的性质和操作至关重要。特别是深度和高度的区别，很多初学者容易混淆。记住：深度是从上往下数，高度是从下往上数。

1.2 二叉树的五种重要性质

二叉树有一些非常重要的数学性质，这些性质不仅是理论分析的基础，也在实际应用中发挥着关键作用。

性质1：第i层最多有2^(i-1)个节点

这个性质可以通过归纳法证明：

• 第1层（根节点）最多有1=2^0个节点
• 假设第k层最多有2^(k-1)个节点
• 那么第k+1层最多有2×2^(k-1)=2^k个节点

这个性质在计算二叉树的最大容量时非常有用。

性质2：高度为h的二叉树最多有2^(h+1)-1个节点

这是对前h+1层节点数的求和（等比数列求和公式）：
总和 = 2^0 + 2^1 + ... + 2^h = 2^(h+1) - 1

性质3：叶子节点数n₀与度为2的节点数n₂的关系

对于任意二叉树，都有：
n₀ = n₂ + 1

这个性质的证明可以从边的角度考虑：

1. 总边数 = n₁ + 2n₂（度为1的节点贡献1条边，度为2的贡献2条）
2. 除根节点外，每个节点都有1条来自父节点的边，所以总边数 = n - 1
3. 联立两个等式可得n₀ = n₂ + 1

性质4：含n个节点的完全二叉树高度为⌊log₂n⌋

完全二叉树的高度计算在堆等数据结构中非常重要。这个性质可以通过不等式推导得出：
2^h ≤ n < 2^(h+1) ⇒ h = ⌊log₂n⌋

性质5：完全二叉树的父子节点编号关系

对于按层序从1开始编号的完全二叉树：

• 节点i的父节点编号为⌊i/2⌋
• 左子节点编号为2i（如果存在）
• 右子节点编号为2i+1（如果存在）
• 叶子节点的编号满足i > ⌊n/2⌋

这个性质是数组实现堆的基础。

1.3 四种特殊二叉树

在实际应用中，我们会遇到几种特殊的二叉树形式：

满二叉树(Full Binary Tree)

每个内部节点都有恰好两个子节点，所有叶子节点都在同一层。满二叉树的节点总数与高度的关系为：节点数=2^(h+1)-1。

完全二叉树(Complete Binary Tree)

除最后一层外，其他层都完全填满，且最后一层的节点都集中在左侧。完全二叉树可以用数组紧凑存储，是堆实现的基础。

完美二叉树(Perfect Binary Tree)

所有内部节点都有两个子节点，且所有叶子节点都在同一层。完美二叉树是满二叉树的特例。

退化二叉树(Degenerate Binary Tree)

每个内部节点只有一个子节点，实际上退化为链表结构。这是BST在最坏情况下的形态。

1.4 二叉树的四种遍历方式

遍历是二叉树最基本的操作之一，主要有四种方式：

1. 前序遍历(Pre-order)：根→左→右
2. 中序遍历(In-order)：左→根→右
3. 后序遍历(Post-order)：左→右→根
4. 层序遍历(Level-order)：按层次从上到下，每层从左到右

每种遍历方式都有其特定的应用场景：

• 前序遍历常用于树的序列化
• 中序遍历对BST会得到有序序列
• 后序遍历常用于计算子树信息
• 层序遍历常用于广度优先搜索

2. 二叉搜索树(BST)详解

二叉搜索树(Binary Search Tree, BST)是一种特殊的二叉树，它满足以下性质：
对于树中的任意节点：

1. 左子树中所有节点的值都小于该节点的值
2. 右子树中所有节点的值都大于该节点的值
3. 左右子树也都是BST

2.1 BST的核心操作

查找操作

BST的查找操作类似于二分查找：

cpp复制bool search(Node* node, int key) {
    if (!node) return false;
    if (key == node->val) return true;
    return key < node->val ? search(node->left, key) 
                          : search(node->right, key);
}

时间复杂度：最好O(log n)，最坏O(n)

插入操作

插入操作需要保持BST的性质：

cpp复制Node* insert(Node* node, int key) {
    if (!node) return new Node(key);
    if (key < node->val)
        node->left = insert(node->left, key);
    else if (key > node->val)
        node->right = insert(node->right, key);
    return node;
}

删除操作

删除操作较为复杂，需要考虑三种情况：

1. 删除叶子节点：直接删除
2. 删除只有一个子节点的节点：用子节点替代
3. 删除有两个子节点的节点：用后继节点替代

cpp复制Node* deleteNode(Node* root, int key) {
    if (!root) return nullptr;
    
    if (key < root->val