计算平衡因子代码c语言实现

在C语言中，平衡因子也称为树的高度差，通常用于二叉搜索树（BST）的数据结构中，用于判断树是否保持了左小于右的特性。平衡因子是指一个节点的左子树高度减去右子树高度的结果。以下是一个简单的C语言函数，用于计算单个节点的平衡因子：

int getBalanceFactor(struct Node* node) {
    // 如果节点为空，则认为平衡因子为0
    if (node == NULL) {
        return 0;
    }
    
    // 计算左子树高度
    int leftHeight = height(node->left);
    
    // 计算右子树高度
    int rightHeight = height(node->right);
    
    // 返回左右子树高度之差作为平衡因子
    return leftHeight - rightHeight;
}

// 这里假设height()函数是一个辅助函数，返回给定节点的子树高度
int height(struct Node* node) {
    if (node == NULL)
        return 0;
    else
        return 1 + max(height(node->left), height(node->right));
}

相关问题

平衡二叉树代码实现c语言

平衡二叉树（AVL树）是一种自平衡的二叉搜索树，它的左子树和右子树的高度差不超过1。下面是一个简单的平衡二叉树的代码实现（C语言）：

#include <stdio.h>
#include <stdlib.h>

// 定义平衡二叉树节点结构
typedef struct AVLNode {
    int data;               // 节点数据
    int height;             // 节点高度
    struct AVLNode* left;   // 左子树指针
    struct AVLNode* right;  // 右子树指针
} AVLNode;

// 获取节点的高度
int getHeight(AVLNode* node) {
    if (node == NULL) {
        return 0;
    }
    return node->height;
}

// 计算节点的平衡因子
int getBalanceFactor(AVLNode* node) {
    if (node == NULL) {
        return 0;
    }
    return getHeight(node->left) - getHeight(node->right);
}

// 更新节点的高度
void updateHeight(AVLNode* node) {
    int leftHeight = getHeight(node->left);
    int rightHeight = getHeight(node->right);
    node->height = (leftHeight > rightHeight ? leftHeight : rightHeight) + 1;
}

// 左旋操作
AVLNode* leftRotate(AVLNode* node) {
    AVLNode* newRoot = node->right;
    node->right = newRoot->left;
    newRoot->left = node;
    updateHeight(node);
    updateHeight(newRoot);
    return newRoot;
}

// 右旋操作
AVLNode* rightRotate(AVLNode* node) {
    AVLNode* newRoot = node->left;
    node->left = newRoot->right;
    newRoot->right = node;
    updateHeight(node);
    updateHeight(newRoot);
    return newRoot;
}

// 插入节点
AVLNode* insertNode(AVLNode* root, int data) {
    if (root == NULL) {
        AVLNode* newNode = (AVLNode*)malloc(sizeof(AVLNode));
        newNode->data = data;
        newNode->height = 1;
        newNode->left = NULL;
        newNode->right = NULL;
        return newNode;
    }
    if (data < root->data) {
        root->left = insertNode(root->left, data);
    } else if (data > root->data) {
        root->right = insertNode(root->right, data);
    } else {
        // 已存在相同节点，不进行插入
        return root;
    }
    updateHeight(root);
    int balanceFactor = getBalanceFactor(root);
    // 左子树高度大于右子树
    if (balanceFactor > 1) {
        if (data < root->left->data) {
            // 左左情况，进行右旋操作
            return rightRotate(root);
        } else if (data > root->left->data) {
            // 左右情况，先对左子树进行左旋操作，再对根节点进行右旋操作
            root->left = leftRotate(root->left);
            return rightRotate(root);
        }
    }
    // 右子树高度大于左子树
    if (balanceFactor < -1) {
        if (data > root->right->data) {
            // 右右情况，进行左旋操作
            return leftRotate(root);
        } else if (data < root->right->data) {
            // 右左情况，先对右子树进行右旋操作，再对根节点进行左旋操作
            root->right = rightRotate(root->right);
            return leftRotate(root);
        }
    }
    return root;
}

// 中序遍历二叉树
void inorderTraversal(AVLNode* root) {
    if (root == NULL) {
        return;
    }
    inorderTraversal(root->left);
    printf("%d ", root->data);
    inorderTraversal(root->right);
}

int main() {
    AVLNode* root = NULL;
    int data[] = {5, 3, 7, 2, 4, 6, 8};
    int n = sizeof(data) / sizeof(data);
    for (int i = 0; i < n; i++) {
        root = insertNode(root, data[i]);
    }
    printf("中序遍历结果：");
    inorderTraversal(root);
    printf("\n");
    return 0;
}

这段代码实现了平衡二叉树的插入操作，并提供了一个简单的示例来演示插入操作后的中序遍历结果。你可以根据需要修改代码来适应其他操作，比如删除节点等。

平衡二叉树算法的c语言代码

平衡二叉树，如AVL树或红黑树，是一种特殊的二叉搜索树，它的左右两个子树的高度差不超过1。以下是使用C语言实现AVL树的基本插入操作的一个简单示例，它包含了旋转操作来保持平衡：

#include <stdio.h>
#include <stdlib.h>

// 定义节点结构
typedef struct Node {
    int data;
    struct Node* left;
    struct Node* right;
    int height; // 节点高度
} Node;

// 计算新插入节点的新高度
int computeHeight(Node* node) {
    if (node == NULL)
        return 0;
    else
        return node->height;
}

// 更新节点的平衡因子（左子树高度 - 右子树高度）
int getBalanceFactor(Node* node) {
    if (node == NULL)
        return 0;
    else
        return computeHeight(node- computeHeight(node->right);
}

// 左旋
Node* leftRotate(Node* y) {
    Node* x = y->right;
    Node* T2 = x->left;

    // 将y的右子树替换为x
    y->right = T2;

    // 如果x有左孩子，则设置x的左孩子为新的y
    if (T2 != NULL)
        T2->parent = y;

    // 设置x为新的根
    x->parent = y->parent;

    // 如果y是空子树的根，则将新的根设为x
    if (y->parent == NULL) {
        root = x;
    }
    // 否则，y的父亲成为新的祖父母
    else if (y == y->parent->left) {
        y->parent->left = x;
    } else {
        y->parent->right = x;
    }

    // 更新y和x的height
    y->height = computeHeight(y);
    x->height = computeHeight(x);

    return x;
}

// 右旋
Node* rightRotate(Node* x) {
    // 类似于leftRotate，只是方向相反
    // ...
}

// 插入函数
Node* insert(Node* node, int data) {
    if (node == NULL)
        return (Node*)malloc(sizeof(Node));
    else if (data < node->data)
        node->left = insert(node->left, data);
    else if (data > node->data)
        node->right = insert(node->right, data);
    else // 数据已存在，不做处理
        return node;

    // 记录当前节点的新高度
    node->height = 1 + max(computeHeight(node->left), computeHeight(node->right));

    // 检查是否需要旋转
    int balance = getBalanceFactor(node);

    // 如果左子树太高，需要右旋
    if (balance > 1 && data < node->left->data)
        return rightRotate(node);
    // 如果右子树太高，需要左旋
    else if (balance < -1 && data > node->right->data)
        return leftRotate(node);
    // 或者如果一边太低并且新插入的是不平衡节点，也需要旋转
    else if (balance > 1 && data > node->left->data) { // 左旋左孩子的右旋
        node->left = leftRotate(node->left);
        return rightRotate(node);
    } else if (balance < -1 && data < node->right->data) { // 右旋右孩子的左旋
        node->right = rightRotate(node->right);
        return leftRotate(node);
    }

    return node;
}

// 示例主函数
int main() {
    // 初始化树...
    Node* root = insert(root, 9);
    // 插入更多数据...

    return 0;
}

请注意，这只是一个基础的实现，并未包含完整的删除和查找功能，以及所有必要的错误检查。实际应用中会更复杂一些，包括处理更多的边界情况和异常。