【算法-10 /Lesson85(2025-12-25)】二叉搜索树（BST）详解：定义、操作与实现🌳🌳在计算机科

🌳在计算机科学中，二叉搜索树（Binary Search Tree，简称 BST）是一种非常重要的数据结构。它不仅结构清晰、逻辑优美，而且在实际应用中支持高效的查找、插入和删除操作。本文将从基本定义出发，深入讲解其核心性质、常见操作的原理，并结合代码示例详细说明其实现方式。

🔍 什么是二叉搜索树？

二叉搜索树（也称为排序二叉树）是一种特殊的二叉树，具有如下递归定义：

空树是一棵二叉搜索树；
非空树由一个根节点、一棵左子树和一棵右子树组成，且满足：
- 左子树中的所有节点的值都严格小于根节点的值；
- 右子树中的所有节点的值都严格大于根节点的值；
- 左子树和右子树本身也必须是二叉搜索树。

⚠️ 注意：通常不允许重复值。若需支持重复，可约定“左 ≤ 根 < 右”或使用计数字段等方式处理。

这种结构性质使得 BST 具备天然的有序性，从而支持高效的查找操作。

⏱️ 时间复杂度分析

由于 BST 的结构依赖于插入顺序，其性能表现分为两种情况：

💡 为避免最坏情况，可使用自平衡二叉搜索树（如 AVL 树、红黑树），但本文聚焦于基础 BST。

🔧 核心操作详解

BST 支持三大基本操作：查找、插入、删除。下面逐一展开。

🔎 查找（Search）

查找目标值 n 的过程如下：

从根节点开始；
若当前节点为空，说明未找到，返回；
若当前节点值等于 n，找到目标；
若 n 小于当前节点值，递归在左子树查找；
若 n 大于当前节点值，递归在右子树查找。

该过程充分利用了 BST 的有序性，每次比较都能排除一半的子树。

✅ 代码实现（来自 `1.js`）

function search(root, n) {
  if (!root) {
    return; // 未找到
  }
  if (root.val === n) {
    console.log('目标节点', root);
  } else if (root.val > n) {
    search(root.left, n);
  } else {
    search(root.right, n);
  }
}

此外，1.js 中还定义了 TreeNode 类，并构建了一个示例树：

class TreeNode {
  constructor(val) {
    this.val = val;
    this.left = null;
    this.right = null;
  }
}

const root = new TreeNode(6);
root.left = new TreeNode(3);
root.right = new TreeNode(8);
root.left.left = new TreeNode(1);
root.left.right = new TreeNode(4);
root.right.left = new TreeNode(7);
root.right.right = new TreeNode(9);

search(root, 7); // 输出：目标节点 {val: 7, left: null, right: null}

该树结构如下：

➕ 插入（Insert）

插入新值 n 的规则：

若树为空，创建新节点作为根；
否则，从根开始比较：
- 若 n < root.val，递归插入左子树；
- 若 n > root.val，递归插入右子树；
直到找到一个空位置（null），在此处创建新节点。

插入操作不会破坏 BST 的性质，因为始终将新节点放在“正确”的叶子位置。

✅ 代码实现（来自 `2.js`）

function insertIntoBst(root, n) {
  if (!root) {
    root = new TreeNode(n);
    return root;
  }
  if (root.val > n) {
    root.left = insertIntoBst(root.left, n);
  } else {
    root.right = insertIntoBst(root.right, n);
  }
  return root;
}

📌 注意：此函数返回更新后的子树根节点，便于递归回溯时重新连接父节点指针。

❌ 删除（Delete）

删除操作是 BST 中最复杂的部分，需分三种情况处理：

情况一：待删节点为叶子节点（无左右子树）

直接删除，将其父节点对应指针设为 null。

情况二：待删节点只有一个子树

用其唯一子节点“顶替”该节点位置。

情况三：待删节点有两个子树

不能简单删除，否则会破坏 BST 结构。
解决方案：用中序前驱（左子树最大值）或中序后继（右子树最小值）替代该节点的值，然后递归删除那个替代节点（它必定最多只有一个子树）。

✅ 常见策略：

使用左子树的最大值（即最右节点）；

或使用右子树的最小值（即最左节点）。

✅ 代码实现（来自 `3.js`）

function deleteNode(root, n) {
  if (!root) {
    return root;
  }

  if (root.val === n) {
    // 情况一：叶子节点
    if (!root.left && !root.right) {
      root = null;
    }
    // 情况三（优先用左子树最大值）或情况二（只有左子树）
    else if (root.left) {
      const maxLeft = findMax(root.left); // 找左子树最大值
      root.val = maxLeft.val;             // 替换值
      root.left = deleteNode(root.left, maxLeft.val); // 递归删除原最大值节点
    }
    // 情况二（只有右子树）或情况三（当无左子树时用右子树最小值）
    else {
      const minRight = findMin(root.right);
      root.val = minRight.val;
      root.right = deleteNode(root.right, minRight.val);
    }
  } else if (root.val > n) {
    root.left = deleteNode(root.left, n);
  } else {
    root.right = deleteNode(root.right, n);
  }

  return root;
}

// 辅助函数：找左子树最大值（最右节点）
function findMax(root) {
  while (root.right) {
    root = root.right;
  }
  return root;
}

// 辅助函数：找右子树最小值（最左节点）
function findMin(root) {
  while (root.left) {
    root = root.left;
  }
  return root;
}

🧠 补充知识：中序遍历与有序性

BST 的一个重要特性是：中序遍历（左 → 根 → 右）的结果是一个严格递增的序列。

例如，对上述示例树进行中序遍历：

1 → 3 → 4 → 6 → 7 → 8 → 9

这正是 BST 被称为“排序二叉树”的原因。该性质可用于：

验证一棵树是否为 BST；
获取第 k 小元素；
实现范围查询等。

🛠️ 实际应用场景

BST 广泛应用于：

数据库索引（早期实现）；
内存中的有序字典（如 C++ 的 std::set/map 基于红黑树）；
动态集合操作（频繁插入/删除/查找）；
表达式解析树（结合运算符优先级）。

尽管现代系统多采用自平衡树，但理解基础 BST 是掌握高级数据结构的前提。

📌 总结

操作	原理简述	时间复杂度（平均/最坏）
查找	递归比较，向左或向右	O(log n) / O(n)
插入	找到合适叶子位置插入	O(log n) / O(n)
删除	分三类处理，用前驱/后继替代	O(log n) / O(n)

二叉搜索树以其简洁的结构和高效的平均性能，成为算法与数据结构学习中的基石。掌握其原理与实现，不仅能应对面试题，更为理解更复杂的平衡树打下坚实基础。

🌟 记住：BST 的美，在于“有序”；其弱点，在于“不平衡”。而计算机科学的魅力，正在于不断用更聪明的结构去弥补这些弱点！

【 算法-10 /Lesson85(2025-12-25)】二叉搜索树（BST）详解：定义、操作与实现🌳