希普vs二叉查找树(当它比另一个更好？)
在什么情况下使用最小堆比使用二叉搜索树更有效？在二叉搜索树中查找最小值的时间是否等于在最小堆 - O（1） 中查找最小值？
共有2个答案
两者有不同的用途，不能互换。
堆是一种结构，可保证给定节点的值低于或等于下任何节点的值（对于最小堆;大于或等于最大堆）。这允许在 O（1） 中获取最小（或最大）值。
二进制搜索树是保持所有节点有序的结构。这允许检索O（h）中的任何值（h是树的高度，如果树是平衡的，h＝log2（n），n是节点数）。
这几乎就像比较咖啡杯和考拉熊。堆和二进制搜索树旨在执行非常不同的功能。堆是优先级队列抽象数据类型的实现。在基本层面上，优先级队列（也就是堆）只是你放东西的一个袋子，当你伸手去拿一个东西时，你总是会得到袋子里最小（最小堆）或最大（最大堆）的东西。
您可以想象一下，让堆能够删除任意项，或者更改堆中某个项的优先级，但这些都是更高级的html" target="_blank">功能，不属于堆数据结构的传统定义的范围。
二叉查找树是一个完全不同的野兽。这是一个你放东西的袋子，你可以快速伸手按键抓取任何物品，或者你可以按顺序（或相反的顺序）列出所有物品。
您可以使用二叉查找树来实现优先级队列，这意味着原则上您可以用二叉树来代替堆。二叉查找树的性能不如堆，但它可以完成任务。
但是反过来就不是这样了。你不能用堆来代替二叉查找树。
所以哪个更好的问题实际上是一个你想做什么的问题？
如果您想要一组有序的项目，您可以从中快速找到任何项目，或者您可以按顺序遍历，那么您需要一个二进制搜索树。
如果你想要优先级队列抽象数据类型的实现：一个包，当你请求它时，它会快速给你最小（或最大，取决于你如何定义它）项目，那么你需要使用堆。
-
主要内容：什么是二叉排序树？,使用二叉排序树查找关键字,二叉排序树中插入关键字,二叉排序树中删除关键字,总结前几节介绍的都是有关静态 查找表的相关知识，从本节开始介绍另外一种查找表—— 动态查找表。 动态查找表中做查找操作时，若查找成功可以对其进行删除；如果查找失败，即表中无该关键字，可以将该关键字插入到表中。 动态查找表的表示方式有多种，本节介绍一种使用树结构表示动态查找表的实现方法—— 二叉排序树（又称为 “二叉查找树”）。 什么是二叉排序树？ 二叉排序树要么是空 二叉树，要么具有如下特点：
-
我正在努力实现二叉搜索树。完成实现所需的功能之一是重新平衡功能。 根据规范，该功能的工作方式如下: rebalance（） 方法应创建一个平衡树，从而将偏度降低为零。平衡树是指在整个树中，左子树和右子树的大小相差不超过1（即，每个子树也是平衡的）。 为了平衡树，rebalance（） 方法应反复将根值移动到较小的子树，并将最小/最大值从较大的子树移动到根，直到树平衡。然后，它应该以递归方式平衡两个
-
接受的答案可以做一棵完美的树（这也是一棵完整的树）。虽然它不能在没有完美的情况下做成一棵完整的树。不过，这是我的要求最接近的答案。为了在不完美的情况下进行竞争，你可以去掉树最右边的叶子。 1.问题: 试图将< code >二叉查找树变成< code >完整的二叉查找树。我可以找到很多< code >完全二叉树的代码示例，但是没有< code >完全二叉查找树。这个插件的工作就像二叉查找树应该做的那
-
我们已经看到了两种不同的方法来获取集合中的键值对。回想一下，这些集合实现了 map 抽象数据类型。我们讨论的 map ADT 的两个实现是在列表和哈希表上的二分搜索。在本节中，我们将研究二叉查找树作为从键映射到值的另一种方法。 在这种情况下，我们对树中项的确切位置不感兴趣，但我们有兴趣使用二叉树结构来提供高效的搜索。
-
在包含 main 函数的类中，定义一个函数调用 createTree（String strKey）。给出一个整数字符串（用空格字符分隔），此函数将创建一个 BST 树，其中整数键跟在输入字符串之后。示例：给定一个字符串 s = “30 20 40”。调用函数 createTree（s） 来创建二叉搜索树：root = 30，root.left = 20，root.right = 40。以下是我的代
-
我正在尝试用单词构建二叉搜索树。然而，当我使用上面的代码时，我只能访问我的根，根的左、右子项似乎为空。 法典：