为什么AVL树比红黑树搜索更快？

如何解决为什么AVL树比红黑树搜索更快？

| 我在几个地方阅读过它，它们使avl树的搜索速度更快，但却无法理解。我认为 ： 红黑树的最大高度= 2 * log（N + 1） AVL树的高度= 1.44 * logo（N + 1） 是因为AVL更短吗？     

解决方法

是。 查找项目所需的步骤数取决于项目与根之间的距离。 由于AVL树包装得更紧密（即最大高度更低），这意味着比红黑情况下的树更靠近根。 额外的紧密包装还意味着，在插入元素时，AVL树需要做更多的工作。 任何应用程序的最佳选择取决于它是插入密集型还是搜索密集型...     ,如果输入键几乎是升序/降序，则AVL树比红黑树要好，因为那样我们就必须做一次旋转（左右左右）来添加此元素。而且，由于树将被紧密平衡，因此搜索也将更快。 但是对于随机选择的输入键，RBTree更好，因为与AVL相比，它们需要更少的旋转来插入。 总的来说，这取决于输入序列，这将决定我们的树的倾斜程度以及执行的操作。对于插入密集型使用Red-Black Tree和搜索密集型使用AVL。     ,AVL树和RBTree确实有各自的优点和缺点。如果您已经了解它们的工作原理，那么您会感觉更好。 在插入操作中，AVL的速度比RBTree稍快，因为在插入过程中最多旋转一圈，而RBTree可能会旋转两次。 RBTree删除最多只需要旋转3次，但这在AVL中不能保证。因此，它可以比AVL更快地删除节点。 但是，最重要的是，它们都具有严格的对数树高。 拾取任何子树，使AVL“平衡”的属性可确保两个子子树之间的高度差最大为1，也就是说，直观地讲，整个树是严格平衡的。 但是当涉及到RBTree时，该规则可能会变得“更松散”，因为RBTree的属性只能保证树的深度不大于节点总数的对数的两倍。 以下是一些可能更为精确的事实：   AVL树的高度严格小于：1.44log（n + 2）-0.328   （大约）      一棵红黑树的高度最大为2log（n + 1） 有关详细信息，请参见https://en.wikipedia.org/wiki/AVL_tree#Comparison_to_other_structures。