Data structures 为什么按（相反）顺序添加节点会导致搜索效率低下？

我正在准备考试，无意中发现了以下问题：

绘制按以下顺序添加数据时将产生的二叉搜索树：

10,9,8,7,6,5,4,3

为什么生成的树不适合高效搜索

我的答覆是：

---

我认为，在创建BST时，我们首先以值10作为根节点，然后在第一级上添加9作为左子树值。然后8到9的左子树，依此类推。我不知道为什么这使得搜索效率低下。有什么想法吗？

因为这些值是按降序排列的，所以它们会在每一级添加到左侧，实际上会给您留下一个链接列表，用于搜索，而不是BST的首选OlogN

图纸：

              10
             /
            9
           /
          8
         /
        7
       /
      6
     /
    5
   /
  4
 /
3

---

由于这些值是按降序排列的，因此它们会在每一级添加到左侧，实际上会留下一个链表，用于搜索，而不是BST的首选OlogN

图纸：

              10
             /
            9
           /
          8
         /
        7
       /
      6
     /
    5
   /
  4
 /
3

---

这将创建一个链表，因为它只是一系列节点；这是一棵严重失衡的树

---

你应该抬头看看。它们具有相同的时间复杂性，但它会不断围绕节点移动，因此它总是形成三角形。这将保持树的平衡。

这将创建一个链接列表，因为它只是一系列节点；这是一棵严重失衡的树

---

你应该抬头看看。它们具有相同的时间复杂性，但它会不断围绕节点移动，因此它总是形成三角形。这将保持树的平衡。

这是低效的，因为该节点将始终添加到前一个节点的左子树中。对列表中的每一个节点进行搜索检查，直到找到结果为止，即使答案总是在左边，这实际上比简单地通过循环搜索列表需要更多的计算。

这是低效的，因为节点总是被添加到前一个节点的左子树中。对列表中的每个节点进行搜索检查，直到找到结果为止，即使答案总是在左边，这样实际上比简单地通过循环搜索列表需要更多的计算。

+1用于图形。一张图片能说出一千个单词，即使它是ASCII艺术：+1，而这幅画显示了回答这个问题所付出的努力！很好+1为图纸。一张图片能说出一千个单词，即使它是ASCII艺术：+1，而这幅画显示了回答这个问题所付出的努力！美好的如果树是自平衡的，它可能是有效的。如果树是自平衡的，它可能是有效的。