Java 为什么外接程序不平衡的二叉搜索树是O（n）？

这是从中实现的外接程序二叉搜索树

private IntTreeNode添加（IntTreeNode根，int值）{
if（root==null）{
根=新的IntTreeNode（值）；
}如果（值与不平衡树：

1
 \
  2
   \
    3
     \
      4
       \
        5
         \
          ...

您在每次操作中将树一分为二的直觉不再适用。此不平衡树是不平衡二叉搜索树的最坏情况。要搜索列表底部的
10
，必须对树中的每个元素执行
10
操作。这就是为什么要对不平衡的bin执行搜索操作二元搜索树是O（n）-这个不平衡的二元搜索树相当于一个链表。每个操作都不会将树的一半切掉——只是切掉您已经访问过的一个节点

这就是为什么二进制搜索树的专门版本（如红黑树和AVL树）非常重要的原因：它们维护的树足够平衡，因此所有操作（搜索、插入、删除）仍然是O（log n）。
对于不平衡树：

1
 \
  2
   \
    3
     \
      4
       \
        5
         \
          ...

您在每次操作中将树一分为二的直觉不再适用。此不平衡树是不平衡二叉搜索树的最坏情况。要搜索列表底部的
10
，必须对树中的每个元素执行
10
操作。这就是为什么要对不平衡的bin执行搜索操作二元搜索树是O（n）-这个不平衡的二元搜索树相当于一个链表。每个操作都不会将树的一半切掉——只是切掉您已经访问过的一个节点

这就是为什么二进制搜索树的特殊版本（如红黑树和AVL树）非常重要的原因：它们维护的树足够平衡，因此所有操作（搜索、插入、删除）仍然是O（logn）。
O（n）

BST中的情况发生在顶部有最小值或最大值时，有效地将BST转换为一个链接列表。假设您添加了如下元素：

1、2、3、4、5

，生成BST，该BST将是一个链接列表，因为每个元素只有一个

正确的子元素在每个节点上，遍历所有元素，从而使add
O（n）
的渐近复杂性成为
O（n）
BST中的情况发生在顶部有最小值或最大值时，有效地将BST转换为一个链接列表。假设您添加了如下元素：
1、2、3、4、5
，生成BST，该BST将是一个链接列表，因为每个元素只有一个
正确的子元素在每个节点上，遍历所有元素，从而使add
O（n）
add 1,2,3,4,5,6,7,8,9,10的渐近复杂度按顺序增加。我明白了，你必须迭代其余的元素，但我分析它的方法不仍然可以显示它的O（logn）？我不理解你的分析。什么是2或一半的切割？你把这棵树缩小到1的大小是什么意思？当你添加上面的元素时，这棵树看起来是什么样子？@CommittedDroyer不，不总是。想想当一棵子树总是空的情况。在这种情况下，它只是把大小缩小了1，而不是一半。哦，你每次只需要切一个，使其为O（n），因为需要n次切才能得到大小为1的子树。谢谢，伙计们，这很有意义。按顺序加上1,2,3,4,5,6,7,8,9,10。我明白了，你必须对其余的子树进行迭代，但我分析它的方法是否仍然可以证明其为O（logn）？我不理解你的分析。什么是2或一半的切割？你把这棵树缩小到1的大小是什么意思？当你添加上面的元素时，这棵树看起来是什么样子？@CommittedDroyer不，不总是。想想当一棵子树总是空的情况。在这种情况下，它只是把大小缩小了1，而不是一半。哦，你每次只需要切一个，使其为O（n），因为要得到大小为1的子树需要n次切。谢谢，伙计们，这很有意义。