# 左高树 Height-biased Leftist Tree 合并思路

合并两个左高树（Height-biased Leftist Tree, HBLT）是其核心操作，利用递归和左右子树的`s(x)`（通常指null path length，NPL）来保持“左高性质”和堆序。下面给你完整详细步骤和示例代码。

---

## 左高树合并的基本思路

假设有两棵左高树的根节点指针 `h1` 和 `h2`，要合并它们，得到合并后的左高树根节点。

### 主要步骤

1. **处理空树情况**

   * 如果 `h1` 是空，直接返回 `h2`。
   * 如果 `h2` 是空，直接返回 `h1`。

2. **保证根节点的键值满足最大堆性质**

   * 如果是最大左高树（Max-Heap），令 `h1` 的键值大于等于 `h2`。
   * 若 `h1->key < h2->key`，交换 `h1` 和 `h2`。

3. **递归合并**

   * 将 `h2` 合并到 `h1` 的右子树。
   * `h1->right = merge(h1->right, h2)`

4. **保持左高性质（左子树的 null path length ≥ 右子树）**

   * 如果 `s(h1->left) < s(h1->right)`，交换左右子树指针。

5. **更新当前节点的 s 值**

   * `s(h1) = s(h1->right) + 1`

6. 返回新的根 `h1`。

---

## 伪代码

```cpp
template<typename T>
struct binaryTreeNode {
    std::pair<int, T> data;  // 键值和负载
    binaryTreeNode *left;
    binaryTreeNode *right;
    int s;  // null path length (NPL)
};

template<typename T>
binaryTreeNode<std::pair<int, T>>* merge(binaryTreeNode<std::pair<int, T>>* h1,
                                         binaryTreeNode<std::pair<int, T>>* h2) {
    if (!h1) return h2;
    if (!h2) return h1;

    // 保证最大堆性质，根值较大
    if (h1->data.first < h2->data.first)
        std::swap(h1, h2);

    // 递归合并 h2 到 h1 的右子树
    h1->right = merge(h1->right, h2);

    // 保持左高性质
    int leftNPL = h1->left ? h1->left->s : 0;
    int rightNPL = h1->right ? h1->right->s : 0;
    if (leftNPL < rightNPL)
        std::swap(h1->left, h1->right);

    // 更新当前节点的 s 值
    h1->s = (h1->right ? h1->right->s : 0) + 1;

    return h1;
}
```

---

## 说明

* `s`（null path length）定义为从该节点到其最近的空外部节点（外部节点视为 `nullptr`）的路径长度。
* 由于左高树特性，左子树的 `s` 不小于右子树的 `s`，合并后通过交换左右子树保证这个性质。
* 这个合并过程保证了合并操作时间复杂度为 O(log n)。

---

# 左高树合并 — 逐步图解（示例：根 50 与 根 45）

下面是你给出的两个左高树（Max-Leftist）的逐步合并图解。我把每一步的递归调用、比较、左右交换和 s 值（null path length，定义为：s(nullptr)=0，s(leaf)=1，节点 s = right.s + 1）都写清楚了。

---

## 初始两棵树与 s 值计算

**Tree A（根 50）**

```
      50(s=2)
     /      \
 40(s=2)   30(s=1)
  /   \
20(s=1) 10(s=1)
```

计算过程：

* s(20)=1, s(10)=1 → s(40)=right.s + 1 = 1 + 1 = 2
* s(30)=1（叶子）
* s(50)=right.s + 1 = 1 + 1 = 2

**Tree B（根 45）**

```
      45(s=2)
     /      \
 35(s=2)   25(s=1)
  /   \
15(s=1) 5(s=1)
```

计算过程：

* s(15)=1, s(5)=1 → s(35)=1 + 1 = 2
* s(25)=1（叶子）
* s(45)=right.s + 1 = 1 + 1 = 2

---

## 合并入口：`merge(50, 45)`

* 比较根：50 >= 45 → 保留 50 为新根。
* 按算法把 **第二棵树（45）合并到 50 的右子树**：

递归调用： `merge(50,45)` → 需要计算 `50->right = merge(30, 45)`。

---

## 递归 1：`merge(30, 45)`

* 比较根：30 < 45 → 交换（让数值大的作为子树根），所以在实现上会把参数交换，使 `h1` 指向 45，`h2` 指向 30。
* 结果：以 45 为当前子树根，继续将 `h2(30)` 合并到 `45->right`：

递归调用：`merge(45,30)` → `45->right = merge(25, 30)`（因为 45 的右子树原为 25）。

当前（在这一层）状态：

```
   (暂时) 45
   /   \
 35    25
       (将与 30 合并)
```

---

## 递归 2：`merge(25, 30)`

* 比较根：25 < 30 → 交换 → 以 30 为根，25 为待合并树。
* 执行 `30->right = merge(30->right, 25)`。但原来 30 没有孩子，所以 `30->right` 是 `nullptr`。
* 所以调用变成 `merge(nullptr, 25)` → 直接返回 25。

所以在这一步，临时构造出：

```
  30
   \
   25
```

接下来要维护左高性质（保证 s(left) >= s(right)）：

* 计算 s 值：原来 30 的左子为空（left\_s = 0），右子为 25（right\_s = 1）。
* 因为 left\_s < right\_s，所以**交换左右子树**，得到：

```
   30
  /
25
```

* 更新 s(30) = (right ? right.s : 0) + 1 = (nullptr ? 0 : ) + 1 = 0 + 1 = 1

所以 `merge(25,30)` 返回的子树为：

```
  30(s=1)
  /
25(s=1)
```

---

## 回到上层（恢复到 45 的层）

* 把返回的子树作为 `45->right`：现在 45 的左右子树为

```
   45
  /  \
35(s=2) 30(s=1)
       /
     25(s=1)
```

* 检查并维持左高性质：

  * left\_s = s(35) = 2
  * right\_s = s(30) = 1
  * left\_s >= right\_s，**不必交换**。
* 更新 s(45) = right.s + 1 = 1 + 1 = 2（保持不变）。

`merge(30,45)` 到此结束，返回的子树根为 45（其 s=2）。

---

## 回到最顶层（恢复到 50 的层）

* 将上一步得到的子树赋为 `50->right`，现在 50 的结构为：

```
        50
       /  \
  40(s=2) 45(s=2)
  /  \   /  \
20 10 35  30
        /\   /
      15 5  25
```

（为清楚起见：35 下保留 15、5；30 下保留 25）

* 检查并维持左高性质：

  * left\_s = s(40) = 2
  * right\_s = s(45) = 2
  * left\_s >= right\_s（等于也符合），所以**不交换**。

* 更新 s(50) = right.s + 1 = 2 + 1 = 3。

---

## 最终合并结果（图与 s 值）

```
         50(s=3)
        /      \
   40(s=2)   45(s=2)
   /   \     /   \
20(1)10(1)35(2) 30(1)
          /\     /
       15(1)5(1)25(1)
```

说明：

* 合并过程中确实发生了你关心的“原来右子树的位置（30）被另一棵树的节点（45/35）取代”的情况，这很正常：合并算法**优先保证堆序（根值最大）**，于是较大的根会在递归中“上移”到合适位置。
* 同时，算法通过「递归合并到右子树」+「必要时交换左右子树」来保持左高性质。最终时间复杂度按树的右路径长度上界（均摊 O(log n)）来保证。

---

## 伪代码回顾（便于对应每一步）

```cpp
Node* merge(Node* h1, Node* h2) {
  if (!h1) return h2;
  if (!h2) return h1;
  if (h1->key < h2->key) swap(h1, h2); // 确保 h1 的根更大（Max-heap）
  h1->right = merge(h1->right, h2);
  // 保持左高：如果左子 s < 右子 s，则交换
  if (npl(h1->left) < npl(h1->right)) swap(h1->left, h1->right);
  h1->s = npl(h1->right) + 1;
  return h1;
}
```

---