技术标签: 算法 线段树 二叉树 经典数据结构与算法整理 数据结构 # 线段树(模板)
线段树是一种非常强大的数据结构,它允许我们在对数时间内对数组的区间执行查询和更新操作。在这个教程中,我们将通过一个具体的例子——使用线段树来解决洛谷P3372 【模板】线段树 1“区间求和”和“区间更新”的问题来学习线段树的基础模板的应用。
我并不打算动动手指就能把线段树的工作原理描述得非常细致易懂。
如果读者完全不明白线段树,建议在拥有二叉树
的前置知识下,对着这里的代码敲一遍,相信你会豁然开朗,自己敲一遍比看别人说一千次还要有效。
线段树是一个二叉树,每个节点代表一个区间的聚合信息(例如区间和、最大值或最小值)。对于长度为n
的数组,线段树大约需要4 * n
的空间来存储(至于为什么是4 * n的空间,请看oi-wiki,这里不多赘述)。
构建线段树涉及将数组分解为多个区间,并将这些区间作为树的叶子节点。内部节点存储子区间的聚合值。构建树的过程是递归的,时间复杂度为O(n)
。
inline void buildTree(int l, int r, int node_idx = 1) {
tree[node_idx].l = l;
tree[node_idx].r = r;
if (l == r) {
tree[node_idx].sum = nums[l];
return;
}
int double_idx = (node_idx << 1);
int left_chil_idx = double_idx + 1;
int right_chil_idx = double_idx + 2;
int mid = l + ((r - l) >> 1);
buildTree(l, mid, left_chil_idx);
buildTree(mid + 1, r, right_chil_idx);
tree[node_idx].sum = tree[left_chil_idx].sum + tree[right_chil_idx].sum;
}
在这个函数中,我们从根节点开始,递归地将数组分成两部分,直到每个区间只包含一个元素。我们将数组的元素存储在树的叶子节点,然后计算内部节点的值,它是其左右子节点值的和。
down
函数,将之前保存在lazy
数组中没有真正进行更新操作的数字,真正执行一次更新操作。
在区间查询和区间更新操作中,如果访问到了某一个节点,并且还要继续深入访问其子节点,就应该将之前保存下来的懒惰更新的值进行真正的更新。
inline void down(int node_idx) {
if (lazy[node_idx] == 0) return;
int tree_left = tree[node_idx].l;
int tree_right = tree[node_idx].r;
int mid = tree_left + ((tree_right - tree_left) >> 1);
int double_idx = (node_idx << 1);
int left_chil_idx = double_idx + 1;
int right_chil_idx = double_idx + 2;
tree[left_chil_idx].sum += lazy[node_idx] * (mid - tree_left + 1);
tree[right_chil_idx].sum += lazy[node_idx] * (tree_right - mid);
lazy[left_chil_idx] += lazy[node_idx];
lazy[right_chil_idx] += lazy[node_idx];
lazy[node_idx] = 0;
}
区间查询是线段树的核心功能之一。我们可以使用线段树在O(log n)
时间内查询任意区间的聚合信息。
inline int queryRange(int query_left, int query_right, int node_idx = 1) {
int tree_left = tree[node_idx].l, tree_right = tree[node_idx].r;
// 完全不与查询目标的区间重合
if (tree_left > query_right || tree_right < query_left) return 0;
// 完全与查询目标的区间重合
if (tree_left >= query_left && tree_right <= query_right) {
return tree[node_idx].sum;
}
down(node_idx);
// 部分重合的情况下,我们要把查询目标的区间一分为二,分别查询左右两半。
int double_idx = (node_idx << 1);
int left_chil_idx = double_idx + 1;
int right_chil_idx = double_idx + 2;
int mid = tree_left + ((tree_right - tree_left) >> 1);
// 这里的mid有三种情况:
// 1.mid可能刚好位于[query_left, query_right]之间,刚好可以将其分为两半。
// 2.mid可能比原来的查询目标的右端点要大。
// 3.mid + 1可能比原来的查询目标的左端点要小。
// 因此直接写query(query_left, mid, left_chil_idx);的话
// 有多算一部分区间的风险。
int left_query = queryRange(query_left, min(query_right, mid), left_chil_idx);
int right_query = queryRange(max(query_left, mid + 1), query_right, right_chil_idx);
return left_query + right_query;
}
在查询函数中,我们首先检查当前区间是否与查询区间重叠。如果没有重叠,返回0。如果当前区间完全包含于查询区间中,返回当前节点的值。如果当前区间与查询区间部分重叠,则递归查询左右子树。
注意:
min(mid, r)
和max(mid + 1, l), r)
以防止错误修改原来的目标区间。线段树也支持区间更新,我们可以在O(log n)
时间内更新区间内所有元素的值。
inline void addRange(int query_left, int query_right, int val, int node_idx = 1) {
int tree_left = tree[node_idx].l, tree_right = tree[node_idx].r;
// 完全不与查询目标的区间重合
if (tree_left > query_right || tree_right < query_left) return;
// 完全与查询目标的区间重合
if (tree_left >= query_left && tree_right <= query_right) {
tree[node_idx].sum += val * (tree_right - tree_left + 1);
lazy[node_idx] += val; // 懒惰更新,只更新当前节点,打上懒惰更新中待更新的值,以后访问到再来更新。
return;
}
// 将以前懒惰更新中记录的值应用到子节点中。
down(node_idx);
int double_idx = (node_idx << 1);
int left_chil_idx = double_idx + 1;
int right_chil_idx = double_idx + 2;
int mid = tree_left + ((tree_right - tree_left) >> 1);
// 这里的min和max的使用的原因请看上面的queryRange函数。
addRange(query_left, min(query_right, mid), val, left_chil_idx);
addRange(max(query_left, mid + 1), query_right, val, right_chil_idx);
tree[node_idx].sum = tree[left_chil_idx].sum + tree[right_chil_idx].sum;
}
更新和查询的时候,我们会把区间分为两半,这意味着我们需要把查询目标区间分裂成两个子区间
那么现在可以想象,我们当前节点代表[tree_left, tree_right]
这一区间,而我们的查询目标区间是[query_left, query_right]
取mid
为中点,该节点的左右子节点分别代表这两个子区间:[tree_left, mid]
,[mid + 1, tree_right]
,我们要在这两个子节点中进行子查询
由于左右子节点分别代表:[tree_left, mid]
和[mid + 1, tree_right]
,它们可能会各占[query_left, query_right]
一部分,因此它们都有各自的子目标区间。
我们要将query_left
, query_right
两者与mid
进行比较,让左右子节点的查询获取正确的子目标区间的左右端点。
对于mid
和[query_left, query_right]
,有以下三种情况:
tree_left | … | query_left | … | mid | … | query_right | … | tree_right |
---|
说明:
...
表示区间中的其余部分,长度至少为1,下面的表格同理。[query_left, mid]
,[mid + 1, query_right]
刚好可以将查询目标分为两半而不出错误。tree_left | … | query_left | … | query_right | … | mid | … | tree_right |
---|
说明:
[query_left, mid]
,[mid + 1, query_right]
将会脱离原本的查询目标,导致查询结果偏大。tree_left | … | mid + 1 | … | query_left | … | query_right | … | tree_right |
---|
说明:
以上三种情况的表格展示了mid
在不同位置对查询区间的影响。因此代码实现的时候不能直接把mid
当成查询目标的区间的左右端点。
以下是如何使用线段树进行区间查询和更新的完整代码示例:
#include <iostream>
#include <vector>
using namespace std;
#define int long long
int n, m;
struct Node {
int l = 0, r = 0, sum = 0;
};
class SegmentTree {
public:
vector<Node> tree;
vector<int> lazy;
vector<int> nums;
inline void buildTree(int l, int r, int node_idx = 1) {
tree[node_idx].l = l;
tree[node_idx].r = r;
if (l == r) {
tree[node_idx].sum = nums[l];
return;
}
int double_idx = (node_idx << 1);
int left_chil_idx = double_idx + 1;
int right_chil_idx = double_idx + 2;
int mid = l + ((r - l) >> 1);
buildTree(l, mid, left_chil_idx);
buildTree(mid + 1, r, right_chil_idx);
tree[node_idx].sum = tree[left_chil_idx].sum + tree[right_chil_idx].sum;
}
inline void down(int node_idx) {
if (lazy[node_idx] == 0) return;
int tree_left = tree[node_idx].l;
int tree_right = tree[node_idx].r;
int mid = tree_left + ((tree_right - tree_left) >> 1);
int double_idx = (node_idx << 1);
int left_chil_idx = double_idx + 1;
int right_chil_idx = double_idx + 2;
tree[left_chil_idx].sum += lazy[node_idx] * (mid - tree_left + 1);
tree[right_chil_idx].sum += lazy[node_idx] * (tree_right - mid);
lazy[left_chil_idx] += lazy[node_idx];
lazy[right_chil_idx] += lazy[node_idx];
lazy[node_idx] = 0;
}
inline int queryRange(int query_left, int query_right, int node_idx = 1) {
int tree_left = tree[node_idx].l, tree_right = tree[node_idx].r;
// 完全不与查询目标的区间重合
if (tree_left > query_right || tree_right < query_left) return 0;
// 完全与查询目标的区间重合
if (tree_left >= query_left && tree_right <= query_right) {
return tree[node_idx].sum;
}
down(node_idx);
// 部分重合的情况下,我们要把查询目标的区间一分为二,分别查询左右两半。
int double_idx = (node_idx << 1);
int left_chil_idx = double_idx + 1;
int right_chil_idx = double_idx + 2;
int mid = tree_left + ((tree_right - tree_left) >> 1);
// 这里的mid有三种情况:
// 1.mid可能刚好位于[query_left, query_right]之间,刚好可以将其分为两半。
// 2.mid可能比原来的查询目标的右端点要大。
// 3.mid + 1可能比原来的查询目标的左端点要小。
// 因此直接写query(query_left, mid, left_chil_idx);的话
// 有多算一部分区间的风险。
int left_query = queryRange(query_left, min(query_right, mid), left_chil_idx);
int right_query = queryRange(max(query_left, mid + 1), query_right, right_chil_idx);
return left_query + right_query;
}
inline void addRange(int query_left, int query_right, int val, int node_idx = 1) {
int tree_left = tree[node_idx].l, tree_right = tree[node_idx].r;
// 完全不与查询目标的区间重合
if (tree_left > query_right || tree_right < query_left) return;
// 完全与查询目标的区间重合
if (tree_left >= query_left && tree_right <= query_right) {
tree[node_idx].sum += val * (tree_right - tree_left + 1);
lazy[node_idx] += val; // 懒惰更新,只更新当前节点,打上懒惰更新中待更新的值,以后访问到再来更新。
return;
}
// 将以前懒惰更新中记录的值应用到子节点中。
down(node_idx);
int double_idx = (node_idx << 1);
int left_chil_idx = double_idx + 1;
int right_chil_idx = double_idx + 2;
int mid = tree_left + ((tree_right - tree_left) >> 1);
// 这里的min和max的使用的原因请看上面的queryRange函数。
addRange(query_left, min(query_right, mid), val, left_chil_idx);
addRange(max(query_left, mid + 1), query_right, val, right_chil_idx);
tree[node_idx].sum = tree[left_chil_idx].sum + tree[right_chil_idx].sum;
// cout << "ADD RANGE HERE" <<endl;
}
explicit SegmentTree(const vector<int> &ns) : nums(ns) {
this->tree.resize(4 * n);
this->lazy.resize(4 * n);
buildTree(1, n);
}
};
inline int rd() {
int c = getchar(), f = 1, res = 0;
while (c > '9' || c < '0') {
if (c == '-') f = -1;
c = getchar();
}
while (c <= '9' && c >= '0') {
res = (res << 3) + (res << 1) + c - '0';
c = getchar();
}
return res * f;
}
signed main() {
n = rd(), m = rd();
vector<int> nums(n + 1);
for (int i = 1; i <= n; ++i) {
nums[i] = rd();
}
SegmentTree sgt(nums);
int type, x, y, k;
while (m--) {
type = rd();
x = rd(), y = rd();
if (type == 1) {
k = rd();
sgt.addRange(x, y, k);
} else {
printf("%lld\n", sgt.queryRange(x, y));
}
}
return 0;
}
在主函数中,我们首先读取数组长度和操作数,然后使用输入数组构建线段树。接下来,根据操作类型进行查询或更新。
线段树是解决区间查询和更新问题的非常有效的数据结构。理解它的关键点在于理解懒惰更新
这一个点,总的来说,这里的线段树其实就是一个完全二叉树,借助懒惰更新
实现了更低的复杂度,如果不熟悉线段树就对着代码重新敲一遍,原理很好理解。
文章浏览阅读1.6k次。安装配置gi、安装数据库软件、dbca建库见下:http://blog.csdn.net/kadwf123/article/details/784299611、检查集群节点及状态:[root@rac2 ~]# olsnodes -srac1 Activerac2 Activerac3 Activerac4 Active[root@rac2 ~]_12c查看crs状态
文章浏览阅读1.3w次,点赞45次,收藏99次。我个人用的是anaconda3的一个python集成环境,自带jupyter notebook,但在我打开jupyter notebook界面后,却找不到对应的虚拟环境,原来是jupyter notebook只是通用于下载anaconda时自带的环境,其他环境要想使用必须手动下载一些库:1.首先进入到自己创建的虚拟环境(pytorch是虚拟环境的名字)activate pytorch2.在该环境下下载这个库conda install ipykernelconda install nb__jupyter没有pytorch环境
文章浏览阅读5.2k次,点赞19次,收藏28次。选择scoop纯属意外,也是无奈,因为电脑用户被锁了管理员权限,所有exe安装程序都无法安装,只可以用绿色软件,最后被我发现scoop,省去了到处下载XXX绿色版的烦恼,当然scoop里需要管理员权限的软件也跟我无缘了(譬如everything)。推荐添加dorado这个bucket镜像,里面很多中文软件,但是部分国外的软件下载地址在github,可能无法下载。以上两个是官方bucket的国内镜像,所有软件建议优先从这里下载。上面可以看到很多bucket以及软件数。如果官网登陆不了可以试一下以下方式。_scoop-cn
文章浏览阅读4.5k次,点赞2次,收藏3次。首先要有一个color-picker组件 <el-color-picker v-model="headcolor"></el-color-picker>在data里面data() { return {headcolor: ’ #278add ’ //这里可以选择一个默认的颜色} }然后在你想要改变颜色的地方用v-bind绑定就好了,例如:这里的:sty..._vue el-color-picker
文章浏览阅读640次。基于芯片日益增长的问题,所以内核开发者们引入了新的方法,就是在内核中只保留函数,而数据则不包含,由用户(应用程序员)自己把数据按照规定的格式编写,并放在约定的地方,为了不占用过多的内存,还要求数据以根精简的方式编写。boot启动时,传参给内核,告诉内核设备树文件和kernel的位置,内核启动时根据地址去找到设备树文件,再利用专用的编译器去反编译dtb文件,将dtb还原成数据结构,以供驱动的函数去调用。firmware是三星的一个固件的设备信息,因为找不到固件,所以内核启动不成功。_exynos 4412 刷机
文章浏览阅读2w次,点赞24次,收藏42次。Linux系统配置jdkLinux学习教程,Linux入门教程(超详细)_linux配置jdk
文章浏览阅读3.3k次,点赞5次,收藏19次。xlabel('\delta');ylabel('AUC');具体符号的对照表参照下图:_matlab微米怎么输入
文章浏览阅读119次。顺序读写指的是按照文件中数据的顺序进行读取或写入。对于文本文件,可以使用fgets、fputs、fscanf、fprintf等函数进行顺序读写。在C语言中,对文件的操作通常涉及文件的打开、读写以及关闭。文件的打开使用fopen函数,而关闭则使用fclose函数。在C语言中,可以使用fread和fwrite函数进行二进制读写。 Biaoge 于2024-03-09 23:51发布 阅读量:7 ️文章类型:【 C语言程序设计 】在C语言中,用于打开文件的函数是____,用于关闭文件的函数是____。
文章浏览阅读3.4k次,点赞2次,收藏13次。跟随鼠标移动的粒子以grid(SOP)为partical(SOP)的资源模板,调整后连接【Geo组合+point spirit(MAT)】,在连接【feedback组合】适当调整。影响粒子动态的节点【metaball(SOP)+force(SOP)】添加mouse in(CHOP)鼠标位置到metaball的坐标,实现鼠标影响。..._touchdesigner怎么让一个模型跟着鼠标移动
文章浏览阅读178次。项目运行环境配置:Jdk1.8 + Tomcat7.0 + Mysql + HBuilderX(Webstorm也行)+ Eclispe(IntelliJ IDEA,Eclispe,MyEclispe,Sts都支持)。项目技术:Springboot + mybatis + Maven +mysql5.7或8.0+html+css+js等等组成,B/S模式 + Maven管理等等。环境需要1.运行环境:最好是java jdk 1.8,我们在这个平台上运行的。其他版本理论上也可以。_基于java技术的停车场管理系统实现与设计
文章浏览阅读3.5k次。前言对于MediaPlayer播放器的源码分析内容相对来说比较多,会从Java-&amp;gt;Jni-&amp;gt;C/C++慢慢分析,后面会慢慢更新。另外,博客只作为自己学习记录的一种方式,对于其他的不过多的评论。MediaPlayerDemopublic class MainActivity extends AppCompatActivity implements SurfaceHolder.Cal..._android多媒体播放源码分析 时序图
文章浏览阅读2.4k次,点赞41次,收藏13次。java 数据结构与算法 ——快速排序法_快速排序法