线段树

序

线段树是一种高级数据结构，主要用于区间查询、更新。

最经典的线段树问题：区间染色 ，其中包含两种操作，染色操作（更新区间）和查询操作（查询区间）。如果使用数组实现的话，时间复杂度都将为O(n）。
另一类经典问题：区间查询，查询一个区间[i, j]的最大值，最小值或者区间数字和。实质化的问题可以是：2017年注册用户中消费最高的用户？消费最少的用户？学习时间最长的用户？某个太空区间中天体的总量？这些问题都有一个规律，即数据都是在动态变化的，需要更新，需要查询。采用数组的话，时间复杂度依然为O(n)。

为解决以上的问题，线段树是一个很好的选择，它解决上述问题时间复杂度只为O(log n)。
具体功能：
更新：更新区间中的一个元素或者一个区间的值
查询一个区间[i, j]的最大值，最小值或者区间数字和
以求和为例，展示如下的线段树。当查询某一区间时，不需要对区间中所有元素进行遍历。

线段树不是完全二叉树，是平衡二叉树（最大深度和最小深度差别不超过1）。堆也是平衡二叉树。线段树依然可以用数组表示，只要把它当作满二叉树，同时不存在的元素地方当作是空的就可以了。

如果区间有n个元素，数组表示需要有多少个节点？
如果n = 2^k 只需要2n的空间
最坏情况，如果n = 2^k + 1， 需要4n的空间
综上，我们需要4n的空间。此线段树不考虑添加元素，即区间固定，使用4n的静态空间即可，无需动态数组。
通过模拟满二叉树，可以使用堆的父节点、子节点计算方法来计算线段树。

代码实现

基本

由于线段树的特点，不需要寻找父节点

public class SegmentTree<E> {
    private E[] tree;
    private E[] data;

    public SegmentTree(E[] arr) {
        data = (E[]) new Object[arr.length];
        for (int i = 0; i < arr.length; i++) {
            data[i] = arr[i];
        }
        tree = (E[]) new Object[4 * arr.length];

    }

    public int Size() {
        return data.length;
    }
    public E get(int index) {
        if (index < 0 || index >= data.length) {
            throw new IllegalArgumentException("index is illegal");
        }
        return data[index];
    }

    private int leftChild(int index) {
        return index * 2 + 1;
    }

    private int rightChild(int index) {
        return index * 2 + 2;
    }
}

创建线段树并测试

使用递归的方式创建线段树，从[l -> r]的区间开始，定义中位数mid，不断地把左儿子分成[l -> mid]，右儿子分成[mid+1 -> r]，直到l和r相等了即区间中只有一个数。分别赋值。
由于使用泛型创建，所以线段树的区间和不能简单地表示为相加，而需要创建一个接口Merge，用类似于PriorityQueue中输入Comparator类的方式进行融合。

Merge类如下：

public interface Merger<E> {
    E merge(E a, E b);
}

创建线段树的代码如下：

 //在treeIndex的位置创建表示区间[l -> r]的线段树
private void buildSegmentTree(int treeIndex, int l, int r) {
    if (l == r) {
        tree[treeIndex] = data[l];
        return;
    }
    int leftTreeIndex = leftChild(treeIndex);
    int rightTreeIndex = rightChild(treeIndex);
    int mid = l + (r - l)/2; //为防止r + l出现溢出采用这个方法计算mid
    buildSegmentTree(leftTreeIndex, l, mid);
    buildSegmentTree(rightTreeIndex, mid + 1, r);
    //怎么综合区间和，需要由tree具体的类型确定
    tree[treeIndex] = merger.merge(tree[leftTreeIndex], tree[rightTreeIndex]);
}

toString的方式如下：

@Override
public String toString() {
    StringBuilder res = new StringBuilder();
    res.append('[');
    for (int i = 0; i < tree.length; i++) {
        if (tree[i] != null) {
            res.append(tree[i]);
        } else {
            res.append("null");
        }
        if (i != tree.length - 1) {
            res.append(", ");
        } else {
            res.append(']');
        }
    }
    return res.toString();
}

Main函数中测试线段树的方法（使用匿名类）如下：

public class Main {
    public static void main(String[] args) {
        Integer[] nums = {-2, 0, 3, -5, 2, -1};
        SegmentTree<Integer> segmentTree = new SegmentTree<>(nums, new Merger<Integer>() {
            @Override
            public Integer merge(Integer a, Integer b) {
                return a + b;
            }
        });
        System.out.println(segmentTree);
    }
}

Main函数中不使用匿名类调用，而使用Java8新特性Lambda的方法如下：

public class Main {
    public static void main(String[] args) {
        Integer[] nums = {-2, 0, 3, -5, 2, -1};
        SegmentTree<Integer> segmentTree = new SegmentTree<>(nums, (a, b) -> a + b);
        System.out.println(segmentTree);
    }
}

输出结果如下：

[-3, 1, -4, -2, 3, -3, -1, -2, 0, null, null, -5, 2, null, null, null, null, null, null, null, null, null, null, null]

查询区间

需要在以treeIndex为根节点的线段树中，搜索区间为[queryL -> queryR]的值。
做之前要判断quertL和queryR的合法性，确认完后，开始迭代求值，在以treeIndex为根的线段树的[L -> R]区间里，寻找[queryL -> queryR]的值。
迭代首先写最后的情况，即寻找到queryL == L，queryR == R。这时直接返回tree中treeIndex代表的值就行。
然后写迭代的过程，先定义[L -> R]区间的中位数mid变量、根节点的左儿子节点、根节点的右儿子节点。判断queryL是否大于mid，如大于，则表示寻找的区间都在右儿子，只需要返回右儿子的线段树的寻找值。判断queryR是否小于等于mid，如满足，则只需要返回左儿子线段树的寻找值。如果都不满足，则表明了寻找的区间在treeIndex的两边，需要分别对[queryL -> mid]的区间和[mid + 1 -> queryR]的区间分别寻找，再返回求和值。
代码实现方式如下：

public E query(int queryL, int queryR) {
  if (queryL < 0 || queryL >= data.length || queryR < 0 ||
            queryR >= data.length || queryL > queryR) {
        throw new IllegalArgumentException("index is illegal");
    }
    return query(0, 0, data.length - 1, queryL, queryR);
}

//在以treeIndex为根的线段树中[l -> r]范围内，搜索区间[queryL -> queryR]的值
private E query(int treeIndex, int l, int r,int queryL, int queryR) {
   if (l == queryL && r == queryR) {
        return tree[treeIndex];
    }
    int mid = l + (r - l) / 2;
    int leftChild = leftChild(treeIndex);
    int rightChild = rightChild(treeIndex);

    if (queryL >= mid + 1) {
        return query(rightChild, mid + 1, r, queryL, queryR);
    } else if (queryR <= mid) {
        return query(leftChild, l, mid, queryL, queryR);
    }

    E leftResult = query(leftChild, l, mid, queryL, mid);
    E rightResult = query(rightChild, mid + 1, r, mid + 1, queryR);
    return merger.merge(leftResult, rightResult);
}

更新操作

递归更新

//将index位置的值更新为e
public void set(int index, E e) {
    if (index < 0 || index >= data.length) {
        throw new IllegalArgumentException("index is illegal");
    }
    data[index] = e;
    set(0, 0, data.length - 1, index, e);
}

private void set(int treeIndex, int l, int r, int index, E e) {
    if (l == r) {
        tree[treeIndex] = e;
        return;
    }
    int mid = l + (r - l) / 2;
    int leftIndex = leftChild(treeIndex);
    int rightIndex = rightChild(treeIndex);
    if (index > mid) {
        set(rightIndex, mid + 1, r, index, e);
    } else {
        set(leftIndex, l, mid, index, e);
    }
    tree[treeIndex] = merger.merge(tree[leftIndex], tree[rightIndex]);
}