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]);
}