【数据结构】线段树入门

于 2020-01-16 22:33:08 发布
阅读量180 收藏
点赞数
分类专栏： 数据结构
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/Rainfoo/article/details/104012076
版权
本文介绍了线段树在区间查询和单点修改等操作中的应用，包括区间查询+单点修改、单点查询+区间修改、以及区间修改+区间查询的进阶使用。通过洛谷上的例题，解析了线段树的建立、更新和查询过程，特别是pushdown机制在处理区间修改时的重要性。
摘要由CSDN通过智能技术生成

感谢博主：https://www.cnblogs.com/jason2003/p/9676729.html

值得一提的是，计算2时一定要改成i<<1这样能解决很多时间，还有要开long long，还有，函数前面要加inline 我在其他OJ交这道题时，就因为没加inline 就被卡了，交了就过了。*

板块一：区间查询+单点修改
洛谷P3374

#include<bits/stdc++.h>
#define ll long long
#define rep(i,a,n) for(int i=a;i<=n;i++)
#define per(i,n,a) for(int i=n;i>=a;i--)
#define endl '\n'
#define mem(a) memset(a,0,sizeof(a))
#define IO ios::sync_with_stdio(false);cin.tie(0);
using namespace std;
const int INF=0x3f3f3f3f;
const int mod=1e9+7;

int n,m;
int ans;
int input[500010];

struct node{
	int l,r;
	int sum;
}tree[2000010];

inline void build(int i,int l,int r){//递归建树
    tree[i].l=l;tree[i].r=r;
    if(l==r){
        tree[i].sum=input[l];
        return ;
    }
    int mid=(l+r)>>1;
    build(i*2,l,mid);
    build(i*2+1,mid+1,r);
    tree[i].sum=tree[i*2].sum+tree[i*2+1].sum;
}

inline int search(int i,int l,int r){
    if(tree[i].l>=l && tree[i].r<=r)//区间查询
        return tree[i].sum;
    if(tree[i].r<l || tree[i].l>r)  return 0;
    int s=0;
    if(tree[i*2].r>=l)  s+=search(i*2,l,r);
    if(tree[i*2+1].l<=r)  s+=search(i*2+1,l,r);
    return s;
}

inline void add(int i,int dis,int k){
    if(tree[i].l==tree[i].r){//修改单点
        tree[i].sum+=k;
        return ;
    }
    if(dis<=tree[i*2].r)  add(i*2,dis,k);
    else  add(i*2+1,dis,k);
    tree[i].sum=tree[i*2].sum+tree[i*2+1].sum;
    return ;
}


int main()
{
	cin>>n>>m;
	for(int i=1;i<=n;i++) cin>>input[i];
	build(1,1,n);
	for(int i=1;i<=m;i++){
		int a,b,c;
		cin>>a>>b>>c;
		if(a==1){
			add(1,b,c);
		}
		if(a==2){
			cout<<search(1,b,c)<<endl;
			/*
			debug:
			cout<<" tree[1].sum="<<tree[1].sum<<endl;			
			cout<<" tree[2].sum="<<tree[2].sum<<endl;
			cout<<" tree[3].sum="<<tree[3].sum<<endl;
			cout<<" tree[4].sum="<<tree[4].sum<<endl;
			cout<<" tree[5].sum="<<tree[5].sum<<endl;
			cout<<" tree[6].sum="<<tree[6].sum<<endl;
			cout<<" tree[7].sum="<<tree[7].sum<<endl;		
			*/					
		}
	}
}

针对这串代码，我想说的是，你动其中的一个数，那么其父亲点的sum都动了。

模块二：单点查询+区间修改：
洛谷p3368

#include<bits/stdc++.h>
#define ll long long
#define rep(i,a,n) for(int i=a;i<=n;i++)
#define per(i,n,a) for(int i=n;i>=a;i--)
#define endl '\n'
#define mem(a) memset(a,0,sizeof(a))
#define IO ios::sync_with_stdio(false);cin.tie(0);
using namespace std;
const int INF=0x3f3f3f3f;
const int mod=1e9+7;

int n,m;
int ans;
int input[500010];

struct node{
	int l,r;
	int sum;
}tree[2000010];

inline void build(int i,int l,int r){//递归建树 
    tree[i].l=l;tree[i].r=r;tree[i].sum=0;
    if(l==r){
        return ;
    }
    int mid=(l+r)>>1;
    build(i*2,l,mid);
    build(i*2+1,mid+1,r);
}



inline void add(int i,int l,int r,int k){
    if(tree[i].l>=l && tree[i].r<=r){//修改区间 
        tree[i].sum+=k;
        return ;
    }
    if(tree[i*2].r>=l)
        add(i*2,l,r,k);
    if(tree[i*2+1].l<=r)
        add(i*2+1,l,r,k);
}

inline void search(int i,int dis){
    ans+=tree[i].sum;//单点查询 
    if(tree[i].l==tree[i].r)
		return ;
    if(dis<=tree[i*2].r)
        search(i*2,dis);
    if(dis>=tree[i*2+1].l)
        search(i*2+1,dis);
}



int main()
{
	cin>>n>>m;
	for(int i=1;i<=n;i++) cin>>input[i];
	build(1,1,n);
	for(int i=1;i<=m;i++){
		int t;cin>>t;
		if(t==1){
			int l,r,k;cin>>l>>r>>k;
			add(1,l,r,k);
		}
		if(t==2){
			ans=0;
			int pos;cin>>pos;
			search(1,pos);
			cout<<ans+input[pos]<<endl;
			/*
			debug:
			cout<<"ans="<<ans<<endl;
			cout<<" tree[1].sum="<<tree[1].sum<<endl;			
			cout<<" tree[2].sum="<<tree[2].sum<<endl;
			cout<<" tree[3].sum="<<tree[3].sum<<endl;
			cout<<" tree[4].sum="<<tree[4].sum<<endl;
			cout<<" tree[5].sum="<<tree[5].sum<<endl;
			cout<<" tree[6].sum="<<tree[6].sum<<endl;	
			cout<<" tree[7].sum="<<tree[7].sum<<endl;
			*/												
		}
	}
}

注意：建树那块和模块一的不一样，这个是取最顶层有关父节点动，其儿子孙子点都没动，最后ans由上往下层次递加

板块三：区间修改+区间查询(进阶版线段树)：
区间修改、区间查询，你可能会认为，把上一章里面的这两个模块加在一起就好了，然后你就会发现你大错特错。

因为如果对于1~ 4这个区间，你把1~ 3区间+1，相当于把节点1~ 2和3标记，但是如果你查询2~ 4时，你会发现你加的时没有标记的2节点和没有标记的3~4节点加上去，结果当然是错的。

那么我们应该怎么办？这时候pushdown的作用就显现出来了。

你会想到，我们只需要在查询的时候，如果我们要查的2节点在1~2区间的里面，那我们就可以把1 ~ 2区间标记的那个+1给推下去这样就能顺利地加上了。
怎么记录这个标记呢？我们需要记录一个“懒标记”lazytage，来记录这个区间

区间修改的时候，我们按照如下原则：

1、如果当前区间被完全覆盖在目标区间里，讲这个区间的sum+k*(tree[i].r-tree[i].l+1)
2、如果没有完全覆盖，则先下传懒标记
3、如果这个区间的左儿子和目标区间有交集，那么搜索左儿子
4、如果这个区间的右儿子和目标区间有交集，那么搜索右儿子

来道板子题(洛谷P3372)

#include<bits/stdc++.h>
#define ll long long
#define rep(i,a,n) for(int i=a;i<=n;i++)
#define per(i,n,a) for(int i=n;i>=a;i--)
#define endl '\n'
#define mem(a) memset(a,0,sizeof(a))
#define IO ios::sync_with_stdio(false);cin.tie(0);
using namespace std;
const int INF=0x3f3f3f3f;
const int mod=1e9+7;

ll input[500010];

struct node{
	ll l,r,sum,lz;
}tree[2000040];

int ans,n,m;

inline void build(ll i,ll l,ll r){
	tree[i].l=l;tree[i].r=r,tree[i].lz=0;
	if(l==r){
		tree[i].sum=input[l];
		return ;
	}
	ll mid=(l+r)>>1;
	build(2*i,l,mid);
	build(2*i+1,mid+1,r);
	tree[i].sum=tree[2*i].sum+tree[i*2+1].sum;
}

inline void push_down(ll i)
{
    if(tree[i].lz!=0)
    {
        tree[i*2].lz+=tree[i].lz;
        tree[i*2+1].lz+=tree[i].lz;
        ll mid=(tree[i].l+tree[i].r)/2;
        tree[i*2].sum+=tree[i].lz*(mid-tree[i*2].l+1);
        tree[i*2+1].sum+=tree[i].lz*(tree[i*2+1].r-mid);
        tree[i].lz=0;
    }
    return ;
}

inline void add(ll i,ll l,ll r,ll k)
{
    if(tree[i].r<=r && tree[i].l>=l)//Çø¼äÐÞ¸Ä 
    {
        tree[i].sum+=k*(tree[i].r-tree[i].l+1);
        tree[i].lz+=k;
        return ;
    }
    push_down(i);
    if(tree[i*2].r>=l)
        add(i*2,l,r,k);
    if(tree[i*2+1].l<=r)
        add(i*2+1,l,r,k);
    tree[i].sum=tree[i*2].sum+tree[i*2+1].sum;
}



inline ll search(ll i,ll l,ll r){
    if(tree[i].l>=l && tree[i].r<=r) //²éѯ 
        return tree[i].sum;
    if(tree[i].r<l || tree[i].l>r)  return 0;
    push_down(i);
    ll s=0;
    if(tree[i*2].r>=l)  s+=search(i*2,l,r);
    if(tree[i*2+1].l<=r)  s+=search(i*2+1,l,r);
    return s;
}

int main(){
	IO;
	cin>>n>>m;
	for(int i=1;i<=n;i++) cin>>input[i];
	build(1,1,n);
	while(m--){
		int t;cin>>t;
		if(t==1){
			ll l,r,k;cin>>l>>r>>k;
			add(1,l,r,k);
		}
		if(t==2){
			ll l,r;cin>>l>>r;
			cout<<search(1,l,r)<<endl;
		}
	}
}

这个是集第一板块和第二版的，都可以用，属于全能型板子

Anonytt
关注
专栏目录
线段树入门
05-03
线段树是一种高效的数据结构，用于处理和维护在一维空间中的一系列区间或线段，同时支持动态查询和修改操作。它特别适用于那些需要快速查询区间信息，如求区间和、查找区间内满足条件的元素个数等问题。线段树的核心...
【图论】匈牙利算法
Rainfoo的博客
02-23 274
以hdoj2063为例封装模板： #include<bits/stdc++.h> #define ll long long #define endl '\n' #define mem(a) memset(a,0,sizeof(a)) #define IO ios::sync_with_stdio(false);cin.tie(0); using namespace std; const...
数据结构入门基础1
08-08
在本课程“数据结构入门基础1”中，我们将探讨多种数据结构及其在不同领域的应用。 1. **线性结构**：线性结构是数据结构的基础，包括数组、栈、队列、链表和哈希表。数组是最基本的数据结构，它提供了随机访问和...
线段树入门讲义（PPT）
06-09
线段树是一种高效的数据结构，主要用于处理区间查询和更新的问题，比如区间加减、求和、最值等。它的核心思想是将一个大区间分解成若干小的子区间，并存储在二叉树的节点中，从而实现对区间操作的快速响应。 线段树...
机械原理课程设计 破碎机.doc
09-21
机械原理课程设计 破碎机.doc
电子设计论文施密特触发器电子设计论文施密特触发器
09-21
电子设计论文施密特触发器电子设计论文施密特触发器
电子设计论文往返式流动灯电子设计论文往返式流动灯
09-21
电子设计论文往返式流动灯电子设计论文往返式流动灯
基于深度学习来实现序列到序列.zip
09-21
深度学习是机器学习的一个子领域，它基于人工神经网络的研究，特别是利用多层次的神经网络来进行学习和模式识别。深度学习模型能够学习数据的高层次特征，这些特征对于图像和语音识别、自然语言处理、医学图像分析等应用至关重要。以下是深度学习的一些关键概念和组成部分： 1. **神经网络（Neural Networks）**：深度学习的基础是人工神经网络，它是由多个层组成的网络结构，包括输入层、隐藏层和输出层。每个层由多个神经元组成，神经元之间通过权重连接。 2. **前馈神经网络（Feedforward Neural Networks）**：这是最常见的神经网络类型，信息从输入层流向隐藏层，最终到达输出层。 3. **卷积神经网络（Convolutional Neural Networks, CNNs）**：这种网络特别适合处理具有网格结构的数据，如图像。它们使用卷积层来提取图像的特征。 4. **循环神经网络（Recurrent Neural Networks, RNNs）**：这种网络能够处理序列数据，如时间序列或自然语言，因为它们具有记忆功能，能够捕捉数据中的时间依赖性。 5. **长短期记忆网络（Long Short-Term Memory, LSTM）**：LSTM 是一种特殊的 RNN，它能够学习长期依赖关系，非常适合复杂的序列预测任务。 6. **生成对抗网络（Generative Adversarial Networks, GANs）**：由两个网络组成，一个生成器和一个判别器，它们相互竞争，生成器生成数据，判别器评估数据的真实性。 7. **深度学习框架**：如 TensorFlow、Keras、PyTorch 等，这些框架提供了构建、训练和部署深度学习模型的工具和库。 8. **激活函数（Activation Functions）**：如 ReLU、Sigmoid、Tanh 等，它们在神经网络中用于添加非线性，使得网络能够学习复杂的函数。 9. **损失函数（Loss Functions）**：用于评估模型的预测与真实值之间的差异，常见的损失函数包括均方误差（MSE）、交叉熵（Cross-Entropy）等。 10. **优化算法（Optimization Algorithms）**：如梯度下降（Gradient Descent）、随机梯度下降（SGD）、Adam 等，用于更新网络权重，以最小化损失函数。 11. **正则化（Regularization）**：技术如 Dropout、L1/L2 正则化等，用于防止模型过拟合。 12. **迁移学习（Transfer Learning）**：利用在一个任务上训练好的模型来提高另一个相关任务的性能。 深度学习在许多领域都取得了显著的成就，但它也面临着一些挑战，如对大量数据的依赖、模型的解释性差、计算资源消耗大等。研究人员正在不断探索新的方法来解决这些问题。
美国扩大电动汽车充电基础设施政策（英文）.pdf
09-21
政策背景与动机： 签署法案：2021年11月15日，拜登总统签署了《基础设施投资和就业法案》（IIJA），旨在通过多项措施推动美国电动汽车充电基础设施的扩张。 市场增长：随着电动汽车市场的快速增长，对充电基础设施的需求也日益增加，政府政策成为推动这一发展的关键力量。 电动汽车充电基础： 充电技术：电动汽车充电技术通常分为三级，各级充电速度和功率不同，满足不同场景下的充电需求。 充电站类型：包括公共、私人及工作场所充电站，各自具有不同的访问限制和使用特点。 市场趋势与现状： 市场增长：EV市场增长依赖技术进步、成本降低及充电便利性的提高。 充电站数量：截至2022年10月，美国公共和私人充电站总数超过50,000个，其中93%为公共充电站。 区域差异：充电站分布存在地区差异，部分低收入社区充电基础设施不足。 政策与项目： NEVI公式计划：通过IIJA设立的国家电动汽车基础设施（NEVI）公式计划，为各州提供资金以建设EV充电站。 税收抵免：扩展了替代燃料汽车加油站的税收抵免政策，包括EV充电站，以激励投资者。 联合办公室：DOT和DOE成立联合办公室，负责NEVI计划的实施和监管，确保
电子设计论文照明过暗提醒电路电子设计论文照明过暗提醒电路
09-21
电子设计论文照明过暗提醒电路电子设计论文照明过暗提醒电路
前端，HTML+CSS的综合案例，网页开发
09-21
我选用的软件是：Visual Studio CODE，这个软件在前端开发中十分常用，且提供了很大的便利。 当然也可以用记事本开发，记得把后缀名改成.html 还有我的CSS使用的是内部样式表。 写在head标签下。用到的标签有  <h1></h1>    <img src="lyf.jpg" class="god">     <p>    </p> 就是这三个标签，构成了HTML的主体架构。 而CSS则是设置了以下形式。 font-size: 16px;             line-height: 32px;             font-family: "Microsoft Yahei";             text-align: left;             text-indent：2em;          text-decoration: none;             color: #888888         width：66px
MFC MAPI 源码和可执行文件
09-21
大名鼎鼎的MFC MAPI 源码和可执行文件，是开发OUTLOOK插件的好帮手。
机械原理课程设计插床机构机械设计.doc
09-21
机械原理课程设计插床机构机械设计.doc
基于深度学习的音频分类 前端App.zip
09-21
深度学习是机器学习的一个子领域，它基于人工神经网络的研究，特别是利用多层次的神经网络来进行学习和模式识别。深度学习模型能够学习数据的高层次特征，这些特征对于图像和语音识别、自然语言处理、医学图像分析等应用至关重要。以下是深度学习的一些关键概念和组成部分： 1. **神经网络（Neural Networks）**：深度学习的基础是人工神经网络，它是由多个层组成的网络结构，包括输入层、隐藏层和输出层。每个层由多个神经元组成，神经元之间通过权重连接。 2. **前馈神经网络（Feedforward Neural Networks）**：这是最常见的神经网络类型，信息从输入层流向隐藏层，最终到达输出层。 3. **卷积神经网络（Convolutional Neural Networks, CNNs）**：这种网络特别适合处理具有网格结构的数据，如图像。它们使用卷积层来提取图像的特征。 4. **循环神经网络（Recurrent Neural Networks, RNNs）**：这种网络能够处理序列数据，如时间序列或自然语言，因为它们具有记忆功能，能够捕捉数据中的时间依赖性。 5. **长短期记忆网络（Long Short-Term Memory, LSTM）**：LSTM 是一种特殊的 RNN，它能够学习长期依赖关系，非常适合复杂的序列预测任务。 6. **生成对抗网络（Generative Adversarial Networks, GANs）**：由两个网络组成，一个生成器和一个判别器，它们相互竞争，生成器生成数据，判别器评估数据的真实性。 7. **深度学习框架**：如 TensorFlow、Keras、PyTorch 等，这些框架提供了构建、训练和部署深度学习模型的工具和库。 8. **激活函数（Activation Functions）**：如 ReLU、Sigmoid、Tanh 等，它们在神经网络中用于添加非线性，使得网络能够学习复杂的函数。 9. **损失函数（Loss Functions）**：用于评估模型的预测与真实值之间的差异，常见的损失函数包括均方误差（MSE）、交叉熵（Cross-Entropy）等。 10. **优化算法（Optimization Algorithms）**：如梯度下降（Gradient Descent）、随机梯度下降（SGD）、Adam 等，用于更新网络权重，以最小化损失函数。 11. **正则化（Regularization）**：技术如 Dropout、L1/L2 正则化等，用于防止模型过拟合。 12. **迁移学习（Transfer Learning）**：利用在一个任务上训练好的模型来提高另一个相关任务的性能。 深度学习在许多领域都取得了显著的成就，但它也面临着一些挑战，如对大量数据的依赖、模型的解释性差、计算资源消耗大等。研究人员正在不断探索新的方法来解决这些问题。
基于BERT模型的深度学习中文文本分类实现，包含大约20000条新闻的训练和测试集，包装有简单HTTP接口可供调用。.zip
09-21
深度学习是机器学习的一个子领域，它基于人工神经网络的研究，特别是利用多层次的神经网络来进行学习和模式识别。深度学习模型能够学习数据的高层次特征，这些特征对于图像和语音识别、自然语言处理、医学图像分析等应用至关重要。以下是深度学习的一些关键概念和组成部分： 1. **神经网络（Neural Networks）**：深度学习的基础是人工神经网络，它是由多个层组成的网络结构，包括输入层、隐藏层和输出层。每个层由多个神经元组成，神经元之间通过权重连接。 2. **前馈神经网络（Feedforward Neural Networks）**：这是最常见的神经网络类型，信息从输入层流向隐藏层，最终到达输出层。 3. **卷积神经网络（Convolutional Neural Networks, CNNs）**：这种网络特别适合处理具有网格结构的数据，如图像。它们使用卷积层来提取图像的特征。 4. **循环神经网络（Recurrent Neural Networks, RNNs）**：这种网络能够处理序列数据，如时间序列或自然语言，因为它们具有记忆功能，能够捕捉数据中的时间依赖性。 5. **长短期记忆网络（Long Short-Term Memory, LSTM）**：LSTM 是一种特殊的 RNN，它能够学习长期依赖关系，非常适合复杂的序列预测任务。 6. **生成对抗网络（Generative Adversarial Networks, GANs）**：由两个网络组成，一个生成器和一个判别器，它们相互竞争，生成器生成数据，判别器评估数据的真实性。 7. **深度学习框架**：如 TensorFlow、Keras、PyTorch 等，这些框架提供了构建、训练和部署深度学习模型的工具和库。 8. **激活函数（Activation Functions）**：如 ReLU、Sigmoid、Tanh 等，它们在神经网络中用于添加非线性，使得网络能够学习复杂的函数。 9. **损失函数（Loss Functions）**：用于评估模型的预测与真实值之间的差异，常见的损失函数包括均方误差（MSE）、交叉熵（Cross-Entropy）等。 10. **优化算法（Optimization Algorithms）**：如梯度下降（Gradient Descent）、随机梯度下降（SGD）、Adam 等，用于更新网络权重，以最小化损失函数。 11. **正则化（Regularization）**：技术如 Dropout、L1/L2 正则化等，用于防止模型过拟合。 12. **迁移学习（Transfer Learning）**：利用在一个任务上训练好的模型来提高另一个相关任务的性能。 深度学习在许多领域都取得了显著的成就，但它也面临着一些挑战，如对大量数据的依赖、模型的解释性差、计算资源消耗大等。研究人员正在不断探索新的方法来解决这些问题。
《化工设备机械基础》课程设计 IB储罐设计.doc.doc
09-21
《化工设备机械基础》课程设计 IB储罐设计.doc.doc
机械原理课程设计网球自动捡球机.doc
最新发布
09-21
机械原理课程设计网球自动捡球机.doc
EKFUKFCKF录屏.mp4
09-21
EKFUKFCKF录屏.mp4
线段树入门讲义：构建与操作详解
线段树是一种高效的数据结构，主要用于处理区间查询问题，尤其在需要对连续区间进行快速插入、删除和查找操作的场景中。这份讲义针对初学者介绍了线段树的基本概念和实现方法。 线段树本质上是一棵二叉树，每个非叶...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值