倍增与 ST 表

倍增与 ST 表：

---

倍增：

“成倍增长”，通过倍增带来的指数级别增长快速抵达（逼近）目标位置（状态）。

• 【相较线性一步步走抵达目标位置 O(N)，倍增只需 O(logN) 即可抵达】。
• 通过倍增抵达目标位置（状态）可分为目标位置已知（快速幂），目标位置未知（LCA）两种情况。

目标位置已知，指知道从当前位置抵达目标位置的距离，且距离是整数（任意整数可以表示成若干个 2 的次幂的形式）。

1. 已知目标点距离当前位置为 b，每次可移动 2**(i ∈ A) 步且每一次移动都需移动步数大于等于前一步。
   • 可将 b 转化为二进制形式（如 5 → (101)_2），则可先走 2^0 步，再走 2^2 步即可到达目标位置。
2. 已知整数 a 和整数 b，求 a^b，即求 b 个 a 的连乘结果，可知 1 距离 a^b 差 b 个 a 连乘。（快速幂）
   • 如 a^5 可将其看作 a^(101)_2 的形式，即 a^1×20 × a^0×21 × a^1×22 = a^1 × a^4。
   • 在求解过程中，可从 a^1 逐步倍增到 a^b 并记录其值，以此到达目标位置求解问题。

Ø 在已知目标位置时，可通过倍增快速抵达目标位置，前提是我们递推问题的状态空间（从起点抵达目标的方式）关于 2 的次幂具有可划分性。

目标位置未知，指不清楚所需抵达的目标的具体位置，但抵达某个位置后可知晓该位置与目标位置的先后关系。
• 如在二分中，虽事先不知道所求答案具体位置，但能通过红蓝边界进行判断从而逼近目标位置（倍增可替代二分）。

1. 在一个不重复有序序列 A 中，找值为 x 的元素所在下标。
   • 可从当前位置 i 依次尝试走 2^k (k ∈ N), …, 2^0 步，到达 A[i + 2^k] 后判断 A[i + 2^k] 与 x 大小关系，
   • 当 A[i + 2^k] > x 时，缩小 k，令 k = k - 1，继续判断；
   • 当 A[i + 2^k] < x 时从 i 走 2^k 步到达新位置 i = i + 2^k，继续重复之前判断；
   • 当 A[i + 2^k] = x 时，i + 2^k 即是 x 下标。
2. 在树上求两点最近公共祖先，亦可如 1 中，尝试走并判断，来快速逼近目标位置，从而抵达。

Ø 在未知目标位置时，可通过倍增快速逼近从而抵达，前提是能知晓尝试到达位置和目标位置之间的关系。

---

ST 表：

在 RMQ（区间最值问题）中，给定一个长度为 N 的序列 A，ST 算法能在 O(NlogN) 时间预处理后，以 O(1) 的时间复杂度在线回答“数列 A 中区间 [l, r] 所有数的最值”问题。【用于处理可重复贡献问题，需预处理，只能静态查询】

给定 n 个数，有 m 个询问，对于每个询问，你需要回答区间 [l, r] 中的最大值。

• 可重复贡献：对于区间 [l, r] 而言，区间最值可由多个可重叠的子区间最值共同构成（可重不漏）。
• 一个序列的子区间数目为 N^2 个，可选择一些 2 的整数次幂的位置作为代表：F[i, k]表示区间 [i, i + 2^k - 1] 的最大值。
• 递推边界：F[i, 0] → [i, i] ⇒ F[i, 0] = A[i]，即数列 A 在子区间 [i, i] 里的最大值。
• 递推公式：递推时，将子区间长度成倍增长，有 F[i, k] = max(F[i, k - 1], F[i + 2^k - 1, k - 1])。

预处理：

• 递推边界：F[i, 0] → [i, i] ⇒ F[i, 0] = A[i]，即数列 A 在子区间 [i, i] 里的最大值。
• 递推公式：递推时，将子区间长度成倍增长，有 F[i, k] = max(F[i, k − 1], F[i + 2^k−1, k − 1])。

区间求最值：

• 询问任意区间 [l, r] 最值时，可先计算出一个 k，满足 2^k ≤ r − l + 1 < 2^(k+1)，即小于区间长度下最大的 k。
• “从 l 开始的 2^k 个数” 和 “以 r 结尾的 2^k 个数”，这两段一定覆盖了整个区间。
• 二维 ST 表