线段树（二）

Question：

给你N个数，有两种操作：

1：给区间[a,b]的所有数增加X
2：询问区间[a,b]的数的和。
输入描述：
第一行一个正整数n，接下来n行n个整数，再接下来一个正整数Q，每行表示操作的个数，如果第一数是1，后接3个正整数，表示在区间[a,b]内每个数增加X,如果是2，表示操作2询问区间[a,b]的和是多少。

输入样例：
5
5 4 3 2 1
2
1 1 3 2
2 3 5

样例输出：
8

分析：

看到这个问题，我们能立刻想到，在主函数中添加一个循环，就像这样：
for ( int p=l ; p<=r ;++p )Update_Tree ( p , val , 1 );
进行r-l+1 次单点修改实现区间修改，但是仔细想想，对单个元素修改时间复杂度为O（Log2(n)), 所以对单个区间修改的复杂度为O（n*Log(n))——甚至比朴素的模拟算法还慢！

这里就将使用一种新方法：延迟标记（Lazy Tag）。
延迟标记就是在递归过程中，如果当前区间被需要修改的目标区间完全覆盖，那么就要停止递归，并且在上面做一个标记。但是这个信息没有更新到每个元素（即叶子节点），下次查询时可能无法得到足够的信息。我们不能忘了，之前在一个区间上打了一个标记，这个标记不仅仅是这个节点的性质，此性质作用于整个子树中。假设我们另一个查询中包含了当前区间的子孙区间，显然，这个标记也要对之后的查询产生影响。

仔细思考，第一期中元素的修改都是在叶节点中实现，不会对后续节点产生影响，类比这种想法，Lazy_Tag应运而生。如果如果当前区间被需要修改的目标区间完全覆盖，打一个标记。如果下一次的查询或更改包含此区间，那么将这个标记分解，并且传递给其左右儿子。
简单的说，延迟标记在我们需要时，才向下传递信息，如果没有用到，则不再进行操作。这个思想使处理的复杂度依然保持在O（log2(n))左右，相比朴素算法大大地降低了复杂度。
为了完成这种操作，我们可以在结构体中，增加一个add数组存储区间的延迟变化量。

举个例子：
这是一棵初始的线段树，其中，sum是我们维护的区间和,add是延迟修改量。add初值为0。

样例中有第一个操作：1 1 3 2 ，即在区间[1 , 3]加上2。
我们将2号节点add值加上2,sum值加上2*3，即2*区间长度，如图所示：

样例中第二个操作为 2 3 5 ，即查询区间[ 3 , 5 ]区间和。
在向下查找的过程中发现，路径上有一个add值不等于0的点，于是进行Push_Down操作（将区间分解并下传），如图所示。

这时再返回[ 3 , 3 ]与[ 4 , 5 ]的值ans = 5 + 3 = 8;如图所示：

这时便完成了两次操作。


建议结合代码理解延迟标记，代码如下：

 struct Tree
{
    int l, r;
    long long sum, add;
} tr[maxN << 2];

建树：
建树的过程同上期。

void Build_Tree ( int x , int y , int i)
{
    tr[i].l = x ;
    tr[i].r = y ;
    if( x == y )tr[i].sum = arr[x];
    else
    {
        ll mid = ( tr[i].l + tr[i].r ) >> 1 ;
        Build_Tree ( x , mid , i << 1);
        Build_Tree (mid + 1 , y , i << 1 | 1 );
        tr[i].sum = tr[i << 1].sum + tr[i << 1 | 1].sum ;
    }
}

标记下传：

void Push_down ( int i , int m )//i是当前结点编号，m = (tr[i].r - tr[i].l +1)
{
    if(tr[i].add)//如果该节点有延迟标记
    {
        tr[i << 1].add += tr[i].add;//延迟标记给左儿子
        tr[i << 1 | 1].add += tr[i].add;//延迟标记给右儿子
        tr[i << 1].sum += tr[i].add * ( m - ( m >> 1 ) );//维护左儿子
        tr[i << 1 | 1].sum += tr[i].add * ( m >> 1) ;//维护右儿子
        tr[i].add = 0 ;//重要！！！，最后一定要清零！！
    }
}

维护树：

void Update_Tree (int q , int w , int i) //[ q , w ]是目标区间，val是修改量
{
    if( w >= tr[i].r && q <= tr[i].l) //当前区间被目标区间完全覆盖
    {
        tr[i].add += val; //延迟修改量+val
        tr[i].sum += val * (tr[i].r - tr[i].l + 1); //加上维护区间总和=修改量*区间长度
        return ;
    }
    else
    {
        Push_down( i , tr[i].r - tr[i].l + 1 ); //分解下传延迟信息
        ll mid = (tr[i].l + tr[i].r ) >> 1;
        if( q > mid )
        {
            Update_Tree ( q , w , i << 1 | 1); //递归右区间
        }
        else if ( w <= mid )
        {
            Update_Tree ( q , w , i << 1); //递归左区间
        }
        else //左右区间都有分布
        {
            Update_Tree ( q , w , i << 1 | 1);
            Update_Tree ( q , w , i << 1);
        }
        tr[i].sum = tr[i << 1].sum + tr[i << 1 | 1].sum ; //回溯
    }
}

查询树：
与单点修改区间查询基本类似。

long long Query_Tree (int q , int w , int i )//i当前结点，[ q ,w ]目标区间
{
    if( w >= tr[i].r && q <= tr[i].l)//被目标区间完全覆盖，直接返回
    {
        return tr[i].sum;
    }
    else
    {
        Push_down( i , tr[i].r - tr[i].l + 1 );//查询也要下传延迟修改信息
        long long mid = (tr[i].l + tr[i].r ) >> 1;//取中值
        if( q > mid )
        {
            return Query_Tree ( q , w , i << 1 | 1);
        }
        else if ( w <= mid )
        {
            return Query_Tree ( q , w , i << 1);
        }
        else
        {
            return Query_Tree ( q , w , i << 1 | 1) + Query_Tree ( q , w , i << 1);
        }
    }
}

主程序：

int main ( )
{
    int N, M, op, l, r;
    scanf("%d", &N);
    for(int i = 1; i <= N; ++i)scanf("%d", &arr[i]) ;
    Build_Tree ( 1 , N , 1 );
    scanf("%d", &M);
    while (M--)
    {
        scanf("%d", &op);
        if (op == 1)
        {
            scanf("%d%d%d", &l, &r, &val);
            Update_Tree ( l , r , 1);
        }

        else
        {
            scanf("%d%d", &l, &r);
            printf("%lld\n", Query_Tree ( l , r , 1 )) ;
        }
    }
    return 0 ;
}

其实上期的单点修改，只是区间查询 l==r 时的特例，单点查询Query_Tree ( l , l , 1 )同样可以完成单点查询。
PS：动态修改的RMQ问题（区间最值），也可以用带延迟标记的线段树完成。