在学习线段树之前,我们先来了解一下二叉树。
线段树的构造思想
线段树是一棵二叉树,树中的每一个结点表示了一个区间[a,b]。
每一个叶子节点表示了一个单位区间。
根节点表示的是“整体”的区间。
对于每一个非叶结点所表示的区间[a,b]:
左儿子表示的区间为[a,(a+b)/2]
右儿子表示的区间为[(a+b)/2+1,b]
对于线段树中的每一个非叶子节点[a,b],它的左儿子表示的区间为[a,(a+b)/2],右儿子表示的区间为[(a+b)/2+1,b]。因此线段树是平衡二叉树,最后的子节点数目为N,即整个线段区间的长度。
使用线段树可以快速的查找某一个节点在若干条线段中出现的次数,时间复杂度为O(logN)。而未优化的空间复杂度为2N,因此有时需要离散化让空间压缩。
【创建线段树(初始化)】:
由于线段树是用二叉树结构储存的,而且是近乎完全二叉树的,所以在这里我使用了数组来代替链表上图中区间上面的数字表示了结构体数组中对应的下标,从上到下,从左到右,按顺序排下标。
在完全二叉树中假如一个结点的序号(数组下标)为 l,那么 (二叉树基本关系)有:
(1)I 的父亲为 I/2,
(2)I 的另一个兄弟为 I/2*2(当l为右子树时) 或 I/2*2+1(当l为左子树时)
(3)I 的两个孩子为 I*2 (左) I*2+1(右)
有了这样的关系之后,我们便能很方便的写出创建线段树的代码了。
【单点更新线段树】:
由于我事先用 father[ ] 数组保存过 每单个结点 对应的下标了,因此我只需要知道第几个点,就能知道这个点在结构体中的位置(即下标)了,这样的话,根据之前已知的基本关系,就只需要直接一路更新上去即可。
【查询区间最大值】:
将一段区间按照建立的线段树从上往下一直拆开,直到存在有完全重合的区间停止。对照图例建立的树,假如查询区间为 [2,5]
![查询区间为[2,5]](https://img-my.csdn.net/uploads/201208/06/1344268495_9443.jpg)
红色的区间为完全重合的区间,因为在这个具体问题中我们只需要比较这 三个区间的值 找出 最大值 即可。
举例说明:已知线段[2,5] [4,6] [0,7];求点2,4,7分别出现了多少次
在[0,7]区间上建立一棵满二叉树:(为了和已知线段区别,用【】表示线段树中的线段)
【0,7】
/ \
【0,3】 【4,7】
/ \ / \
【0,1】 【2,3】 【4,5】 【6,7】
/ \ / \ / \ / \
【0,0】【1,1】【2,2】 【3,3】【4,4】 【5,5】 【6,6】【7,7】
三条已知线段插入过程:
[2,5]
--[2,5]与【0,7】比较,分成两部分:[2,3]插到左儿子【0,3】,[4,5]插到右儿子【4,7】
--[2,3]与【0,3】比较,插到右儿子【2,3】;[4,5]和【4,7】比较,插到左儿子【4,5】
--[2,3]与【2,3】匹配,【2,3】记录+1;[4,5]与【4,5】匹配,【4,5】记录+1
[4,6]
--[4,6]与【0,7】比较,插到右儿子【4,7】
--[4,6]与【4,7】比较,分成两部分,[4,5]插到左儿子【4,5】;[6,6]插到右儿子【6,7】
--[4,5]与【4,5】匹配,【4,5】记录+1;[6,6]与【6,7】比较,插到左儿子【6,6】
--[6,6]与【6,6】匹配,【6,6】记录+1
[0,7]
--[0,7]与【0,7】匹配,【0,7】记录+1
插入过程结束,线段树上的记录如下(红色数字为每条线段的记录n):
【0,7】
1
/ \
【0,3】 【4,7】
0 0
/ \ / \
【0,1】 【2,3】 【4,5】 【6,7】
0 1 2 0
/ \ / \ / \ / \
【0,0】【1,1】【2,2】【3,3】【4,4】【5,5】【6,6】【7,7】
0 0 0 0 0 0 1 0
询问操作和插入操作类似,也是递归过程,略
2——依次把【0,7】 【0,3】 【2,3】【2,2】的记录n加起来,结果为2
4——依次把【0,7】 【4,7】 【4,5】【4,4】的记录n加起来,结果为3
7——依次把【0,7】 【4,7】 【6,7】【7,7】的记录n加起来,结果为1
不管是插入操作还是查询操作,每次操作的执行次数仅为树的深度——logN
建树有n次插入操作,n*logN,一次查询要logN,m次就是m*logN;总共复杂度O(n+m)*logN,这道题N不超过30000,logN约等于14,所以计算量在10^5~10^6之间,比普通方法快了1000倍;
就先记录这么多,今后还会有补充。