算法学习之：动态树（link-cut-tree）及bzoj3282Tree例题详解

算法学习之：动态树（link-cut-tree，下文简称lct）

前言：

经过大神对lct的各种狂吹之后，作为蒟蒻一只的我就来学习lct了，%了几份博客之后，大概明白了lct是怎么做。发现其实lct好像并没有想想中的那么难。当然lct的最低门槛是splay，其次当然就是树链剖分。当然理论上来说树链剖分不看的话lct其实可学，但是可能光是理解就要好久。所以想学lct的小伙伴们还是先去学学splay和树剖咯。

从一道简单题说起：

题目链接：戳这里

题目大意：

森林上各种操作，包括森林树上的路径询问，拆分，合并和单点修改。显然，如果说把拆分以及合并去掉的话，这道就是一道非常裸的树剖题。但是，树剖成立的前提条件就是树的形态是不变的，而显然，在森林中树的拆分与合并使得树的结构是不定的，因此我们希望有某种数据结构，支持树链的拆分合并，并且复杂度是nlog级别的，这就是动态树。

算法详解：

几个定义：

Access:如果这个点刚刚被访问过，那么称这个节点刚刚被执行了Access操作。

PreferredChild:在节点u的子树中，如果最后一个被访问的节点v在当前结点u的w子树中，那么称w为u的Preferred Child，如果节点u本身就是最后一个被访问的节点，那么u没有Preferred Child。

延伸定义：Preferred Edge和Preferred Path，分别表示Preferred Child的父边以及以其形成的路径。

接下来闭上眼睛，把这个几个概念回顾一下，直到你能把他的定义背出来。并且类比一下之前其他的算法概念。然后你会发现:超级像树剖的做法，只不过这棵树的Preferred Child不一定是子树节点个数最多的，因为这棵树的结构会随时变化，下文会提到。

数据结构登场——平衡树

由上面的操作，我们得到了若干条Preferred Path，对于每条Preferred Path，我们以深度为关键字①，维护一棵平衡树(当然是选择Splay，因为要支持转来转去的操作)，顺带说一句，这个平衡树有个好听的名字，叫做Auxiliary Tree(辅助树)，然而这个概念并不