【学习笔记】Size-Balanced Tree（SBT）

零、前言

以学习为借口，是不做题摆烂的最好方式。毕竟 $\text{SBT}$ 在我的 $\mathrm{O}\mathrm{I}$ 生涯里就没使用过。今天才学的说。参考原论文，但是纯英文。

壹、怎么平衡

利用一个比较奇葩的性质，侄子子树大小更小。写成式子即 $\text{size}(x.\text{lson}.\text{lson/rson})⩽\text{size}(x.\text{rson})$，对于另一侧也成立。

然后即可证明树高是 $\mathcal{O}(\log n)$ 的。需要逆向思考一下，记 $f(h)$ 为高度为 $h$ 的 $\text{SBT}$ 至少需多少个节点。不妨设左儿子高度为 $(h-1)$，根据性质，右儿子至少大小为 $f(h-2)$，所以有
$$f(h)⩾f(h-1)+f(h-2)+1$$

初值 $f(1)=1,f(2)=2$ 易知。显然这是指数级增长，故树高 $\mathcal{O}(\log n)$ 。

顺便聊两句：发明者本人声称 $\text{SBT}$ 不属于 $\text{Weight Balanced Tree}$ 。

贰、怎么维护平衡

记方法 $\text{maintain}(x)$ 为，通过 旋转 使得 $x$ 的子树为 $\text{SBT}$ 。具体调整方法可见原论文，因为其中附有图片。直观来说就是将 $\text{size}$ 过大的侄子子树旋转到高处。

下面给出代码。不存储父节点，类似于自顶向下旋转，故 $\text{rotate}$ 函数非常简单。

void rotate(Node* &o, int d){
	Node* const k = o->ch[d];
	o->ch[d] = k->ch[d^1], k->ch[d^1] = o;
	k->size = o->size, o->pushUp(), o = k;
}
/// @brief check for lighter part
void maintain(Node* &o, int d){
	if(o->ch[d^1]->ch[d^1]->size > o->ch[d]->size) rotate(o,d^1);
	else if(o->ch[d^1]->ch[d]->size > o->ch[d]->size)
		rotate(o->ch[d^1],d), rotate(o,d^1); else return;
	maintain(o->ch[0],1), maintain(o->ch[1],0);
	maintain(o,0), maintain(o,1);
}

至于为什么它是对的，那就是子树已经 $\text{BST}$ 了，放缩一下可知。不想深究，能用就行。注意：空节点应为分配了内存的特殊地址，即 Node* _null 为自定义值。

$\text{insert}$ 时，要自顶向上 $\text{maintain}$ 。而 $\text{erase}$ 的实现方式是，若删去点不是叶子结点，就递归删除左子树的最大值（或删去右子树最小值），然后放到该节点上，最后 $\text{maintain}$ 。

一个有趣的事情是，$\text{erase}$ 之后不 $\text{maintain}$ 的复杂度仍然正确：均摊复杂度变为 $\mathcal{O}(\log |\text{insert}|)$ 。

叁、时间复杂度

记 $\Phi ={\sum }_{i\in T}\text{depth}(i)$，可以发现 $\text{maintain}$ 中的 $\text{rotate}$ 会使得 $\Phi$ 至少减少 $1$ 。

而 $\Phi$ 只在 $\text{insert}$ 时增加树高 $\mathcal{O}(\log n)$，故 $\text{rotate}$ 复杂度可以均摊到 $\text{insert}$ 操作上，而后 $\text{maintain}$ 是均摊 $\mathcal{O}(1)$ 的。