改编自某大佬:https://blog.csdn.net/zearot/article/details/52280189
https://www.cnblogs.com/AC-King/p/7789013.html
跟朵朵大佬:https://blog.csdn.net/zhangxiaoduoduo/article/details/81557576
一、为什么需要线段树?
方法一:对于统计L, R, 需要求下标从L到R的所有数的和,从L到R的所有下标记作[ L...R ], 问题就是对A[ L...R ]进行求和。
这样求和,对于每个询问,需要将(R-L+1)个数相加。
方法二:更快的方法的是求前缀和,令S[0] = 0, S[k] = A[1]+...A[k], 那么,A[L]+..A[R]的和就等于S[R]-S[L-1]。
这样求和,对于每个询问,就只需要做一次减法,大大提高效率。
再使用方法二的话,假如A[L]+=C之后,S[L],S[L+1]...S[R]都需要增加C,全部都要修改,如图。
!!!!!表中第三行第一列表示为A[L]+...+A[R]
从上表可以看出,方法一修改快,求和慢。方法二求和快,修改慢。
而线段树就是一种集修改和求和都快于一体的结构了。
二、线段树的点修改
问题二就是典型的线段树点修改。
线段树先将区间[1...10000]分成不超过4*10000个子区间,对于每个子区间记录一段连续数字的和。
之后,任意给定区间[L,R], 线段树在上述子区间中选择约2*log(R-L+1) 个拼成区间[L,R]。
如果A[L]+=C即向A[L]上加上某一数字,线段树的子区间中,约有log2(10000) 个包含了L,所以需要修改log2(10000)个。
于是,使用线段树的话
A[L]+=C需要修改log2(10000)个元素
求和A[L...R]需要修改2*log2(R-L+1)<=2*log2(10000)个元素。
log2(10000)<14所以相对来说线段树的修改和求和都比较快。
问题一:开始的子区间是怎么分的
首先先说原始子区间如何分解,假定给定区间[L,R],只要L<R,线段树就会把它继续分裂成两个区间。
首先计算M = (L+R)/2,左子区间为[L,M],右子区间为[M+1,R],然后如果子区间不满足条件就会递归分解。
以区间[1..13]的分解为例,分解结果见下图:
问题二:给定区间[L,R],如何分解成上述给定区间?
对于给定区间[2,12]要如何分解成上述区间呢?
分解方法一:自下而上合并——利于理解
先考虑树的最下层,将所有在区间[2,12]内的点选中,然后,若相邻的点的直接父节点是同一个,那么就用这个父节点代替这两个结点(父节点在上一层)。这样操作后,本层最多剩下两个结点。若最左侧被选中的结点是他父节点的右子树,那么这个结点会被剩下那么这个节点会被剩下。中间的所有节点都被父节点取代。对最下层处理完之后,考虑它的上一层,继续进行同样的处理。
下图为n=13的线段树,区间[2,12],按照上面的叙述进行操作的过程图:
由图可以看出:在n=13的线段树中,[2,12]=[2] + [3,4] + [5,7] + [8,10] + [11,12] 。
分解方法二:自上而下分解——利于计算
首先对于区间[1,13],计算(1+13)/2 = 7,于是将区间[2,12]“切割”成了[2,7]和[8,12]。
其中[2,7]处于节点[1,7]的位置,[2,7] < [1,7] 所以继续分解,计算(1+7)/2 = 4, 于是将[2,7] 切割成[2,4]和[5,7]。
[5,7]处于节点[5,7]的位置,所以不用继续分解,[2,4]处于区间[1,4]的位置,所以继续分解成[2]和[3,4]。
最后【2】 < 【1,2】,所以计算(1+2)/2=1 ,将【2】用1切割,左侧为空,右侧为【2】
当然程序是递归计算的,不是一层一层计算的,上图只表示计算方法,不代表计算顺序。
问题三:如何进行区间统计?
假设这13个数为1,2,3,4,1,2,3,4,1,2,3,4,1. 在区间之后标上该区间的数字之和:
如果要计算[2,12]的和,按照之前的算法:
[2,12]=[2] + [3,4] + [5,7] + [8,10] + [11,12]
29 = 2 + 7 + 6 + 7 + 7
计算5个数的和就可以算出[2,12]的值。
问题四:如何进行点修改?
假设把A[6]+=7 ,看看哪些区间需要修改?[6],[5,6],[5,7],[1,7],[1,13]这些区间全部都需要+7.其余所有区间都不用动。
于是,这颗线段树中,点修改最多修改5个线段树元素(每层一个)。
下图中,修改后的元素用蓝色表示。
问题五:存储结构是怎样的?
线段树是一种二叉树,当然可以像一般的树那样写成结构体,指针什么的。
但是它的优点是,它也可以用数组来实现树形结构,可以大大简化代码。
数组形式适合在编程竞赛中使用,在已经知道线段树的最大规模的情况下,直接开足够空间的数组,然后在上面建立线段树。
简单的记法: 足够的空间 = 数组大小n的四倍。
实际上足够的空间 = (n向上扩充到最近的2的某个次方)的两倍。
举例子:假设数组长度为5,就需要5先扩充成8,8*2=16.线段树需要16个元素。如果数组元素为8,那么也需要16个元素。
所以线段树需要的空间是n的两倍到四倍之间的某个数,一般就开4*n的空间就好,如果空间不够,可以自己算好最大值来省点空间。
怎么用数组来表示一颗二叉树呢?假设某个节点的编号为v,那么它的左子节点编号为2*v,右子节点编号为2*v+1。
然后规定根节点为1.这样一颗二叉树就构造完成了。通常2*v在代码中写成 v<<1 。 2*v+1写成 v<<1|1 。
综述
假设有编号从1到n的n个点,每个点都存了一些信息,用[L,R]表示下标从L到R的这些点。
线段树的用处就是,对编号连续的一些点进行修改或者统计操作,修改和统计的复杂度都是O(log2(n)).
线段树的原理,就是,将[1,n]分解成若干特定的子区间(数量不超过4*n),然后,将每个区间[L,R]都分解为
少量特定的子区间,通过对这些少量子区间的修改或者统计,来实现快速对[L,R]的修改或者统计。
由此看出,用线段树统计的东西,必须符合区间加法,否则,不可能通过分成的子区间来得到[L,R]的统计结果。
符合区间加法的例子:
数字之和——总数字之和 = 左区间数字之和 + 右区间数字之和
最大公因数(GCD)——总GCD = gcd( 左区间GCD , 右区间GCD );
最大值——总最大值=max(左区间最大值,右区间最大值)
不符合区间加法的例子:
众数——只知道左右区间的众数,没法求总区间的众数
01序列的最长连续零——只知道左右区间的最长连续零,没法知道总的最长连续零
一个问题,只要能化成对一些连续点的修改和统计问题,基本就可以用线段树来解决了,由于点的信息可以千变万化,所以线段树是一种非常灵活的数据结构,可以做的题的类型特别多,只要会转化。
线段树当然是可以维护线段信息的,因为线段信息也是可以转换成用点来表达的(每个点代表一条线段)。
定义:
#define maxn 100007 //元素总个数
int Sum[maxn<<2]; //Sum求和,开四倍空间
int A[maxn],n; //存原数组下标[1,n]
建树:
//PushUp函数更新结点信息,这里是求和
void PushUp(int rt)
{
Sum[rt] = Sum[rt<<1]+Sum[rt<<1|1]; //该结点的和等于左子结点的和加右子节点的和;<<为位运算,<<1:乘以2;<<1|1:乘以2+1;
}
//Build函数建立线段树
void Build(int l, int r, int rt) //[l,r]表示当前结点区间,rt表示当前结点的实际存储位置;
{
//如果到达叶子节点
if(l==r)
{
Sum[rt]=A[l];//存储A数组的值
return;
}
//如果没有到达叶子节点
int m=(l+r)>>1;//定义m等于该结点下一层结点的中间值(从哪个地方分成的两个结点)
//左右递归, 分别继续往下递归 使其到达叶子结点;
Build(l, m, rt<<1);
Build(m+1, r, rt<<1|1);
//更新信息
PushUp(rt);
}
点修改:
假设A[L]+=C;
void Update(int L, int C, int l, int r, int rt)
//[l,r]表示当前区间,rt是当前节点编号 l,r表示当前节点区间,rt表示当前节点编号,C表示所加的数,L表示所加的结点;
{
if(l==r) //到达叶子节点,并且修改(此例为加和);
{
Sum[rt]+=C;
return;
}
int m=(l+r)>>1;
//根据条件判断往左子树调用还是往右;
if(L<=m)
Update(L, C, l, m, rt<<1);
else
Update(L, C, m+1, r, rt<<1|1);
PushUp(rt); //子节点更新了,所以本节点也需要更新信息;
}
区间修改:
void Update(int L, int R, int C, int l, int r, int rt)
{
//L,R表示操作区间,l,r表示当前节点区间,r,t表示当前节点编号;
if(L<=l&&r<=R)//如果本区间完全在操作区间[L,R]以内
{
Sum[rt]+=C*(r-l+1);//更新数字和,向上保持正确
Add[rt]+=C;//增加Add标记,表示本区间的Sum正确,子区间的Sum仍需要根据Add的值来调整
return ;
}
int m=(l+r)>>1;
PushDown(rt,m-l+1, r-m);//下推标记
//这里判断左右子树跟[L,R]有无交集,有交集才递归
if(L<=m)
Update(L, R, C, l, m, rt<<1);
if(R>m)
Update(L, R, C, m+1, r, rt<<1|1);
PushUp(rt); //更新本节点信息
}
区间查询(本题为求和):
首先是下推标记的函数:
void PushDown(int rt,int ln,int rn)
{//ln,rn为左子树,右子树的数字数量。
if(Add[rt])
{
//下推标记
Add[rt<<1]+=Add[rt];
Add[rt<<1|1]+=Add[rt];
//修改子节点的Sum使之与对应的Add相对应
Sum[rt<<1]+=Add[rt]*ln;
Sum[rt<<1|1]+=Add[rt]*rn;
//清除本节点标记
Add[rt]=0;
}
}
然后是区间查询的函数:
int Query(int L,int R,int l,int r,int rt)
{//[L,R]表示操作区间,[l,r]表示当前区间,rt:当前节点编号
if(L <= l && r <= R)
{
return Sum[rt]; //在区间内直接返回
}
int m=(l+r)>>1;
//左子区间:[l,m] 右子区间:[m+1,r] 求和区间:[L,R]
PushDown(rt,m-l+1,r-m);
//累加答案
int ANS=0;
if(L <= m)
ANS+=Query(L,R,l,m,rt<<1); //左子区间与[L,R]有重叠,递归
if(R > m)
ANS+=Query(L,R,m+1,r,rt<<1|1); //右子区间与[L,R]有重叠,递归
return ANS;
}
函数调用:
//建树
Build(1,n,1);
//点修改
Update(L,C,1,n,1);
//区间修改
Update(L,R,C,1,n,1);
//区间查询
int ANS=Query(L,R,1,n,1);
模板一:
单点更新,单点查询:
int a[maxn];
int ans_min,ans_max,ans_sum;
struct node{
int l,r;
int maxx,minx,sum;
}tree[maxn<<2];
void build(int o,int l,int r)
{
tree[o].l = l;
tree[o].r = r;
if(l == r){
tree[o].maxx = tree[o].minx = tree[o].sum = a[l];
return ;
}
int m = MID(l,r);
int lc = lson(o),rc = rson(o);
build(lc,l,m);
build(rc,m+1,r);
tree[o].maxx = max(tree[lc].maxx, tree[rc].maxx);
tree[o].minx = min(tree[lc].minx, tree[rc].minx);
tree[o].sum = tree[lc].sum + tree[rc].sum;
}
void update(int o,int p,int v)
{
if(tree[o].l == tree[o].r)
{
tree[o].maxx = v; //视情况而定
tree[o].minx = v;
tree[o].sum = v;
return ;
}
int m = MID(tree[o].l,tree[o].r);
int lc = lson(o),rc = rson(o);
if(p<=m) update(lc,p,v);
else update(rc,p,v);
tree[o].maxx = max(tree[lc].maxx, tree[rc].maxx);
tree[o].minx = min(tree[lc].minx, tree[rc].minx);
tree[o].sum = tree[lc].sum + tree[rc].sum;
}
void query_init()//查询前,将全局变量初始化
{
ans_max = -INF;
ans_min = INF;
ans_sum = 0;
}
void query(int o,int l,int r)
{
if(tree[o].l == l && tree[o].r == r)
{
ans_max = max(ans_max, tree[o].maxx);
ans_min = min(ans_min, tree[o].minx);
ans_sum += tree[o].sum;
return;
}
int m = MID(tree[o].l,tree[o].r);
int lc = lson(o),rc = rson(o);
if(r<=m)
query(lc,l,r);
else if(l>m)
query(rc,l,r);
else
{
query(lc,l,m);
query(rc,m+1,r);
}
}
模板2:
区间更新,区间查询:
LL a[maxn];
struct node{
int l,r;
LL sum,inc;
}tree[maxn<<2];
void build(int o,int l,int r)
{
tree[o].l = l;
tree[o].r = r;
tree[o].inc = 0;
if(l == r)
{
tree[o].sum = a[l];
return ;
}
int m = MID(l,r);
int lc = lson(o),rc = rson(o);
build(lc,l,m);
build(rc,m+1,r);
tree[o].sum = tree[lc].sum+tree[rc].sum;
}
void update(int o,int l,int r,LL val)
{
if(tree[o].l == l && tree[o].r == r)
{
tree[o].inc += val;
return ;
}
tree[o].sum += val*(r-l+1);
int m = MID(tree[o].l,tree[o].r);
int lc = lson(o),rc = rson(o);
if(r<=m)
update(lc,l,r,val);
else if(l>m)
update(rc,l,r,val);
else
{
update(lc,l,m,val);
update(rc,m+1,r,val);
}
}
LL ans_sum;
LL query(int o,int l,int r)
{
if(tree[o].l == l && tree[o].r == r)
{
return tree[o].sum + tree[o].inc *(r-l+1);
}
tree[o].sum += (tree[o].r-tree[o].l+1)*tree[o].inc;
int m = MID(tree[o].l,tree[o].r);
int lc = lson(o),rc = rson(o);
update(lc,tree[o].l,m,tree[o].inc);
update(rc,m+1,tree[o].r,tree[o].inc); //只更新到下一层
tree[o].inc = 0; //清除标记
if(r<=m)
ans_sum = query(lc,l,r);
else if(l>m)
ans_sum = query(rc,l,r);
else
{
ans_sum = query(lc,l,m)+query(rc,m+1,r);
}
return ans_sum;
}