线段树

开一贴，把之前学过的线段树重新总结一下

 

 

引例

来看一个例子

对于一个长度为1000000的数组，现在有两种操作：

• 查询数组中某个区间的最值
• 更新数组中某个区间的值

这样的操作要是有1000000次，如果我们用朴素的算法，即每次以O(n)的效率去处理操作，无疑是非常耗时的。

线段树对于每个查询 和 更新 的操作，都是O(logn)的时间复杂度，因此大大提高了效率。

---

线段树基本概念

 如上图所示，是一颗完整的线段树，接下来有关的操作都通过这张图来说明，我们可以从图中得出一些结论：

• 线段树是一颗二叉搜索树
• 每个结点存储着区间和数据信息

首先看第一个结论。线段树是一颗二叉搜索树说明每个结点最多有两个子结点，由于线段树将区间不断二分的特点，因此结点如果有子结点则必定是两个子结点，否则是叶子节点。设左边界为left, 右边界为right, 如果left != right，则左子树区间为[left, (left+right)/2], 右子树是[(left+right)/2+1, right]，否则 left = right, 是叶子节点，不必继续划分。在上图的例子中，区间[1，8]可以划分，(1 + 8) / 2 = 4, 则左子树的区间为[1，4], 右子树的区间为[5，8];继续划分左子树，可以发现区间[1, 1]已经不能划分，因此停止递归。

有了这样的数据结构，那么我们就可以在其中存储相关的信息。

例如上图中的线段树就是存储每个区间中的最大值。显然我们只需要在每个叶子结点中存储相对应的数据，之后的整棵树经过构造之后，就会记录所有区间的最大值信息。图中的[1，2]区间的最大值显然是通过比较左右子树的最大值得到的，左子树的值为1，右子树的值为2，因此区间[1，2]上的最大值为2，同理得出其他所有子树的最大值，最后可以算出根节点的最大值为8。

接下来我们讨论线段树的存储问题，线段树可以用指针的方式来存储，但在实际的做题过程中，采用结构体数组的方式比较方便。下图中的 l 表示左边界，r 表示右边界，Max用来存储区间的最大值。

#define maxn 200010
struct node{
    int l;
    int r;
    int Max;
}T[maxn*4];

使用上图的数组存储中，我们可以很方便的访问一个非叶子结点的左右子树，假设一个非叶子结点的下标为i，则左子树为2*i，右子树为2*i+1。

此外，一般在实际应用中，数组的大小为所要求的结点的4倍即可。

---

线段树基本操作

有了线段树的基本概念后，我们来讨论线段树的四种操作：构造(build)， 查询(query)，更新(update)， 查找(search)。

构造

int val[maxn]; // 原始数组
void build(int left, int right, int num)
{
    T[num].l = left;
    T[num].r = right;
    if(left == right)
    {
        T[num].Max = val[left];
        return;
    }
    int mid = (left+right)/2;
    build(left, mid, 2*num);
    build(mid+1, right, 2*num+1);
    T[num].Max = max(T[2*num].Max, T[2*num+1].Max);
}

上图是求最大值的线段树构造过程，其他有关的线段树算法都大同小异，基本的框架是一样的，只有细节有变化。

构造是从根节点开始，不断深度优先搜索的过程，如果left == right，就递归到头，返回；否则继续搜索该结点的左右子树，在递归的过程中，自底向上更新最大值。

查询

void query(int x, int y, int num)
{
    if(T[num].l == x && T[num].r == y)
    {
        ans = max(ans, T[num].Max);
        return ;
    }
    int mid = (T[num].l + T[num].r)/2;
    if(x > mid) query(x, y, 2*num+1);
    else if(y <= mid) query(x, y, 2*num);
    else 
    {
        query(x, mid, 2*num);
        query(mid+1, y, 2*num+1);
    }
}

上图是线段树的查询过程，其中[x，y]为待查询的区间，每次查询总是和区间中点的值进行比较，分为以下三种情况：

• x > mid，说明查询的区间在线段树右边，直接递归线段树的右子树
• y <= mid， 说明查询的区间在线段树左边，直接递归线段树的左子树
• x <= mid < y， 说明查询的区间同时包含线段树的左右的一部分，所以两边都需要递归

这里必须注意：因为 mid = (T[num].l + T[num].r)/2, int 类型总是向下取整的，因此每次算出来的mid实际上是在左子树上，因此只有整个区间 > mid(而不是>=)才能递归右子树。

以上面的例子来说明,整个区间为[1，8]，mid = 4

1. 如果查询[1，3] ，x = 1，y = 3， y <= mid，直接递归线段树的左子树
2. 如果查询[5，7] ，x = 5，y = 7， x > mid，直接递归线段树的右子树
3. 如果查询[3，6] ，x = 3，y = 6，x <= mid < y，两边的子树都需要递归

这里的查询操作是用了全局变量，因此不返回值，如果用局部变量的话，则需要最后的返回。

更新

void update(int x, int y, int num)
{
    if(T[num].l == T[num].r && T[num].l == x)
    {
        T[num].Max = y;
        return ;
    }
    int mid = (T[num].l+T[num].r)/2;
    if(x > mid) update(x, y, 2*num+1);
    else if(x <= mid) update(x, y, 2*num);
    T[num].Max = max(T[2*num].Max, T[2*num+1].Max);
}

 上图是单点更新的线段树操作，x为要更新的数组下标，y为要更新的值，只要递归到此区间更新值即可，同时注意最后需要更新区间的最大值。

查找

void Search(int num)
{
    printf("l=%d r=%d Max=%d\n",T[num].l,T[num].r,T[num].Max);
    if(T[num].l == T[num].r) return ;
    Search(2*num);
    Search(2*num+1);
}

查找是用来debug，可以输出整棵线段树的信息。