信息学竞赛中离散化算法

离散化（Discretization ），把无限空间中有限的个体映射到有限的空间中去，以此提高算法的时空效率。
通俗的说，离散化是在不改变数据相对大小的条件下，对数据进行相应的缩小。
原数据：1,999,100000,15；处理后：1,3,4,2；
原数据：{100,200}，{20,50000}，{1,400}；
                                      ——百度百科

什么时候使用离散化

---

先看一到例题

给定 n 个数（可能相同）a1,a2…an，出现次数最多的数出现了多少次。（n<= 2*10 ^ 5，0< ai <= 10 ^ 9）

  看似一道水题，只要开一个标记数组cnt记录每一个数字出现的次数即可，比如 cnt[a[i]]++。但是值得注意的是，ai可能非常大，这就导致 cnt 数组会开不下，此时，就要用到离散化。

离散化的步骤

---

本文中离散化的方式主要分两种：

1.使用结构体

步骤：
Ⅰ.开一个结构体数组来记录数的初始值data和在数组中的位置id。
Ⅱ.将结构体数组按初始值大小来排序，可以在结构体里面写了个运算符重载，或者写一个比较函数。
Ⅲ.将排序后的结构体数组中的初始值，依次存到一个rank数组中。

  Tip:按原数组source大小排序后，rank[i]就是原数组source中第i大的数，这样一来就将这个数和他是第几大映射起来，第 i 大的数出现一次，只需要 cnt[i]++ 就可以，而 i 一定是小于等于 n 的，数组只需要开到2 * 10 ^ 5就可以了。
  这样还会有一个问题:如何找到 i 呢 ,肯定不能通过rank[i] 来找到 i，这里使用将数据的输入顺序 和 排序后的顺序形成映射。

拿开始序言中的例子来分析：
  原数据：1,999,100000,15；处理后：1,3,4,2； 将原数据排序后是 1（第1大）,15（第2大）,999（第3大）,100000 （第4大），所以离散化后就是 1,3,4,2 ,source[1] = 1,source[2] = 3,source[3] = 4,source[4] = 2，后一个区间的例子，大家可以自己试试。

代码：

#include <bits/stdc++.h>
using namespace std;

const int Max = 2e5+10;
struct Node{
   
    int data,id;
    bool operator < (const Node &a) const {
   
        return data < a.data;
    }
}node[Max];
int rank[Max],n,source[Max],cnt[Max];
int ans = 0