比分块还要暴力、比线段树还要好写的功能萎缩而强大的数据结构。只要有类似于区间赋值的操作且数据随机,珂朵莉树就可以完成几乎所有查询。
先从一道例题说起:
CF896C
也许是珂朵莉树名字的由来?由于珂朵莉树更加珂学所以人们渐渐放弃了老司机树或者ODT的叫法
区间赋值、数据随机,所以我们就要上乱搞了。很不显然,经过若干次随机操作后,假如把数字相同的一段区间看成一个点的话,原序列只会剩下 l o g n logn logn个点。这就启发我们,就是要把区间缩成一个点。
既然是一个点又要代表一段区间,那结构体就再合适不过了。
同时,我们把这些区间整理在一起,用一个 s e t set set维护。
struct node {
int l, r;
mutable ll val; //由于下面区间加的操作要修改val值,所以要加mutable
inline node(int _l, int _r = 0, ll _val = 0) : l(_l), r(_r), val(_val) {
}
inline int operator < (const node &a) const {
return l < a.l;
}
};
set <node> s;
珂朵莉树基本操作:
s p l i t split split
inline set<node>::iterator split(int x)
{
set<node>::iterator it = s.lower_bound(node(x));
if (it != s.end() && it->l == x) return it;
it--;
int l = it->l, r = it->r;
ll val = it->val;
s.erase(it);
s.insert(node(l, x - 1, val));
return s.insert(node(x, r, val)).first; //返回你插入的位置,insert的一个神仙用法
}
将 [ l , r ] [l, r] [l,r]的区间分成 [ l , x − 1 ] [l, x - 1] [l,x−1]和 [ x , r ] [x, r] [x,r],这样 x x x就成了一个区间的左端点,方便后续处理。
a s s i g n assign assign
inline void assign(int l, int r, int x)
{
set<node>::iterator itr = split(r + 1), itl = split(l); //注意这个细节,正着写会RE
s.erase(itl, itr); //删掉一段左闭右开的区间,erase的一个神仙用法
s.insert(node(l, r, x));
}
代码复杂度堪比树状数组……把原来的全删了,再加一个回去,复杂度就是在这里变松了。
其它操作就简单粗暴了……
inline void add(int l, int r, ll x)
{
set<node>::iterator itr = split(r + 1), itl = split(l);
while (itl