（未分类）【总结】线段树

线段树是什么？

有一类区间问题可以抽象成如下模型。

给定包含 $n$ 个数的数组 $a_1,a_2,\cdots$。有两种操作

查询区间 $[l,r]$ 最小的数。

修改第 $a_i$为 $x$。

这里，为了解决这个问题，我们介绍一种灵活的数据结构——线段树。

---

我们用一棵二叉树来表示线段树，线段树中的每个结点都表示一个区间。每个非叶子结点都有左右两棵子树，分别对应区间的 “左半” 和 “右半”。为了方便起见，我们给根结点编号为 $1$。对于每个结点，其左结点的编号为 $2i$，其右结点的编号为 $2i+1$。

对于一个结点，如果其表示的区间为 $[l,r]$。分情况如果 $l=r$，那么这个是一个叶子结点。否则令$mid=\lfloor \frac{l+r}{2}\rfloor$，左儿子对应的区间为 $[l,mid]$，右儿子对应的区间为 $[mid+1,r]$，这一思想有点类似二分。下面就是 $n=10$ 的时候的线段树。

↑点击图片观看

假定根结点表示长度为 $2^h$的区间，不难发现，树的第 $i$ 层有 $2^i$个结点，每个结点对应一个长度为 $2^{h-i}$的区间。最大层的编号为 $h$，结点总数为 $1+2+4+8+\cdots +2^h=2^{h+1}-1$，略小于区间长度的两倍。而当整个区间长度不是 $2$ 的整数幂时，虽然叶子结点不在同一层，但树的最大层编号和结点总数仍满足上述结论。

有一个需要特别注意的地方，虽然线段树中总的结点数是区间长度的两倍，但是实际上，我们结点的编号不一定是连续的，所以需要开更多的内存。即 $4$ 倍

为什么是4倍，我们来大致的理解一下

首先，如果区间长度为2的正整数幂，我们会发现这棵树是一棵满二叉树，他的节点个数为$2n-1$

但是当我们的n为2的幂数+1时，我们的树就成了这样：

我们发现层数直接多了一层，这样一来我们就需要31个节点，但是这一层的使用率却很低，现在我们来想想到底应该开多大（比较严谨下）

首先，若n为2的整数次幂，最后一层空间可以刚好用完，只需$2n-1$个节点

但是，当n不为2的整数次幂，我们会凭空多出一层，对于这一层，如果我们全部利用上，不就相当又一个满二叉树了嘛，那么这时候对应的的n也就是最小的且大于之前n的2的整数次幂¹

而这个数一定小于等于$2n$，所以我们把n乘个2再开空间一定没问题

那就是2n了吗？

别急，现在我们假设2n已经是2的整数次幂了，那么节点数为$2(2n)-1=4n-1$

所以我们开4倍空间一定够啦

注意，4倍空间是线段树一个很重要的特点，在程序阅读题中看到4倍空间就要想到线段树，在用线段树做题的时候也一定要记住

OK，让我们来看一些基本操作

建立

再使用之前，我们先要对线段树建立，得到一个初始的树，这是我们才可以对他进行各种操作

前面构建的线段树，只是展示了线段树中各结点所对应的区间，但是对于用到线段树的大部分题目来说，这些线段所拥有的附加信息才是重头戏。比如要维护区间最小值问题，我们用一个额外的数组minv记录每个结点对应的区间的最小值。

对于叶子结点，最小值就是一个数。而对于非叶子结点，区间的最小值就是左儿子的最小值和右儿子最小值中的最小值。

比如 $n=10$，$a=1,3,5,7,9,10,2,4,8,6$ 的时候，对应的线段树如下

↑点击图片观看
可以发现这个构建过程是一个递归的过程，父节点的信息需要用子节点去更新，所以我们需要先递归的构建好左右子树。见下面代码。

void build(int id,int l,int r){
    if(l==r){
        minv[id]=a[l];
        return;
    }
    int mid=(l+r)>>1;
    build(id<<1,l,mid);
    build(id<<1|1,mid+1,r);
    minv[id]=min(minv[id<<1],minv[id<<1|1]);
}

所以，整个建树的过程，时间复杂度是 $\mathcal{O}(n)$。

单点更新

接着我们看如何进行单点更新。如果是把整棵树推倒了全部重建，那未免也太不划算了。仔细分析，一个点的修改，只会影响到包含这个点的区间，而包含这个点的区间在树上实际上是一条链，比如我们更新 $a_6=1$，那么我们更新的方式如下

↑点击图片观看
也就是先递归找到这个单点对应的子节点，然后在回溯的过程中顺带更新一波，还是比较好理解

一般，我们我们可以认为线段树的最大深度为 $\log n$，所以这条链的最大长度也是 $\log n$，所以一次更新时间复杂度是 $\mathcal{O}(\log n)$。

代码如下：

void update(int id,int l,int r,int x,int v){
    if(l==r){
        minv[id]=v;
        return;
    }
    int mid=(l+r)>>1;
    if(x<=mid){
        update(id<<1,l,mid,x,v);
    }
    else{
        update(id<<1|1,mid+1,r,x,v);
    }
    minv[id]=min(minv[id<<1],minv[id<<1|1]);
}

区间查询

对于查询的区间 $[x,y]$ 我们可以划分为线段树上的结点，这些结点的区间合并起来就可以得到所需信息。

比如查询区间 $[3,6]$ 就是由下面这些红点合并起来的，其中绿点表示与被查询的区间 $[x,y]$ 有交集的结点。

↑点击图片观看

我们发现，查询到一个红色的结点，可以直接返回，因为此时，区间 $[x,y]$ 是完全覆盖红点所在的区间的，而一个绿色的结点我们还需要继续递归;

不过我们可以发现，每一层最多只会有两个绿点，最左边一个和最右边一个，这两个绿点中间的点都能被区间 $[x,y]$ 完全覆盖，所以最多只会有 $2\log n$ 个绿点，所以一次区间查询的复杂度也是 $\log n$。

代码：

int query(int id,int l,int r,int x,int y){
    if(x<=l && r<=y){//如果完全包含，则直接返回
        return minv[id];
    }
    int mid=(l+r)>>1;
    int ans=inf;
    if(x<=mid){
        ans=min(ans,query(id<<1,l,mid,x,y));
    }
    if(y>mid){//注意这里不是else if，因为我们有可能两边都要往下走
        ans=min(ans,query(id<<1|1,mid+1,r,x,y));
    }
    return ans;
}

---

1. eg最小的且大于3的2的整数次幂是4
   最小的且大于9的2的整数次幂是16 ↩︎