K-D tree详解

K-D tree大意：建立在暴力平衡树替罪羊树上的一种暴力数据分割方式

而且在某些问题上拥有玄学的时间复杂度，感觉很废
也可以去看看ball tree，比这个优秀（但是麻烦

---

前置芝士：替罪羊树

自己找资料学吧，懒得写

---

时间复杂度：

不好说啊，视题目而定吧
对于k维数据，像查询一些区间内的点和第几远就是$O(nlogn)到O(n\cdot n^{1-\frac{1}{k}})$的（不会证明
但是对于找近邻感觉完全没法分析（玄学
听说BBF可以优化？

---

算法：

给你一堆点，每个点有k个坐标（k维直角坐标系）
已经说了是暴力数据分割了，你应该知道怎么做吧

存储信息：

每个点存一下自己的左右儿子，子树大小（重建需要），子树中每一位坐标最大和最小（判断区域）即可
有时要顺应题目要求存一些点权和或最大、小值之类

插入：

总体来讲就是像平衡树设置一个根，然后一个一个元素插入，每次只增加一个节点；
但我们判断新建点进左子树还是进右子树的策略改变，因为我们有多个判断指标，是多维而不是普通平衡树的一维，所以我们要采取特殊的分割方式：

第一，很容易想到的是轮换分割：
每个坐标轮流着来，众生平等，让每个坐标都尽量平均。
example：这一层用x分割，下一层用y分割，再下一层用x分割

第二，有点神奇的方差分割：
可以参考：方差
但是这玩意很少用，也没什么人专门卡K-D tree
而且用起来需要大量的加法和乘法，而它们都是很慢的，常数大，有时还没有轮换快

我们这里所说的分割，实际上是通过当前点x的坐标与新建点y的坐标相比来确定进入哪一棵子树
如果现在的坐标判断是wd，d存储坐标，则：

• 若y.d[wd]<=x.d[wd]，进入左子树
• 若y.d[wd]>x.d[wd]，进入右子树

当我们无路可走，即当前点标号为0（即没有建过）时，就可以新建点在这里安家了

查询：

就是暴力，每到一个点就用当前点信息更新答案，注意是当前点而不是区间。

然后就是尽量剪枝
感觉每个题剪枝都不太一样啊
但是很明确的有几种

1. 查询某块区域的点，直接通过判断坐标来得出区域相交信息来剪枝
   如果查询的区间包括当前点表示的区间，直接加上当前区间的总答案
   如果有交集但不包括，就左右子树都进入查询（可见其暴力
   如果没有交集，直接回溯

2. 查询k远离，维护一个小根堆，每次比较一下当前的区间中的最远距离和堆顶
   如果最远距大于堆顶，就左右子树爆搜
   如果不，直接回溯

3. 查询k近邻，感觉就是假的，每次比较左右子树的最小值，同时像上面比较最近距离和堆顶
   左子树小就先走左子树，右儿子小就先走右子树，什么玩意

---

技巧：

先给你n个点的时候可以不一个一个插入（很慢）
直接一发重建函数把树建出来：

rt=build(1,n,0);

---

代码：

代码中可以看到一个函数：nth_element
其实没什么高级的，就是将l~r的指定位置mid搞一搞，前面的数小于a[mid]，后面的数大于a[mid]
因为有多维所以要写一个重载运算符或一个cmp函数

#include<bits/stdc++.h>
using namespace std;
const double alpha=0.7;
const int k=2;