分块思想

还是用问题引入：

给出一个非负整数序列A，元素个数为N（N<=10⁵，A[i]<=10⁵），在有可能随时添加或删除元素的情况下， 实时查询序列中第K大的元素（即把序列元素从小到大排序后从左到右的第K个元素，比如{2, 7, 5, 1, 6}中第3大元素是5，但是插入元素4之后第3大的元素就是4了）

在查询过程中元素可能发生改变（插入、删除等），就称为在线查询，反之叫离线查询。上面的问题就是在线查询。
如果直接暴力做法来做，在每次添加或删除元素之后就要用O(n)的时间复杂度来移动序列元素，效率将及其低下。这种解决方法有很多，这里介绍最容易理解的一种——分块思想。
分块就是将有序元素分为若干块。比如可以把{1, 2, 4, 9, 12, 34, 56, 78, 87}分为3块{1, 2, 4}、{9, 12, 34}、{56, 78, 87}。一般为了高效率，对有N个元素的有序序列来说除了最后一块以外，每个块中元素的个数都是√(N)（取下界）个，块数就是√(N)（取上界）个。比如11个数，可以分为√(N)（取下界）即3个，一共分为√(N)（取上界）即4块，块内元素分别有3、3、3、2个。

现在利用分块法解决问题。题目中因为说明N<=10⁵，所以这里设置一个hash数组table[100001]，其中table[i]表示整数x的当前存在个数。然后将这100000个数进行逻辑上分块，一共分为√(100000)（取上界）即317块，每块有√(100000)（取下界）个即316个数。用一个统计数组block[317]记录每块的数据，block[i]表示第1块中存在的元素个数。
假设要新增一个元素x，可以通过x / 316计算出x所在的块，然后让block[x / 316] + 1表示该块中的元素再加上一个；同时令table[x]加1表示整数x的当前存在个数加1。比如新增334这个元素，先通过334 / 316算出334所在块号为1，然后令block[1]++，表示1号块增加了一个元素，再令table[334]++，表示334存在的个数多了1。要删除元素也是同理。
通过这方法，现在增加、删除元素的时间复杂度变成了O(1)。
然后开始找第K个元素，先将block数组累加得到前i-1个块中存在的元素总个数，然后加上i号块的元素个数判断总个数是否到达K，如果到达说明第K大的数就在当前的块中，此时只需再遍历该块即可。

【例】数据范围为0 ~ 8，则可以分为3块，0号块负责0 ~ 2，1号块负责3 ~ 5，2号块负责6 ~ 8.现在假设有0，1，3，4，4，5，8，此时block数组和table数组情况如下：
block[0] = 2，0号块有0，1两个元素
block[1] = 4，1号块有3，4，4，5这四个元素
block[2] = 1，2号块只有8这1个元素
table[0] = table[1] = table[3] = table[5] = table[8] = 1 都只有1个数
但是table[4] = 2，因为有两个4

然后找第K大的数，假设K是5，sum表示当前已经累计存在的数的个数，初始为0
遍历到0号块时，sum + block[0] = 0 + 2 = 2 < 5，所以第K大的数不在0号块，令sum为2
遍历1号块，sum + block[1] = 2 + 4 = 6 > 5，所以第K大的数在1号块内。
sum = 2，接下来遍历1号块内每个元素，即3，4，4，5
遍历到元素3时，sum = sum + table[3] = 3 < 4，所以3不是第K大的数
遍历到元素4时，sum = sum + table[4] = 5 > 4，因此找到4，即为第K大的数

方法应用：PAT甲级1057 Stack