启发式合并（dsu），树上启发式合并（dsu on tree）总结

best_brain

于 2023-11-06 19:53:08 发布

阅读量287

点赞数 1

分类专栏：个人总结内容总结文章标签：算法数据结构 c++

本文链接：https://blog.csdn.net/x052xiao/article/details/134242497

版权

启发式合并（dsu），树上启发式合并（dsu on tree）总结

摘要由CSDN通过智能技术生成

启发式合并（dsu），树上启发式合并（dsu on tree）总结

算法内容
例题

算法内容

前置知识：启发式合并（dsu）

$\qquad$ 想学习“树上”启发式合并，就要先知道什么是“启发式合并”。

启发式算法是基于人类的经验和直观感觉，对一些算法的优化。 —— oi-wiki

$\qquad$ 启发式合并的典型例子是并查集的启发式合并，即按秩合并。在合并两个并查集的时候，我们可以选择让深度或大小较小的一个并查集并到另一个上面。这种合并方式虽然看起来很暴力，但是时间复杂度可以证明是 $\Theta(n\log n)$ 的。还有像 $\text{set}$ , $\text{vector}$ 这类的数据结构也是可以直接启发式合并的，时间复杂度证明类似于并查集的按秩合并。

$\qquad$ 启发式合并是一种优雅的暴力，看起来跟暴力差不多，但是实际上时间复杂度是严格正确的。

例题：[HNOI2009] 梦幻布丁

$\qquad$ 题面

$\qquad$ 本题就是一个典型的 $\text{set}$ 的启发式合并，直接暴力做即可。实现时有一点点小细节，还有一个至关重要的小 $\text{trick}$ ： $ST L$ 中的 $\text{set}, \text{vector}$ 是可以直接使用 $\text{swap}$ 函数的，时间复杂度 $\Theta(1)$ 。

$\qquad$ 核心 $\text{Code}:$

//opt=1
if(x == y) continue;
int fx = x, fy = y;
if(col[fx].size() < col[fy].size()) {
   
	for(it1 = col[fx].begin(); it1 != col[fx].end(); it1 ++) {
   
		int v = *it1;
		if(it1 != col[fx].begin()) it2 = it1, it2 --;//如果it1不是开头迭代器，就找到上一个迭代器，存在it2中
		if((it1 == col[fx].begin() || (it1 != col[fx].begin() && *it2 + 1 != *it1)) && col[fx].find(v - 1) == col[fx].end() && col[fy].find(v - 1) != col[fy].end()) per --;//当it1与前一个迭代器所指的值不相邻的时候再判断，因为如果相邻，那么他们本来就是一段，修改完还是一段，没有判断的必要，处理不好还可能误判
		if(it1 != col[fx].end()) it2 = it1, it2 ++;
		if((it1 == -- col[fx].end() || (it1 != col[fx].end() && *it1 + 1 != *it2)) && col[fx].find(v + 1) == col[fx].end() && col[fy].find(v + 1) != col[fy].end()) per --;
		c[v] = fy, col[fy].insert(v);
	}
	col[fx].clear();
}
else {
   
	for(it1 = col[fy].begin(); it1 != col[fy].end(); it1 ++) {
   
		int v = *it1;
		if(it1 != col[fy].begin()) it2 = it1, it2 --;
		if((it1 == col[fy].begin() || (it1 != col[fy].begin() && *it2 + 1 != *it1)) && col[fy].find(v - 1) == col[fy].end() && col[fx].find(v - 1) != col[fx].end()) per --;
		if(it1 != col[fy].end()) it2 = it1, it2 ++;
		if((it1 == -- col[fy].end() || (it1 != col[fy].end() && *it1 + 1 != *it2)) && col[fy].find(v + 1) == col[fy].end() && col[fx].find(v + 1) != col[fx].end()) per --;
		c[v] = fx, col[fx].insert(v);
	}
	col[fy].clear();
	swap(col[fx], col[fy]);

重点：树上启发式合并（dsu on tree）

$\qquad$ 知道了什么是启发式合并后，进一步就该学习树上启发式合并了。

$\qquad$ 树上启发式合并主要是用来解决一些允许离线的子树统计问题、点对统计问题，可以套树形 $\text{dp}$ ，某些路径统计问题也可以解决。树上莫队、线段树合并这类算法能解决的问题有许多树上启发式合并也能解决。而且对于某些询问不统一的问题（即每个节点询问的内容相同，但某些要求不同）也可以解决。

$\qquad$ 其实树上启发式合并最主要是利用了启发式合并的思想。启发式合并的时候，我们可以通过让小的合并到大的上来保证时间复杂度。那么在树上，我们怎样才能保证时间复杂度正确呢？

$\qquad$ 我们以前学过一种名为树链剖分的算法，在这一算法中，我们引入了轻、重儿子的概念，并分析了其性质以及其为什么能保证复杂度。在 $\text{dsu on tree}$ 中，我们也可以借用轻重儿子来保证时间复杂度。具体的，树上启发式合并分为以下几步：

递归轻儿子，解决轻儿子中的询问，并清空轻儿子中的信息；
递归重儿子，解决本条重链中其他点的询问，不清空重链的信息；
将轻儿子和自己的信息加入进来，然后处理自己的询问。如果自己是个轻儿子，那么清空所有信息；否则不清空。

$\qquad$ 这么做看起来，十分甚至九分的暴力。那么就又到了经典环节：我们来分析一下时间复杂度。这一做法看起来暴力，主要在于一个点被访问的次数看起来很多。我们想：一个点被访问到只有两种情况：1、计算当前点答案；2、作为轻子树中的点，加入信息。不难发现，情况 $1$ 只会进行一次，而根据轻边的性质，可以轻易得知情况二最多只会被统计到 $\Theta(\log n)$ 次。所以整体复杂度为 $\Theta(n\log n)$ 。

$\qquad$ 树上启发式合并的拓展性极强。而且因为本身时间复杂度为 $\Theta(n\log n)$ ，所以有时还可以套一些复杂度 $\Theta(\log n)$ 的数据结构。

$\qquad$ 对于这类写起来较为繁琐的算法，定一个该算法的板子、整体框架显然是个极好的决定：

/*
define:
dfn[x]:x的dfn序（大多数用不到）
L[x]/R[x]:以x为根的子树的dfn序范围
sze[x]:以x为根的子树大小
son[x]:x的重儿子
*/
//-----------------------------
void dfs_pre(int x) {
   //预处理出有用信息
	sze[x] = 1, dfn[x] = ++ num, L[x] = num, V[num] = x;
	for(int i = head[x]; i; i = edge[i].lst) {
   
		int v = edge[i].to;
		dfs_pre(v);
		sze[x] += sze[v];
		if(sze[v