覆盖的面积 HDU - 1255 线段树 扫描线

本文介绍一种结合线段树和扫描线算法解决几何问题的方法。通过将矩形分割为上下边,按高度排序并在线段树中离散化标记,计算覆盖长度,最终求得各分块答案贡献总和。

题解

使用线段树+扫描线求解
将矩形分割为上下两条边 记录边的左端点和右端点分别对应矩形的左右侧边 上下边的高度分别对应矩形的上下边 和符号 上为正下为负
将边按照高度从高到低排序处理 每次处理过程中根据符号在线段树中离散化标记覆盖范围并计算覆盖长度 长度分为覆盖一次和两次的长度分别计算
每次扫描用覆盖两次的长度乘上距离下条边的高度差为当前分块的答案贡献 求和即可

AC代码

#include <stdio.h>
#include <bits/stdc++.h>
using namespace std;
typedef long long ll;

const int INF = 0x3f3f3f3f;
const int MAXN = 2e3 + 10; //*2
vector<double> dz; //离散化类型为double

struct node2
{
	double l, r, h; //横向边
	int f; //上下边
	bool operator < (const node2 &oth) const
	{
		return h < oth.h;
	}
}a[MAXN];
struct node
{
	int l, r, cnt; //叶节点覆盖次数
	double s1, s2; //覆盖一次两次的长度
}tre[MAXN * 4];
inline void PushUp(int x)
{
	if (tre[x].cnt > 0) //只要被覆盖则s1等于区间长
		tre[x].s1 = dz[tre[x].r + 1] - dz[tre[x].l];
	else if (tre[x].l == tre[x].r) //一个点为0
		tre[x].s1 = 0;
	else //不是一个点则合并儿子
		tre[x].s1 = tre[x << 1].s1 + tre[x << 1 | 1].s1;
    if (tre[x].cnt > 1) //两次覆盖则s2等于区间长
		tre[x].s2 = dz[tre[x].r + 1] - dz[tre[x].l];
	else if (tre[x].l == tre[x].r)
		tre[x].s2 = 0;
    else if (tre[x].cnt == 1) //如果覆盖了一次 s2则为儿子s1的长度和
        tre[x].s2 = tre[x << 1].s1 + tre[x << 1 | 1].s1;
    else //如果一次都没 考虑儿子的s2
        tre[x].s2 = tre[x << 1].s2 + tre[x << 1 | 1].s2;
}
void Build(int x, int l, int r)
{
	tre[x].l = l, tre[x].r = r, tre[x].cnt = tre[x].s1 = tre[x].s2 = 0;
	if (l == r)
		return;
	int m = l + r >> 1;
	Build(x << 1, l, m);
	Build(x << 1 | 1, m + 1, r);
}
void Update(int x, int pl, int pr, int v) //每次只查询根节点 不需要lzay和Query
{
	int l = tre[x].l, r = tre[x].r;
	if (pl <= l && r <= pr)
	{
		tre[x].cnt += v; //加一或者减一
		PushUp(x); //修改完毕直接更新
	}
	else
	{
		int m = l + r >> 1;
		if (pl <= m)
			Update(x << 1, pl, pr, v);
		if (pr > m)
			Update(x << 1 | 1, pl, pr, v);
		PushUp(x);
	}
}
int Dis(double v)
{
	return lower_bound(dz.begin(), dz.end(), v) - dz.begin();
}
int main()
{
#ifdef LOCAL
	freopen("C:/input.txt", "r", stdin);
#endif
	int T;
	cin >> T;
	while (T--)
	{
		dz.clear();
		dz.push_back(-INF);
		int N;
		cin >> N;
		for (int i = 1; i <= N; i++) //将矩形拆分为一正一负两条横向边
		{
			double x1, y1, x2, y2;
			scanf("%lf%lf%lf%lf", &x1, &y1, &x2, &y2);
			a[i * 2 - 1] = { y1, y2, x1, 1};
			a[i * 2] = { y1, y2, x2, -1};
			dz.push_back(y1), dz.push_back(y2); //离散化纵坐标
		}
		N *= 2;
		sort(a + 1, a + N + 1); //按照高度从上到下排序
		sort(dz.begin(), dz.end());
		dz.erase(unique(dz.begin(), dz.end()), dz.end());
		double ans = 0.0;
		Build(1, 1, dz.size());
		for (int i = 1; i < N; i++) //从上向下扫描 不扫描最后一个
		{
			Update(1, Dis(a[i].l), Dis(a[i].r) - 1, a[i].f);  //更新[l, r)范围
			ans += (a[i + 1].h - a[i].h) * tre[1].s2; //到下一个线段的高度差*整个纵坐标范围的覆盖面积
		}
		printf("%.2f\n", ans);
	}

	return 0;
}

<think> 嗯...用户这次问的是扫描线算法中线段树是否动态开点。看来用户正在学习计算几何的高级数据结构应用,可能是个OI选手或者算法爱好者。 从用户引用的两篇文献来看,第一篇详细描述了扫描线配合线段树求矩形面积并的标准流程,第二篇则涉及矩形覆盖最大点数的变种问题。用户能提出"动态开点"这样的专业术语,说明已经对线段树的常见优化方式有所了解。 关于动态开点问题,需要分场景讨论:在标准的离散化扫描线中,由于横坐标已离散化为固定区间,线段树可以预先建树无需动态开点;但在处理浮点数或值域过大的情况时,动态开点就成为必要选择。这个区别很关键,用户可能正在处理特殊场景才会这么问。 考虑到用户之前关注过线段树维护区间覆盖的技术细节,后续可以补充离散化与动态开点的性能对比。不过当前问题需要先明确回答核心疑问——常规实现不用动态开点,特殊情况才需要。 </think> 在扫描线算法中,线段树**通常不需要动态开点**,但具体实现取决于问题需求和坐标系特征: ### 📍 标准实现(非动态开点) 1. **离散化处理** 扫描线算法的关键步骤是将所有坐标点在 $x$$-轴上离散化(如图1所示): $$ \text{步骤:收集坐标} \rightarrow \text{排序} \rightarrow \text{去重} \rightarrow \text{建立映射} $$ 离散化后,线段树管理的区间数量被压缩为 $O(n)$ 级别($n$ 为坐标点数),因此可直接**预建满二叉树**,无需动态开点[^1]。 2. **空间复杂度优化** 预建树的空间复杂度为 $O(n)$,例如: - 原始坐标范围:$[1, 10^9]$ - 离散化后区间数:$2000$(若 $n=1000$) 此时只需开 $4 \times 2000 = 8000$ 的节点数组,完全可行[^1]。 3. **维护信息** - 节点存储 **区间覆盖次数** 和 **有效长度** - 更新操作:区间加减(矩形入边 `+1`,出边 `-1`) - 查询操作:直接取根节点有效长度 ### ⚡ 需动态开点的情况 | **场景** | **原因** | **示例** | |-----------------------|--------------------------------------------------------------------------|---------------------------| | **值域极大且无法离散化** | 浮点数坐标或值域超限(如 $[1, 10^{18}]$) | 地理信息系统(GIS)中的浮点计算 | | **强制在线查询** | 矩形边界实时插入,无法预离散化 | 流式数据处理场景 | | **内存严格受限** | $n$ 极大(如 $>10^6$),离散化后区间仍过多,需节省空间 | 嵌入式设备上的算法部署 | ### 🌰 实例对比 1. **标准问题(矩形面积并)** ```python # 离散化坐标 xs = sorted(set(x_coords)) tree = SegmentTree([0]*4*len(xs)) # 预建树 ``` 2. **动态开点问题(浮点数覆盖)** ```python class Node: def __init__(self): self.cover = 0 self.len = 0.0 self.lson = None # 动态创建子节点 self.rson = None ``` ### ✅ 结论 - **大多数场景**(如引用[1][2]的矩形问题):离散化 + 静态线段树- **特殊场景**(浮点数/在线查询):动态开点线段树 ✅ 若处理整数坐标系且可离散化,推荐静态实现,效率更高且编码简单[^1][^2]。 --- ### ❓相关问题 1. 扫描线算法中如何处理浮点数坐标的精度问题? 2. 离散化过程如何避免哈希冲突导致的查询错误? 3. 动态开点线段树扫描线中的更新操作时间复杂度如何保证? 4. 矩形覆盖最大值问题(如HDU 5091)如何转化为扫描线模型?[^2] [^1]: 线段树应用——扫描线,离散化坐标与静态建树 [^2]: HDU 5091 矩形覆盖问题中的扫描线转化技巧
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值