P3369 【模板】普通平衡树(fhq treap)

本文详细介绍了FHQ Treap数据结构的实现原理及应用,包括插入、删除、查询等核心操作,并通过一个示例代码展示了如何使用FHQ Treap解决复杂的数据维护问题。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

题目描述
您需要写一种数据结构(可参考题目标题),来维护一些数,其中需要提供以下操作:

插入xx数
删除xx数(若有多个相同的数,因只删除一个)
查询xx数的排名(排名定义为比当前数小的数的个数+1。若有多个相同的数,因输出最小的排名)
查询排名为xx的数
求xx的前驱(前驱定义为小于xx,且最大的数)
求xx的后继(后继定义为大于xx,且最小的数)
输入格式
第一行为nn,表示操作的个数,下面nn行每行有两个数optopt和xx,optopt表示操作的序号 ( 1 ≤ o p t ≤ 6 ) ( 1 \leq opt \leq 6) (1opt6)

输出格式
对于操作3,4,5,6每行输出一个数,表示对应答案

输入输出样例
输入
10
1 106465
4 1
1 317721
1 460929
1 644985
1 84185
1 89851
6 81968
1 492737
5 493598
输出

106465
84185
492737

我终会写一种平衡树了,fhq treap 真的好写啊,哈哈哈哈哈
代码:

#include<stdio.h>
#include<iostream>
#include<cstring>
#include<algorithm>
#include<queue>
#include<cmath>
#include<vector>
#include<cmath>
#include<set>
#include<map>
#define ll long long
#define INF 0x7f7f7f7f
using namespace std;
const int maxn=1e5+15;
const int maxx=22000;
struct FHQ
{
    struct node
    {
        int son[2];
        int rnd,val,siz;
    }tr[maxn];
    int root;
    int tot;
    inline void update(int r)
    {
        tr[r].siz=tr[tr[r].son[0]].siz+tr[tr[r].son[1]].siz+1;
    }
    void split(int r,int k,int &x,int &y)
    {
        if(!r)
        {
            x=y=0;
            return;
        }
        if(tr[r].val<=k)
        {
            x=r;
            split(tr[r].son[1],k,tr[r].son[1],y);
        }
        else
        {
            y=r;
            split(tr[r].son[0],k,x,tr[r].son[0]);
        }
        update(r);
    }
    inline int merg(int x,int y)
    {
        if(!x||!y)return x|y;
        if(tr[x].rnd<tr[y].rnd)
        {
            tr[x].son[1]=merg(tr[x].son[1],y);
            update(x);
            return x;
        }
        else
        {
            tr[y].son[0]=merg(x,tr[y].son[0]);
            update(y);
            return y;
        }
    }
    inline int create(int val)
    {
        tr[++tot].val=val;tr[tot].rnd=rand();tr[tot].siz=1;
        return tot;
    }
    int kth(int r,int k)
    {
        for(;;)
        {
            if(k<=tr[tr[r].son[0]].siz)r=tr[r].son[0];
            else
            {
                if(k==tr[tr[r].son[0]].siz+1)return tr[r].val;
                else
                {
                    k-=tr[tr[r].son[0]].siz+1;
                    r=tr[r].son[1];
                }
            }
        }
    }
    void inser(int val)
    {
        int x,y;
        split(root,val,x,y);
        root=merg(merg(x,create(val)),y);
    }
    void del(int val)
    {
        int x,y,z;
        split(root,val,x,z);
        split(x,val-1,x,y);
        y=merg(tr[y].son[0],tr[y].son[1]);
        root=merg(merg(x,y),z);
    }
    int getRank(int val)
    {
        int x,y;
        split(root,val-1,x,y);
        int ans=tr[x].siz+1;
        root=merg(x,y);
        return ans;
    }
    int pre(int val)
    {
        int x,y;
        split(root,val-1,x,y);
        int ans=kth(x,tr[x].siz);
        root=merg(x,y);
        return ans;
    }
    int nex(int val)
    {
        int x,y;
        split(root,val,x,y);
        int ans=kth(y,1);
        root=merg(x,y);
        return ans;
    }
}fhq;
int main()
{
    int n;cin>>n;
    int x,y;
    for(int i=1;i<=n;i++)
    {
        scanf("%d%d",&x,&y);
        if(x==1)fhq.inser(y);
        else if(x==2)fhq.del(y);
        else if(x==3)printf("%d\n",fhq.getRank(y));
        else if(x==4)printf("%d\n",fhq.kth(fhq.root,y));
        else if(x==5)printf("%d\n",fhq.pre(y));
        else printf("%d\n",fhq.nex(y));
    }
    return 0;
}

内容概要:本文详细介绍了OCR(光学字符识别)技术,从定义出发,阐述了它是如何让计算机“看懂”图片里的文字,通过扫描仪等设备读取文本图像并转换成计算机可编辑的文本。文中列举了OCR在办公、图书馆、交通、金融等领域的广泛应用实例,如快速处理纸质文件、车牌识别、银行支票处理等。接着回顾了OCR的发展历程,从20世纪初的萌芽到如今基于深度学习的智能化时代,期间经历了从简单字符识别到复杂场景下的高精度识别的演变。技术层面,深入解析了OCR的关键技术环节,包括图像预处理、文本检测、文本识别和后处理,每个环节都采用了先进的算法和技术手段以确保识别的准确性。最后探讨了OCR在未来可能面临的挑战,如复杂场景下的识别准确率、特殊字体和语言的支持以及数据安全问,并展望了其与人工智能融合后的广阔前景。 适合人群:对OCR技术感兴趣的技术爱好者、开发者以及希望了解该技术在各行业应用的专业人士。 使用场景及目标:①帮助用户理解OCR技术的基本原理和发展历程;②展示OCR在多个行业中的具体应用场景,如办公自动化、金融票据处理、医疗病历管理等;③探讨OCR技术面临的挑战及未来发展方向,为相关从业者提供参考。 其他说明:本文不仅涵盖了OCR技术的基础知识,还深入探讨了其背后的技术细节和发展趋势,对于想要深入了解OCR技术及其应用的人来说是非常有价值的参考资料。
### FHQ Treap 数据结构概述 FHQ Treap 是一种无需旋转操作即可保持平衡的二叉查找树(BST),其特性在于既遵循 BST 的性质,即对于任意节点 \(N\),左子树上的所有键值均小于该节点的键值而右子树上的所有键值则都更大;同时也维持着堆的属性——每个节点拥有一个额外分配给它的优先级(通常通过随机数生成),使得父节点总是有着不低于子女们的优先级别[^1]。 这种双重约束确保了即使是在最坏情况下插入序列也能接近理想的对数时间复杂度性能表现。具体而言,当构建一棵由 \(n\) 个互异关键字组成的 FHQ Treap 并且这些关键字对应的优先级被独立均匀分布赋予时,则此树的高度预期大约为 \(\log{n}\)[^3]。 ### FHQ Treap 基本操作解析 #### 插入 Insertion 为了向 FHQ Treap 中添加新元素,在找到合适位置之后并非简单地创建新的叶子节点而是利用分裂(split)与合并(merge)机制完成: - **Split**: 将现有树依据目标数值切割成两部分; - **Merge**: 新建含待插值及其随机化后的高优先生存概率的新根节点连接两侧分割所得之子树形成更新版整体结构。 ```cpp void insert(int& root, int value){ if (!root){ root = new_node(value); return; } int L, R; split(root, value, L, R); root = merge(L, merge(new_node(value), R)); } ``` 这里 `new_node` 函数负责初始化带有指定 key 和随即产生的 priority 的全新节点实例[^4]。 #### 删除 Deletion 移除特定项的过程同样依赖上述提到的基础组件: - 首先定位到需删除的目标节点; - 接下来执行 Split 来分离出含有目标节点的小范围区间; - 最终借助 Merge 方法重组剩余片段而不保留已被剔除的部分。 ```cpp void erase(int& root, int value){ if (!root) return; int L, M, R; split(root, value - 1, L, R); // 左边全部小于value split(R, value, M, R); // 右边全部大于value root = merge(L, R); // 不再包含M中的target node } ``` 以上代码展示了如何高效安全地处理动态集合内的成员变更请求,同时维护良好的渐近运行效率[^5]。 ### 关联功能展示 除了基础 CRUD 外,FHQ Treap 还支持诸如查询第 k 小/大元素、统计某个范围内共有多少条目等高级应用接口的设计实现。这类扩展性得益于灵活运用内部提供的辅助工具函数如 `split()` 和 `merge()`, 它们允许开发者轻松操纵整棵树或其中一部分的状态变化以适应各种实际需求场景下的算法逻辑编写工作。
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