P2596 [ZJOI2006]书架 - 无旋treap

本文深入探讨了无旋Treap数据结构的原理及其实现细节,特别关注其在区间/序列问题上的优势。文章解释了如何通过点的位置而非值来构建Treap,以及如何进行第k大元素查找等操作。提供了详细的代码示例,帮助读者理解无旋Treap的高效性和灵活性。

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

fhq treap多么强劲。。。

当用无旋treap解决区间/序列问题时,其实每个点所存的值不再对树的形态产生影响,复杂度由随机优先级和堆结构来保证。这棵树不是以点的值为关键字,而是以点的值在序列中的位置为关键字

但是需要一个操作,给出点的值,我们找他在序列中第几个位置

似乎用原来的那些treap操作都难以实现,这个点的位置就是第k大,但是现在没有根据来找第k大,因为不是按点值排序而仅仅是靠位置。。。可以存每个点的父节点,然后这个点若为他父节点的右儿子,那么这个点前面一定有他父节点加他父节点的左儿子点的数量,再加上他自己的左儿子,然后不断往上走,就能确定他的位置(画图理解下就好了)

前面几种操作随便分一下和一下就好了。。。具体看代码

然后对于最后一种操作,只需要对每个点都记录下其代表的编号就好了,因为无旋treap,split操作是给出了两个树根,作为两棵子树的索引,合理的分一下直接输出就好了

#include <algorithm>
#include <iostream>
#include <cstring>
#include <cstdio>
using namespace std;

const int MAXN = 100000 + 10;

struct trnode{
    int val,lz,rnd,ls,rs,siz,s,fa;
}tr[MAXN];

inline void read(int &x) {
	x = 0;
	int f = 1;
	char ch = getchar();
	while(ch < '0' || ch > '9') {
		if(ch == '-') f = -1;
		ch = getchar();
	}
	while(ch >= '0' && ch <= '9') x = x * 10 + ch - '0', ch = getchar();
	x *= f;
}

int n,m,tot,root,pos[MAXN],s[MAXN];

void update(int now) {
    tr[now].siz = tr[tr[now].ls].siz + tr[tr[now].rs].siz + 1;
    tr[tr[now].ls].fa = now;
    tr[tr[now].rs].fa = now;
}


int new_node(int val, int s) {
    tr[++tot].val = val;
    tr[tot].s = s;
    tr[tot].siz = 1;
    tr[tot].rnd = rand();
    return tot;
}

int merge(int x, int y) { //?xy??
    if(!x || !y) return x + y; // ????
    if(tr[x].rnd < tr[y].rnd) { 
        tr[x].rs = merge(tr[x].rs, y);//?y??x?????
        update(x);
        return x;
    } else {
        tr[y].ls = merge(x, tr[y].ls);//?x??y?????
        update(y);
        return y;
    }
}

void split(int now, int k, int &x, int &y) { // ?k????x,k+1????????y
    if(!now) x = y = 0;
    else {
        if(k <= tr[tr[now].ls].siz) //???????,k?now?????????????
            y = now, split(tr[now].ls, k, x, tr[now].ls); //now???????y?,???now????,??y??????y?????
        else 
            x = now, split(tr[now].rs, k-tr[tr[now].ls].siz-1, tr[now].rs, y);
        update(now);
    }

}

int find(int pos) {
    int siz = tr[tr[pos].ls].siz + 1;
    for(; tr[pos].fa; pos = tr[pos].fa) 
        if(pos == tr[tr[pos].fa].rs) 
            siz += tr[tr[tr[pos].fa].ls].siz + 1;
    return siz;
}

int main() {
    scanf("%d %d", &n, &m);
    for(int i=1; i<=n; i++) {
        read(s[i]);
        pos[s[i]] = i;
        root = merge(root, new_node(i, s[i]));
    }
    for(int i=1; i<=m; i++) {
        string cmd;
        int s, t, x, y, z, d;
        cin >> cmd;
        read(s);
        int u = find(pos[s]);
        if(cmd[0] == 'T') {
			split(root, u-1, x, y);
			split(y, 1, y, z);
			root = merge(y, merge(x, z));
        } else if(cmd[0] == 'B') {
        	split(root, u-1, x, y);
        	split(y, 1, y, z);
        	root = merge(x, merge(z, y));
        } else if(cmd[0] == 'I') {
            read(t);
			if(t) {
				if(t == 1) {
					split(root, u-1, x, y);
					split(y, 2, y, z);
					split(y, 1, y, d);
					root = merge(x, merge(merge(d, y), z));
				} else if(t == -1) {
					split(root, u-2, x, y);
					split(y, 2, y, z);
					split(y, 1, y, d);
					root = merge(x, merge(merge(d, y), z));
				}
			}
        } else if(cmd[0] == 'A') {
			printf("%d\n", u-1);
        } else if(cmd[0] == 'Q') {
			split(root, s-1, x, y);
			split(y, 1, y, z);
			printf("%d\n", tr[y].s);
			root = merge(x, merge(y, z));
        }
    }
    return 0;
}
<think>我们正在讨论FHQTreap(无Treap)数据结构及其实现。FHQTreap是一种基于Treap(树堆)和分裂合并操作实现的数据结构,它不需要转操作,因此称为无Treap。它通过两个基本操作split(分裂)和merge(合并)来实现平衡二叉搜索树的各种功能。根据提供的引用,我们可以总结FHQTreap的实现要点:1.**节点结构**:每个节点包含键值(key或val)、随机优先级(priority或rnd)、左右子节点指针以及子树大小(size)。2.**创建节点**:创建一个新节点,初始化其键值、随机优先级(通常用rand()生成)和子树大小(初始为1)。3.**更新节点信息**(push_up或update):更新当前节点的子树大小,即左子树大小+右子树大小+1。4.**分裂(split)**:将一棵Treap按照给定的值或大小拆分成两棵Treap,一棵的所有节点键值小于等于给定值,另一棵大于给定值(或者按照排名拆分)。5.**合并(merge)**:将两棵Treap合并成一棵,这里要求其中一棵的所有节点键值都小于另一棵的所有节点键值。合并时根据节点的随机优先级来决定谁作为根,以保持堆的性质。现在,我们将详细介绍这些操作,并给出代码实现(参考引用中的代码风格,但会进行整合和注释)。###节点定义```cppstructNode{intval;//节点存储的值intl,r;//左右子节点在数组中的下标,0表示空intsize;//以该节点为根的子树大小intpriority;//随机优先级};Nodetr[maxn];//节点数组intcnt=0;//节点计数器```###创建节点```cppintcreate(intv){cnt++;tr[cnt].val=v;tr[cnt].l=tr[cnt].r=0;tr[cnt].size=1;tr[cnt].priority=rand();//生成随机优先级returncnt;}```###更新子树大小```cppvoidupdate(intp){tr[p].size=tr[tr[p].l].size+tr[tr[p].r].size+1;}```###分裂操作分裂操作有两种方式:按值分裂和按大小分裂。这里先介绍按值分裂(将树分裂成两个部分,一部分所有节点值小于等于给定值,另一部分大于给定值)。```cpp//按值分裂:将以p为根的树按值key分裂成x和y两棵树//x树包含所有值<=key的节点,y树包含所有值>key的节点voidsplit(intp,intkey,int&x,int&y){if(!p){x=y=0;return;}if(tr[p].val<=key){x=p;split(tr[p].r,key,tr[x].r,y);update(x);}else{y=p;split(tr[p].l,key,x,tr[y].l);update(y);}}```###合并操作合并操作需要保证x树的所有节点值都小于y树的所有节点值。```cppintmerge(intx,inty){if(!x||!y)returnx|y;//若其中一个为空,返回另一个//按照优先级决定根节点(这里假设优先级小的在上,即大顶堆)if(tr[x].priority>tr[y].priority){tr[x].r=merge(tr[x].r,y);update(x);returnx;}else{tr[y].l=merge(x,tr[y].l);update(y);returny;}}```###基本操作利用分裂和合并,我们可以实现插入、删除等操作:-**插入值v**:先按v分裂成x和y,然后新建一个节点,再合并x和新节点,最后再与y合并。```cppvoidinsert(int&root,intv){intx,y;split(root,v,x,y);//按v分裂root=merge(merge(x,create(v)),y);}```-**删除值v**:先按v分裂成x和z,再对x按v-1分裂成x和y(这样y中所有节点值都等于v?注意,按值分裂时,y树是大于v的,而x树是小于等于v的,所以我们需要再对x树进行一次分裂,得到所有小于v的树和等于v的树)。然后我们删除一个等于v的节点(通常是合并y的左右子树,从而去掉根节点),最后合并。```cppvoidremove(int&root,intv){intx,y,z;split(root,v,x,z);//x:<=v,z:>vsplit(x,v-1,x,y);//x:<=v-1,y:[v](注意,这里y树中所有节点值都等于v?不一定,但至少>=v,而由于第一次分裂x<=v,所以y树的值在[v,v]之间?实际上,按值分裂并不是精确等于,所以我们需要另一种方式:删除一个等于v的节点)//实际上,我们想要将y树中等于v的节点删除一个,但y树中可能包含多个等于v的节点。通常的做法是:如果y空,我们删除y的根节点(因为分裂后y树中可能包含多个值等于v的节点,但删除一个我们通常删除根节点,然后合并左右子树)if(y){y=merge(tr[y].l,tr[y].r);}root=merge(merge(x,y),z);}```注意:删除操作有多种实现方式,上面的代码是删除一个等于v的节点(如果存在多个,只删一个)。如果希望删除所有等于v的节点,则直接丢弃y树即可(即root=merge(x,z);)。###其他操作FHQTreap还可以实现查询第k大、查询排名、查询前驱后继等操作,这些都可以通过分裂操作和树的性质来实现。###总结FHQTreap通过分裂和合并操作实现了平衡树的基本功能,其核心在于利用随机优先级来保持树的平衡性(近似于二叉搜索树和堆的性质)。由于不使用转,代码相对简单,且支持持久化。§§相关问题§§1.FHQTreap的分裂操作有哪几种方式?它们分别适用于什么场景?2.在FHQTreap中,如何实现查询第k大的元素?3.FHQTreap相对于其他平衡树(如AVL树、红黑树)有什么优缺点?4.如何实现FHQTreap的持久化(可持久化)版本?</think>### FHQ Treap 数据结构及其实现 FHQ Treap(无Treap)是一种基于**随机优先级**和**分裂-合并操作**实现的平衡二叉搜索树,无需转操作即可维持平衡。其核心在于两个基本操作:`split`(分裂)和`merge`(合并),通过组合这两个操作实现插入、删除、查询等所有功能。 #### 一、核心组件 1. **节点结构**: ```cpp struct Node { int val; // 存储的值 int l, r; // 左右子节点指针 int size; // 子树大小 int priority; // 随机优先级 }; ``` - `priority`:随机生成的优先级值,用于维持堆性质(小顶堆或大顶堆) - `size`:子树节点总数,支持按排名操作[^1][^2] 2. **创建节点**: ```cpp int create(int v) { cnt++; tree[cnt].val = v; tree[cnt].l = tree[cnt].r = 0; tree[cnt].size = 1; tree[cnt].priority = rand(); // 生成随机优先级 return cnt; } ``` - 初始化子树大小为1,左右子节点为空[^2] 3. **更新子树大小**: ```cpp void update(int p) { tr[p].size = tr[tr[p].l].size + tr[tr[p].r].size + 1; } ``` - 递归计算左右子树大小之和再加1[^1][^3] --- #### 二、核心操作 1. **分裂(Split)** 将树按给定值 `key` 拆分为两棵子树: ```cpp void split(int p, int key, int &x, int &y) { if (!p) { x = y = 0; return; } if (tr[p].val <= key) { x = p; split(tr[p].r, key, tr[x].r, y); // 递归分裂右子树 update(x); } else { y = p; split(tr[p].l, key, x, tr[y].l); // 递归分裂左子树 update(y); } } ``` - `x` 树:所有节点值 ≤ `key` - `y` 树:所有节点值 > `key` - 时间复杂度:$O(\log n)$ 2. **合并(Merge)** 合并两棵树 `x` 和 `y`(需满足 `x` 所有值 < `y` 所有值): ```cpp int merge(int x, int y) { if (!x || !y) return x | y; // 任一为空则返回空树 if (tr[x].priority < tr[y].priority) { tr[x].r = merge(tr[x].r, y); // x优先级更高,合并到右子树 update(x); return x; } else { tr[y].l = merge(x, tr[y].l); // y优先级更高,合并到左子树 update(y); return y; } } ``` - 按优先级决定父子关系(小顶堆) - 时间复杂度:$O(\log n)$ --- #### 三、衍生操作 1. **插入** 通过分裂-合并实现: ```cpp void insert(int &root, int v) { int x, y; split(root, v, x, y); // 按v分裂 root = merge(merge(x, create(v)), y); // 合并x→新节点→y } ``` 2. **删除** 删除值为 `v` 的节点: ```cpp void remove(int &root, int v) { int x, y, z; split(root, v, x, z); // 分裂出≤v的树x split(x, v-1, x, y); // 从x中分裂出<v的树x和==v的树y if (y) y = merge(tr[y].l, tr[y].r); // 合并y的左右子树(删除根) root = merge(merge(x, y), z); // 重组 } ``` 3. **查询第k大** 利用子树大小定位: ```cpp int kth(int p, int k) { while (p) { int left_size = tr[tr[p].l].size; if (k <= left_size) p = tr[p].l; else if (k == left_size + 1) return tr[p].val; else { k -= left_size + 1; p = tr[p].r; } } return -1; // 未找到 } ``` --- #### 四、特性分析 | **特性** | **说明** | |----------------|--------------------------------------------------------------------------| | **平衡性** | 随机优先级使树高期望为 $O(\log n)$ | | **无需转** | 所有操作基于分裂/合并,避免转的复杂性 | | **功能强大** | 支持分裂/合并,天然支持区间操作 | | **代码简洁** | 核心操作仅需约20行代码 | | **持久化支持** | 可低成本实现可持久化版本 | > **关键优势**:FHQ Treap 通过分裂操作可直接提取任意区间子树,使其在**区间操作**(如区间翻转、区间求和)上比传统平衡树更高效[^3]。
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