hdu 3265 线段树+扫描线

本文介绍了一种通过分割成小矩形来计算矩形面积并的方法,并提供了详细的C++实现代码。作者分享了从错误思路到正确解决方案的心路历程。

虽然也是矩形面积并~但让我更深刻了理解了~~

本来想的是将大矩形正常打标记,将小矩形反向打标记就是下面的是-1上面是1~~发现样例过不去~~发现思想错了~~~

只能分割成小矩形~~

#include <iostream>
#include <cstring>
#include <cstdio>
#include <algorithm>
#define lson pos<<1
#define rson pos<<1|1
using namespace std;
const int MAXN=50005;
struct Line
{
    long long l,r,h,f;
    Line(int a=0,int b=0,int c=0,int d=0):l(a),r(b),h(c),f(d){}
};
Line line[MAXN*8];
struct node
{
    long long l,r;
    long long len;
    long long cover;
    int mid()
    {
        return (l+r)>>1;
    }
};
node tree[MAXN*8];
bool cmp(const Line &lhs,const Line &rhs)
{
    return lhs.h<rhs.h;
}
void build(long long l,long long r,int pos)
{
    tree[pos].l=l;
    tree[pos].r=r;
    if(l==r)
    {
        tree[pos].len=0;
        tree[pos].cover=0;
        return ;
    }
    long long mid=tree[pos].mid();
    build(l,mid,lson);
    build(mid+1,r,rson);
    tree[pos].len=0;
    tree[pos].cover=0;
}
void pushup(int pos)
{
    if(tree[pos].cover)
    {
        int l=tree[pos].l;
        int r=tree[pos].r+1;
        tree[pos].len=(long long)r-l;
    }
    else if(tree[pos].l==tree[pos].r)
        tree[pos].len=0;
    else
    {
        tree[pos].len=tree[lson].len+tree[rson].len;

    }
}
void update(long long l,long long r,int f,int pos)
{
    if(l>r)     //没有这个无限RE
        return ;
    if(l==tree[pos].l&&r==tree[pos].r)
    {
        tree[pos].cover+=f;
        pushup(pos);
        return ;
    }
    long long mid=tree[pos].mid();
    if(r<=mid)
        update(l,r,f,lson);
    else if(l>mid)
        update(l,r,f,rson);
    else
    {
        update(l,mid,f,lson);
        update(mid+1,r,f,rson);
    }
    pushup(pos);
}
int main()
{
    int n;
    while(scanf("%d",&n),n)
    {
        int i;
        int k=0;
        for(i=0;i<n;i++)
        {
            int x1,y1,x2,y2,x3,y3,x4,y4;
            scanf("%d%d%d%d%d%d%d%d",&x1,&y1,&x2,&y2,&x3,&y3,&x4,&y4);
            line[k++]=Line(x1,x3,y1,1);
            line[k++]=Line(x1,x3,y2,-1);
            line[k++]=Line(x4,x2,y1,1);
            line[k++]=Line(x4,x2,y2,-1);
            line[k++]=Line(x3,x4,y1,1);
            line[k++]=Line(x3,x4,y3,-1);
            line[k++]=Line(x3,x4,y4,1);
            line[k++]=Line(x3,x4,y2,-1);
        }
        sort(line,line+k,cmp);
        build(0,100005,1);
        long long res=0;
        for(i=0;i<k-1;i++)
        {
            int l=line[i].l;
            int r=line[i].r-1;
            //printf("%d %d \n",l,r);
            update(l,r,line[i].f,1);
            //printf("%d %d %d\n",line[i].h,tree[1].len,line[i].f);

            res+=(long long)(line[i+1].h-line[i].h)*tree[1].len;
        }
        printf("%I64d\n",res);
    }
    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
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
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