P1908 权值线段树求逆序对

本文深入探讨了段树数据结构的实现与应用,通过具体的代码示例,详细讲解了如何使用段树进行区间查询和更新操作,以提高算法效率。文章涵盖了段树的基本概念、构建过程、查询和更新方法,并通过一个实际问题展示了段树在解决复杂数据查询问题中的优势。
#include <bits/stdc++.h>

using namespace std;
#define ll long long
#define mem(a, b) memset(a,b,sizeof(a))
#define INF 0x3f3f3f3f
#define DBG printf("this is a input\n")
#define fi first
#define se second
#define mk(a, b) make_pair(a,b)
#define p_queue priority_queue

const int maxn = 500005;
ll gcd(ll a, ll b) {
    return b == 0 ? a : gcd(b, a % b);
}

ll lcm(ll a, ll b) {
    return a / gcd(a, b) * b;
}
struct node
{
    int l , r, v;
}tree[maxn<<2];
void build(int i , int l , int r)
{
    tree[i].l = l , tree[i].r = r, tree[i].v = 0;
    if(l == r)
        return ;
    int mid = (l + r) >> 1;
    build(i*2,l,mid);
    build(i*2+1,mid+1,r);
}
ll query(int i, int l , int r)
{
    if(tree[i].l >= l && tree[i].r <= r)
        return tree[i].v;
    ll ans = 0;
    if(l <= tree[i*2].r)
        ans += query(i*2,l,r);
    if(tree[i*2+1].l <= r)
        ans += query(i*2+1,l,r);
    return ans;
}
void update(int i , int k)
{
    if(tree[i].l == tree[i].r)
    {
        if(tree[i].l == k)
            tree[i].v ++;
        return ;
    }
    if(k <= tree[i*2].r)
        update(i*2,k);
    if(k >= tree[i*2+1].l)
        update(i*2+1,k);
    tree[i].v = tree[i*2].v + tree[i*2+1].v;

}
int n;
int input[maxn] , co[maxn];
int main(void)
{
    ll ans = 0;
    cin>>n;
    build(1,1,n);
    for(int i = 1 ; i <= n ; i ++)
        cin>>input[i], co[i] = input[i];
    sort(co+1,co+1+n);
    for(int i = 1 ; i <= n ; i ++)
    {
        int temp = lower_bound(co+1,co+1+n,input[i])-co;
        if(temp != n)
            ans += query(1,temp+1,n);
        update(1,temp);
    }
    cout<<ans<<endl;
}

 

<think>嗯,用户想了解线段树主要解决哪些问题。首先,我得回忆一下线段树的基本概念。线段树和普通线段树有什么不同呢?对了,普通线段树处理的是区间上的数据,比如区间和、最大之类的,而线段树处理的是的分布情况,也就是按数大小来维护信息。 那线段树适用的场景是什么呢?比如处理与数出现次数相关的问题,比如查询第k小或第k大的元素。这应该是它的典型应用之一。然后可能还有统计某个范围内的元素个数,比如有多少数在[L, R]之间,这时候线段树可以快速查询。 另外,线段树还能处理动态数据的情况,支持插入和删除操作,同时维护当前的统计信息。比如在数据流中实时查询中位数或者众数,这可能也是它的应用场景。 不过用户可能还想知道线段树和其他数据结构,比如平衡二叉搜索树(如AVL树、红黑树)或者树状数组的区别。线段树的优势可能在于可以更高效地进行范围查询,以及处理离线问题,比如离散化后的数范围较大时,可以通过离散化来优化空间。 但是要注意线段树的局限性,比如如果数范围很大而没有离散化的话,可能会占用过多内存。这时候需要先进行离散化处理,将原始数据映射到紧凑的区间内,这样可以减少线段树的深度和节点数量,提高效率。 另外,线段树还可以用于解决一些特殊问题,比如逆序对的数量。在归并排序之外,线段树也是一种可行的解决方案,通过逐个插入元素并查询已插入元素中比当前元素大的数量,累加得到逆序对总数。 还有,动态排名问题,比如在一个不断变化的集合中,实时查询某个元素的排名或者某个排名对应的元素,这时候线段树能够支持插入、删除和查询操作,效率较高。 可能需要举一些具体的例子来说明,比如第k小的数,假设数据是动态变化的,每次插入一个数后,可能需要频繁查询第k小,这时候线段树的时间复杂度是O(logN),比较高效。而如果使用排序数组的话,插入操作会是O(N),对于频繁插入的情况效率不高。 再比如,如果问题涉及到多个维度的查询,可能需要结合其他结构,比如树套树,这时候线段树可能作为其中的一部分结构出现。 总结一下,线段树主要处理与数分布相关的问题,特别是需要动态维护和范围统计的情况。常见的应用包括第k大/小的查询、范围计数、逆序对计算、动态排名等。使用的时候需要注意数据范围,必要时进行离散化处理。</think>线段树是一种基于数分布()的线段树变体,主要用于处理**与数频率、排名、范围统计相关的查询和更新问题**。其核心思想是将**数本身作为索引**,维护数的分布信息(如出现次数),而非数组的物理区间。以下是其典型应用场景: --- ### **1. 动态查询第 K 小/第 K 大元素** - **问题**:在动态数据流中,实时插入或删除元素,快速找到当前第 K 小或第 K 大的数。 - **实现**:线段树的每个节点记录子区间内数的总出现次数。通过二分思想,从根节点向下查找,根据左右子树的计数决定向左或向右递归。 --- ### **2. 统计数在区间内的出现次数** - **问题**:快速查询某个域范围 `[L, R]` 内有多少元素。 - **示例**:统计数组中在 `[20, 50]` 的元素数量。 - **优势**:时间复杂度为 `O(logN)`,优于暴力遍历的 `O(N)`。 --- ### **3. 逆序对数量** - **问题**:在数组中找到所有满足 `i < j` 且 `a[i] > a[j]` 的逆序对。 - **实现**:从右向左遍历数组,用线段树动态维护已遍历元素的出现次数。对于当前元素 `a[i]`,查询已插入元素中 `< a[i]` 的数量,累加到结果中。 --- ### **4. 动态排名查询** - **问题**:实时查询某个数的排名(比它小的元素个数 +1),或根据排名反查对应的数。 - **应用场景**:在线竞赛中的动态数据排名系统。 --- ### **5. 处理离散化后的数据** - **适用情况**:当数范围极大(如 `1e9`)但数据量较小(如 `1e5`)时,需先离散化映射到紧凑区间,再使用线段树优化空间。 --- ### **对比其他数据结构** - **平衡树(如 Treap、AVL)**: 二者均支持动态插入、删除和排名查询,但线段树更易实现范围统计(如 `[L, R]` 内元素数量)。 - **树状数组**: 树状数组也可实现类似功能,但线段树的结构更直观,尤其在处理离散化数据时逻辑更清晰。 --- ### **代码示例(动态第 K 小)** ```python class WeightSegmentTree: def __init__(self, nums): self.nums = sorted(list(set(nums))) # 离散化 self.n = len(self.nums) self.tree = [0] * (4 * self.n) # 节点存储区间计数 def update(self, idx, delta, node=0, l=0, r=None): if r is None: r = self.n - 1 if l == r: self.tree[node] += delta return mid = (l + r) // 2 if idx <= mid: self.update(idx, delta, 2*node+1, l, mid) else: self.update(idx, delta, 2*node+2, mid+1, r) self.tree[node] = self.tree[2*node+1] + self.tree[2*node+2] def query_kth(self, k, node=0, l=0, r=None): if r is None: r = self.n - 1 if l == r: return self.nums[l] mid = (l + r) // 2 left_count = self.tree[2*node+1] if k <= left_count: return self.query_kth(k, 2*node+1, l, mid) else: return self.query_kth(k - left_count, 2*node+2, mid+1, r) # 使用示例 data = [3, 1, 4, 1, 5, 9] st = WeightSegmentTree(data) for num in data: idx = st.nums.index(num) # 实际中应用二分查找加速 st.update(idx, 1) print(st.query_kth(3)) # 输出第3小的数:3 ``` --- ### **总结** 线段树适合处理**与数分布相关的动态统计问题**,尤其当需要频繁插入/删除元素并快速获取排名、范围计数时。其核心优势在于将数映射为索引,利用线段树的高效区间操作特性,结合离散化技巧可扩展至大范围数据。
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