(十) 线段树

线段树

也被称作区间树(Segment Tree)

为什么使用线段树

一类问题

对于有一类问题, 我们关心的时线段(或者区间)

经典的线段树问题: 区间染色

有一面墙, 长度为n, 每次选择一段墙进行染色, m次操作之后, 可以看见多少种颜色

[外链图片转存失败(img-4pOpcp3F-1566092830076)(assets/1565829960468.png)]

数组解决复杂度

假如我们使用数组解决这个问题, 那么. 每次染色(更新区间), 需要O(n)的操作.

每次查询(查询区间) 需要O(n)的操作

另一类问题

区间查询

查询一个区间[i, j] 的最大值, 最小值, 或者区间数字和

实质: 基于区间的统计查询

比如: 2018年注册用户中消费最高的用户? 消费最少的用户? 学习时间最长的用户? 某个太空区间中的天体数量?

线段树解决复杂度

那么我们使用线段树解决此类问题. 更新只需要O(n)的操作. 查询也只需要O(n)的操作.

什么是线段树

[外链图片转存失败(img-Hrm9Zhlv-1566092830077)(assets/1565830388201.png)]

[外链图片转存失败(img-eDqjeuxM-1566092830079)(assets/1565830546555.png)]

  • 线段树不是完全二叉树
  • 线段树是平衡二叉树
  • 堆也是平衡二叉树

假如数组作为底层数据结构

一个完全二叉树. 第k层的节点个数一般是2^(k - 1)个节点

一共有2^k-1个节点

线段树不是完全二叉树. 所有他的叶子节点就可能在最后一层, 或者倒数第二层. 而线段树的叶子节点, 就是区间的最小间隔. 所以, 如果我们需要统计范围为n的区间, 我们需要开辟4n的数组长度, 才有可能在最坏的情况下把所有的数据存储进去.

[外链图片转存失败(img-fkDw2zBs-1566092830080)(assets/1565831324874.png)]

代码实现

线段树线段合并接口

package pers.jssd.segmenttree;

/**
 * @author jssdjing@gmail.com
 */
public interface Merger<E> {
    E merger(E left, E right);
}

线段树

package pers.jssd.segmenttree;

import java.util.Arrays;

/**
 * @author jssdjing@gmail.com
 */
public class SegmentTree<E> {

    private E[] data;
    private E[] tree;
    private Merger<E> merger;

    @SuppressWarnings("unchecked")
    public SegmentTree(E[] arr, Merger merger) {
        this.merger = merger;
        data = (E[]) new Object[arr.length];
        System.arraycopy(arr, 0, data, 0, arr.length);
        tree = (E[]) new Object[arr.length * 4];
        buildSegmentTree(0, 0, data.length - 1);
    }

    /**
     * 获取指定位置的元素
     *
     * @param index 指定的位置
     * @return 返回获取到的元素
     */
    public E get(int index) {
        if (index < 0 || index >= data.length) {
            throw new IllegalArgumentException("get error, index is out of range");
        }
        return data[index];
    }

    /**
     * 获取指定位置的左孩子位置
     *
     * @param index 指定父节点位置
     * @return 返回获取的左孩子位置
     */
    private int getLeftChild(int index) {
        return index * 2 + 1;
    }

    /**
     * 获取指定位置的右孩子位置
     *
     * @param index 指定父节点位置
     * @return 返回获取到的指定位置的右孩子位置
     */
    private int getRightChild(int index) {
        return index * 2 + 2;
    }

    /**
     * 获取数组大小
     *
     * @return 返回数组的大小
     */
    public int getSize() {
        return data.length;
    }

    /**
     * 构建线段树
     *
     * @param index 线段树的下标
     * @param left  数组中区间左下标
     * @param right 数组中区间右下标
     */
    private void buildSegmentTree(int index, int left, int right) {
        if (left == right) {
            tree[index] = data[left];
            return;
        }
        int middle = left + (right - left) / 2;
        int leftChild = getLeftChild(index);
        int rightChild = getRightChild(index);

        buildSegmentTree(leftChild, left, middle);
        buildSegmentTree(rightChild, middle + 1, right);
        tree[index] = merger.merger(tree[leftChild], tree[rightChild]);
    }

    public E query(int queryL, int queryR) {
        return query(0, 0, data.length - 1, queryL, queryR);
    }

    /**
     * 从树中查询元素, 查询的范围是以treeIndex代表的[l,r]的范围
     *
     * @param treeIndex 线段树节点
     * @param l         节点代表的左边界
     * @param r         节点代表的右边界
     * @param queryL    查询的范围左边界
     * @param queryR    查询的范围右边界
     * @return 返回查询的范围内容
     */
    private E query(int treeIndex, int l, int r, int queryL, int queryR) {
        if (l == queryL && r == queryR) {
            return tree[treeIndex];
        }
        int mid = l + (r - l) / 2;
        int leftChild = getLeftChild(treeIndex);
        int rightChild = getRightChild(treeIndex);

        if (queryR <= mid) {
            return query(leftChild, l, mid, queryL, queryR);
        } else if (queryL > mid) {
            return query(rightChild, mid + 1, r, queryL, queryR);
        }
        E leftResult = query(leftChild, l, mid, queryL, mid);
        E rightResult = query(rightChild, mid + 1, r, mid + 1, queryR);
        return merger.merger(leftResult, rightResult);
    }

    public void set(int index, E value) {
        if (index < 0 || index >= data.length) {
            throw new IllegalArgumentException("set error, index is out of bound");
        }
        data[index] = value;
//        System.out.println(Arrays.toString(data));
        set(0, 0, data.length - 1, index, value);
    }

    private void set(int treeIndex, int left, int right, int index, E value) {
        if (left == right) {
            tree[treeIndex] = value;
            return;
        }
        int mid = left + (right - left) / 2;
        int leftChild = getLeftChild(treeIndex);
        int rightChild = getRightChild(treeIndex);

        if (index <= mid) {
            set(leftChild, left, mid, index, value);
        } else {
            set(rightChild, mid + 1, right, index, value);
        }


        tree[treeIndex] = merger.merger(tree[leftChild], tree[rightChild]);
    }

    @Override
    public String toString() {
        return "SegmentTree{" +
                "tree=" + Arrays.toString(tree) +
                '}';
    }
}

leetcode问题

第303号问题 区域和检索 - 数组不可变

解题代码

package pers.jssd.leetcode;

import pers.jssd.segmenttree.Merger;
import pers.jssd.segmenttree.SegmentTree;

class NumArray {

    private SegmentTree<Integer> segmentTree;
    public NumArray(int[] nums) {
        if (nums != null && nums.length != 0) {
            Integer[] data = new Integer[nums.length];
            for (int i = 0; i < nums.length; i++) {
                data[i] = nums[i];
            }

            segmentTree = new SegmentTree<Integer>(data, (Merger<Integer>) Integer::sum);
        }
    }
    
    public int sumRange(int i, int j) {
        if (i < 0 || j > segmentTree.getSize()) {
            throw new IllegalArgumentException("error");
        }
        return segmentTree.query(i, j);
    }
}

/*
 * Your NumArray object will be instantiated and called as such:
 * NumArray obj = new NumArray(nums);
 * int param_1 = obj.sumRange(i,j);
 */

不使用线段树解题代码

package pers.jssd.leetcode;

import pers.jssd.segmenttree.Merger;
import pers.jssd.segmenttree.SegmentTree;

/**
 * @author jssdjing@gmail.com
 */
public class NumArray2 {
    private int[] sum;
    public NumArray2(int[] nums) {
        sum = new int[nums.length + 1];
        for (int i = 0; i < nums.length; i++) {
            sum[i + 1] = sum[i] + nums[i];
        }
    }

    public int sumRange(int i, int j) {
        return sum[j + 1] - sum[i];
    }
}

307号问题. 添加更新之后的区域和检索

package pers.jssd.leetcode;

import pers.jssd.segmenttree.Merger;
import pers.jssd.segmenttree.SegmentTree;

class NumArray3 {

    private SegmentTree<Integer> segmentTree;
    public NumArray3(int[] nums) {
        if (nums != null && nums.length != 0) {
            Integer[] data = new Integer[nums.length];
            for (int i = 0; i < nums.length; i++) {
                data[i] = nums[i];
            }

            segmentTree = new SegmentTree<Integer>(data, (Merger<Integer>) Integer::sum);
        }
    }
    
    public int sumRange(int i, int j) {
        if (i < 0 || j > segmentTree.getSize()) {
            throw new IllegalArgumentException("error");
        }
        return segmentTree.query(i, j);
    }

    public void update(int i, int val) {
        segmentTree.set(i, val);
    }
}
### 线段树的时间复杂度分析 线段树是一种高度平衡的二叉树结构,用于高效处理区间查询和更新操作。其核心特性在于通过分治策略将整个区间划分为多个子区间,并在每个节点维护相应的聚合信息。 #### 基本操作的时间复杂度 在线段树中,无论是单点修改还是区间查询,都需要沿着从根节点到叶节点的一条或多条路径进行遍历。由于线段树的高度为 \(O(\log n)\),因此这些基本操作的时间复杂度通常为 \(O(\log n)\)[^4]。 #### 合并与分裂操作的复杂度 当涉及更复杂的操作如线段树的合并与分裂时,复杂度分析变得更加细致。假设存在两个线段树需要合并,则合并过程中可能需要创建新的节点来表示两者之间的差异部分。此时,合并操作的复杂度取决于参与合并的节点数量以及新增加的节点数目。具体而言: - **合并操作**:如果两棵线段树分别对应于大小为 \(a\) 和 \(b\) 的数组片段,则它们可以以 \(O(a+b)\) 或者更为精确地说是以 \(O(\min(a,b))\) 的方式完成合并[^2]。 - **分裂操作**:对于一棵已经存在的线段树执行分裂操作时,实际上是在该树内部重新分配资源形成两棵独立的新树。按照上述提到的方法设定编号机制后,能够有效追踪哪些部分已经被访问过从而避免重复计算额外开销。最终得出结论认为总的运行时间为 \(O(m \cdot (\text{split count}))\), 其中 split count 表示实际发生的分割事件次数[^1]。 #### 综合考量下的整体表现 考虑到初始化阶段构建整颗线段树所需的工作量大约也是 \(O(n)\),加上后续可能出现的各种读写请求所引发的变化情况之后,我们可以总结说,在大多数应用场景下,只要合理控制输入规模参数比如字符串长度不超过几万级别的情况下,基于线段树实现解决方案仍然保持相当不错的效率水平。 ```python def segment_tree_build(array): """ 构建一颗简单的最大值线段树 """ def build(node, start, end): if start == end: tree[node] = array[start] else: mid = (start + end)//2 build(2*node, start, mid) build(2*node+1, mid+1, end) tree[node] = max(tree[2*node], tree[2*node+1]) size = len(array)*4 # 考虑最坏情况下所需的存储空间 global tree tree = [None]*size build(1, 0, len(array)-1) # Example usage of the function above with an example list. example_list = [8,7,3,9,5,1] segment_tree_build(example_list) print("Tree after building:",tree[:len(example_list)*2]) # 打印一部分验证结果 ```
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