LintCode 202. Segment Tree Query (线段树经典题!)

query-zTree的基本用法(转载) NULL 博文链接:https://shendixiong.iteye.com/blog/1933136 立即下载
  1. Segment Tree Query
    中文English
    For an integer array (index from 0 to n-1, where n is the size of this array), in the corresponding SegmentTree, each node stores an extra attribute max to denote the maximum number in the interval of the array (index from start to end).

Design a query method with three parameters root, start and end, find the maximum number in the interval [start, end] by the given root of segment tree.

Example 1:
For array [1, 4, 2, 3], the corresponding Segment Tree is:

Input:"[0,3,max=4][0,1,max=4][2,3,max=3][0,0,max=1][1,1,max=4][2,2,max=2][3,3,max=3]",1,2
Output:4
Explanation:
For array [1, 4, 2, 3], the corresponding Segment Tree is :

	                  [0, 3, max=4]
	                 /             \
	          [0,1,max=4]        [2,3,max=3]
	          /         \        /         \
	   [0,0,max=1] [1,1,max=4] [2,2,max=2], [3,3,max=3]
The maximum value of [1,2] interval is 4

Input:query(root, 1, 1), Output:4

Input:query(root, 1, 2), Output:4

Input:query(root, 2, 3), Output:5

Input:query(root, 0, 2), Output:4

Example 2:

Input:"[0,3,max=4][0,1,max=4][2,3,max=3][0,0,max=1][1,1,max=4][2,2,max=2][3,3,max=3]",2,3
Output:3
Explanation:
For array [1, 4, 2, 3], the corresponding Segment Tree is :

	                  [0, 3, max=4]
	                 /             \
	          [0,1,max=4]        [2,3,max=3]
	          /         \        /         \
	   [0,0,max=1] [1,1,max=4] [2,2,max=2], [3,3,max=3]
The maximum value of [2,3] interval is 3

Notice
It is much easier to understand this problem if you finished Segment Tree Build first.

解法1:递归。
注意:

  1. mid必须以root->start和root->end为准,而不是start和end为准。因为线段树就是根据root->start和root->end来划分的。
  2. start和end都是与mid比较,而不是与root->start和root->end比较。
/**
 * Definition of SegmentTreeNode:
 * class SegmentTreeNode {
 * public:
 *     int start, end, max;
 *     SegmentTreeNode *left, *right;
 *     SegmentTreeNode(int start, int end, int max) {
 *         this->start = start;
 *         this->end = end;
 *         this->max = max;
 *         this->left = this->right = NULL;
 *     }
 * }
 */

class Solution {
public:
    /**
     * @param root: The root of segment tree.
     * @param start: start value.
     * @param end: end value.
     * @return: The maximum number in the interval [start, end]
     */
    int query(SegmentTreeNode * root, int start, int end) {
        if (!root) return 0;
        
        if (start <= root->start && end >= root->end) return root->max;
        int mid = root->start + (root->end - root->start) / 2;
        int result = 0;
        if (start <= mid) {
            result = max(result, query(root->left, start, min(mid, end)));
        }
        if (mid + 1 <= end) {
            result = max(result, query(root->right, max(mid + 1, start), end));            
        }
        
        return result;
    }
};

解法2:和解法1类似。参考九章。
区别就是这里查询的start和end一直都没变。为什么可以不变呢?因为最终递归时,比如说选左区间,如果start在左区间,end超出了左区间,那么最终左区间又会继续递归。假如start<新左区间的mid,则继续递归query start和新左区间的左区间,以及新左区间的右区间,而后者已经在[start,end]范围内。

class Solution {
public:
    /**
     * @param root: The root of segment tree.
     * @param start: start value.
     * @param end: end value.
     * @return: The maximum number in the interval [start, end]
     */
    int query(SegmentTreeNode * root, int start, int end) {
        if (!root) return 0;
        
        if (start <= root->start && end >= root->end) return root->max;
        int mid = root->start + (root->end - root->start) / 2;
        int result = 0;
        if (start <= mid) {
            result = max(result, query(root->left, start, end));
        }
        if (mid + 1 <= end) {
            result = max(result, query(root->right, start, end));            
        }
        
        return result;
    }
};

另外,根据链接:https://blog.youkuaiyun.com/weixin_55516868/article/details/128717574
前缀和数组、差分数组、线段树、树状数组均用于处理区间问题,但有不同应用场景

前缀和数组:用于处理 连续多次取区间和 操作的情况,取区间和期间不能对原数组进行区间增减数操作

差分数组:用于处理 多次区间增减数操作,最后读取一次区间和(即修改期间读取不频繁) 操作的情况
线段树:用于处理 多次区间增减数操作,期间多次读取区间和(即修改期间读取频繁) 操作的情况
树状数组:用于处理 多次区间增减数操作,期间多次读取区间和(即修改期间读取频繁) 操作的情况,同线段树的情况、但树状数组更加简单且不支持区间更新,线段树支持区间更新但编码复杂

【塑料加工工程】气体辅助注塑成型工艺技术:厚壁件中空减重与缩痕控制的系统性解决方案 内容概要:本文系统阐述了气体辅助注塑成型(GAIM)在厚壁塑料制品中实现中空减重与缩痕控制的核心技术原理与工程应用方案。针对传统注塑中因保压压力衰减、浇口冻结导致的缩痕、缩孔、内应力、超重及高锁模力等耦合缺陷,GAIM通过“短射+注气”方式,在熔体芯部形成连续中空气道,利用高压氮气实现内部等压补缩,从根本上重构了压力传递路径。文章深入剖析了短射率、延迟时间、分段气压、氮气纯度等关键参数的作用机制,提出了涵盖模具设计(气针布局、气道拓扑、溢料井)、CAE仿真前置、质量评价体系(CT检测、壁厚均匀性、缩痕等级)及量产管控(SPC、缺陷诊断矩阵)的全流程解决方案。; 适合人群:从事注塑工艺开发、模具设计、高分子材料成型及相关制造领域的工程师与技术人员,尤其适用于具备一定注塑基础、致力于解决厚壁件成型难题的研发人员。; 使用场景及目标:①解决厚壁注塑件的缩痕、缩孔与残余应力问题;②实现产品轻量化设计并降低锁模力与生产周期;③指导GAIM工艺调试、模具开发与缺陷排查,提升量产稳定性与经济效益;④为新材料、新结构的工艺可行性评估提供理论依据。; 阅读建议:此资源强调理论与实践结合,建议读者在掌握聚合物流变学与传热学基础知识的前提下,结合实际案例对照参数窗口与缺陷诊断矩阵进行学习,并重视CAE仿真与首件CT检测在工艺开发中的前置作用,避免仅凭经验调机。 立即下载

相关推荐

压铸工艺基于壁厚参数的结构设计与工艺协同优化:铝合金压铸件缺陷控制与模具寿命提升方法研究

内容概要:本文系统阐述了压铸件结构设计与工艺参数之间的内在关联,强调结构设计是决定压铸成败的关键因素,约80%的模具与工艺问题源于设计不符合压铸成形规律。文章围绕壁厚、脱模斜度、圆角、加强筋、局部特征等核心结构要素,深入剖析其对填充、凝固、缺陷形成及模具寿命的影响,并建立“结构—工艺—缺陷”的因果链条。同时介绍了真空压铸、超低速层流+局部挤压、半固态压铸、一体化压铸及CAE仿真等现代技术如何优化传统设计约束,推动设计从经验导向转向预测导向。; 适合人群:从事压铸产品设计、模具开发、工艺调试的工程师,以及材料成型、机械制造等相关专业的技术人员与高校师生。; 使用场景及目标:①指导压铸件结构设计合理性评估,避免因结构问题导致缩孔、气孔、变形等缺陷;②优化工艺参数匹配,提升良品率与模具寿命;③应用现代压铸技术突破传统设计局限,实现高性能复杂铸件开发;④结合CAE仿真实现设计前置验证,减少试模成本。; 阅读建议:此文档兼具理论深度与工程实践性,建议结合具体设计案例对照文中参数标准与设计反例进行逐项核查,并充分利用CAE工具对充型、凝固、应力等过程进行模拟验证,真正实现“设计即正确”。

zstu4143 Tree Query (函数式线段树)

4143: Tree Query 代码: #include #include #include #include #include #include #include #include #include #include #include #define lowbit(x) (x&(-x)) #define ll __int64 #define lson l , m ,

No__stop 955

【DBO三维路径规划】基于多策略改进的蜣螂算法MSDBO多无人机协同集群避障路径规划(目标函数:最低成本:路径、高度、威胁、转角)研究(Matlab代码实现)

内容概要:本文研究基于多策略改进的蜣螂优化算法(MSDBO)在多无人机协同三维避障路径规划中的应用,旨在实现最低成本的飞行路径。目标函数综合考虑路径长度、飞行高度、环境威胁和转弯角度等因素,通过改进蜣螂算法提升搜索效率与全局优化能力,有效解决复杂三维空间中多无人机集群的路径规划与避障问题。文中详细阐述了算法改进策略、三维环境建模方法以及多无人机协同机制,并通过Matlab仿真验证了该方法在降低飞行成本、提高避障能力和路径平滑性方面的优越性能。; 适合人群:具备一定优化算法和无人机控制基础,从事智能优化、路径规划或集群控制研究的研究生、科研人员及工程技术人员。; 使用场景及目标:①应用于多无人机在复杂三维环境下的协同任务执行,如灾害救援、军事侦察与智能巡检;②为解决多目标路径优化问题提供高效智能算法方案,提升无人机系统的自主性与安全性。; 阅读建议:建议结合Matlab代码深入理解算法实现细节,重点关注多策略改进机制与目标函数设计,可通过调整环境参数和算法配置进行仿真实验,进一步掌握其在不同场景下的适应性与优化效果。

「MdOI2020」 Treequery

数据结构大杂烩。。 我临结束一个半小时开始写的,没调出来,结束后十分钟才调出来。。 前置知识 树的基本知识(dfs 序,欧拉序) ST 表,线段树,可持久化线段树(主席树) 出题人太强了。。无限 Orz 出题人 题解 前置知识:树的基本知识(dfs 序,欧拉序),ST 表,线段树,可持久化线段树(主席树) 我是两个 log,我不知道正解复杂度多少。。 考虑将 [l,r][l,r][l,r] 的点...

wyy603的博客 659

HSmartWindowControl vs HWindowControl:Halcon老鸟教你如何根据项目需求选对控件(附性能对比)

本文深度对比Halcon图像处理中的HSmartWindowControl与HWindowControl控件,从性能、内存占用和交互体验等维度提供选型建议。HSmartWindowControl在硬件加速渲染、智能内存管理方面表现优异,特别适合医疗影像和工业检测等高性能需求场景,而HWindowControl则更适合兼容旧系统和资源受限环境。

weixin_30765505的博客 471

Windows下快速搭建MSYS2开发环境(含GCC与MinGW配置)

本文详细介绍了在Windows系统下快速搭建MSYS2开发环境的完整流程。通过使用pacman包管理器,可以便捷地安装GCC编译器与MinGW-w64工具链,并配置系统环境变量。文章还涵盖了从基础安装、系统更新到编译开源项目的实战指南,帮助开发者高效构建原生Windows程序,显著提升C/C++开发效率。

weixin_29213827的博客 540

统计学习方法笔记(二)-kd树原理及python实现

kd树kd树简介构造平衡kd树算法原理kd树代码实现案例地址 kd树简介 kdkdkd树是一种对kkk维空间中的实例点进行存储以便对其进行快速检索的树形数据结构。 kdkdkd树构造方法: 构造根结点 使根结点对应于kkk维空间中包含所有实例点的超矩形区域; 递归生成子结点 通过递归方法,不断地对kkk维空间进行切分,生成子结点。在超矩形区域(结点)上选择一个坐标轴和在此坐标轴上的一个切分...

脑机接口社区 2205

生信入门(六)——单细胞分析(Seurat)

生信入门(六)——单细胞分析(Seurat) 文章目录生信入门(六)——单细胞分析(Seurat)一、数据导入1、数据来源2、数据导入二、标准预处理1、QC和选择细胞进行进一步分析2、规范化数据3、识别高度可变的特征(特征选择)4、缩放数据三、主成分分析(PCA)1、线性降维2、确定数据集的“维度”四、聚类细胞五、非线性降维(UMAP/tSNE)六、寻找差异表达的特征(簇生物标志物) 一、数据导入 1、数据来源 点击此处下载数据 数据说明:分析10X Genomics提供的外周血单细胞(PBMC)数据集,有

羊羊的博客 6万+

机器学习(一)

机器学习(一):分类算法,k-近邻算法,距离度量,k值得选择。kd树

lclchong的博客 902

使用这个算法我可以实现英雄联盟里英雄的走位|Java 开发实战

A算法,A(A-Star)算法是一种静态路网中求解最短路径最有效的直接搜索方法,也是解决许多搜索问题的有效算法。算法中的距离估算值与实际值越接近,最终搜索速度越快。 基本概念 首先在大学我们遇到最多的算法Dijkstra、Floyd、广度搜索、深度搜索。关于这些算法我们以后再慢慢的研究,今天的重点在A算法上。A算法是一种启发式算法。与上述几种算法不同的是A*算法在考虑起始节点的同时还会考虑到目标节点的代价。 在A*算法中我们给每个节点都定义一些属性。最基本的就是下文提到的三基数-这里的三基数是我自己定义.

Java进阶营 312

【AGC】【serverless】【云函数】云函数常见问题

1、云函数添加了AUTH触发器后,在用户执行注册、销户、登录、登出动作时,云函数的event对象会自动触发返回相应信息。比如我在“层”的压缩包里放了config/config.txt,那么我在云函数里怎么调用这个文件?层的目录是:/dcache/layer,函数的目录是/dcache/layer/func。在云函数里往云数据库里插入数据返回的是180000,这是正常吗?已经按照文档在后台对应的云函数里配置了,所需的AUTH触发器。层的用法和放在函数里的用法是相同的。云函数里的层如何调用?

华为开发者联盟 840

kdtree

目录简单demo,速度提升100倍。用坐标点构建kdtreekdtree demo1:kdtree query的其他参数tree.query(pts, k=5, distance_upper_bound=1)基础坐标点与查询点颠倒简单demo,速度提升100倍。 跑kdtree的网上的demo,速度提升100倍,被这个惊艳到! import time import numpy import sc...

无左无右的博客 1500

linux系统中实现智能家居的基本方法

使用QT开发智能家居中的一个物联应用,通过云服务器远程控制设备与设备进行通信。在生活中,可以使用WIFI智能插座控制电器开关,比如远程开启热水器,远程打开空调,窗帘等等。包括:WIFI联网,注册到云服务器上,编写QT UI通过网络来与云服务器通信,然后再下发指令到这个连网的设备。硬件说明:需要有一个串口转WIFI模块,另外需要加上一个USB-TTL模块,外加一根T口USB连接线,可接入PC电脑调试。

嵌入式技术开发 2609

【Lintcode】202. Segment Tree Query

题目地址: https://www.lintcode.com/problem/segment-tree-query/description 给定一棵线段树,每个节点维护的是当前区间的最大值。给定一个区间,要求返回这个区间的最大值。题目保证这个区间包含在整棵树维护的区间之内。 思路是分治法。设树根维护的是[xs,xe][x_s,x_e][xs​,xe​],区间中点是m=xs+xe2m=\frac{x_s+x_e}{2}m=2xs​+xe​​,要求的区间是[a,b][a,b][a,b]。分下面几个情况讨论: 1

数学、算法爱好者的博客 177

本地部署大模型:dgx-spark-ai项目硬件选型、部署与私有化AI构建指南

大语言模型(LLM)的本地部署是当前AI工程实践中的重要方向,其核心原理在于将模型权重与计算过程完全置于用户可控的硬件环境中。这项技术的核心价值在于实现了数据主权与隐私安全,避免了云端服务的延迟、持续订阅成本及数据外泄风险。从技术实现看,本地部署的关键在于硬件选型与软件环境适配,尤其是NVIDIA GPU的CUDA生态、显存容量与内存带宽的匹配。在应用场景上,本地化部署特别适合对数据敏感性要求高的领域,如企业内部代码助手、金融分析或医疗研究,能够支持私有化模型微调与定制化工作流构建。本文以dgx-spark

weixin_42531579的博客 507

智能车图像处理0-图像处理整体框架思路

1.总体框架如上所示,具体代码请查看后续文章。2.因为参与竞赛时间是大二,所以在编程中有许多不规范的地方(如变量的命名),大家见谅。3.原创文章,请勿侵权=-=

taiyuezyh的博客 1万+

Lintcode202 Segment Tree Query solution 题解

【题目描述】 For an integer array (index from 0 to n-1, where n is the size of this array), in the corresponding Segment Tree, each node stores an ex...

chengshentie6599的博客 155

IMSL CNL 7.0.0 (x86-64)Crack

IMSL CNL 7.0.0 (x86-64)Crack intel的算法库破解文件,这是C++版本的破解文件

[LintCode]Segment Tree Query 线段树的查询

For an integer array (index from 0 to n-1, where n is the size of this array), in the corresponding SegmentTree, each node stores an extra attribute max to denote the maximum number in the interval of

wutingyehe的专栏 954

IEM模型,地表粗糙度模拟

利用微波反演土壤水分时候,利用IEM模型可以实现对随机地表的模拟

华为的C语言编程规范.pdf

华为技术有限公司内部技术规范。本规范制定了编写C语言程序的基本原则、规则和建议。从代码的清晰、简洁、可测试、安全、程序效率、可移植各个方面对C语言编程作出了具体指导。

Easy Tree Query(二叉搜索树 规律)

Easy Tree Query 时间限制: 3 Sec  内存限制: 128 MB 提交: 130  解决: 15 [提交][状态][讨论版] 题目描述 You are given a binary search tree with depth k, whose nodes are valued from 1 to (2k − 1) and then Q queries. Fo

AI蜗牛之家 1724

廖雪峰Python教程[完整版]

廖雪峰的python教程整理的,已经排好版了,而且还是完整的,适合小白

使用scipy的kdtree寻找最近邻点

因为第一个点必定是自己所以找俩。返回的是两个np array。第一个是所有的最小距离,第二个是所有的最近点index。

beidou111的博客 2059

sklearn 笔记 BallTree/KD Tree

由NearestNeighbors类包装。

qq_40206371的博客 1544

Segment Tree Query

For an integer array (index from 0 to n-1, where n is the size of this array), in the corresponding SegmentTree, each node stores an extra attribute max to denote the maximum number in the interval

ass673556617的专栏 689

EasyUI-基本使用(Tree)

$('#ul-menu').tree({ lines: true, animate: true, data : [ { "text" : "网站管理", "state":"open", "children" : [ {"text" : "网站设置","path" : "/admin/v

猿来这样-谢厂节的博客 1万+

【Qtree】Query on a tree系列LCT解法

Qtree1-7 Qtree1 裸的树链剖分,当然也可以用LCT写,就不说什么了... Qtree2 倍增lca,当然也可以用LCT写,就不说什么了... Qtree3 裸的树链剖分,当然也可以用LCT写,就不说什么了... 接下来的Qtree4-7才是重点 推荐顺序(7->6->4->5),因为写了7就可以改一改贴到6,写了4就可以改一改贴到5了,瞬间少写两题...

weixin_30371469的博客 314

#202 Segment Tree Query

题目描述: For an integer array (index from 0 to n-1, where n is the size of this array), in the corresponding SegmentTree, each node stores an extra attribute max to denote the maximum number in

易水居 293

Scikit-learn:最近邻搜索sklearn.neighbors

http://blog.csdn.net/pipisorry/article/details/53156836ball treek-d tree也有问题[最近邻查找算法kd-tree ]。矩形并不是用到这里最好的方式。偏斜的数据集会造成我们想要保持树的平衡与保持区域的正方形特性的冲突。另外,矩形甚至是正方形并不是用在这里最完美的形状,由于它的角。如果图6中的圆

皮皮blog 2万+
上一篇: 439. Segment Tree Build II (线段树经典题)
下一篇: LintCode 462: Total Occurrence of Target (BinarySearch经典题)
评论 1
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
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
实付元
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