DSU模板(树的启发式合并)

本文介绍了一种称为 DSU on Tree 的技术,用于高效处理树形结构中子树属性查询的问题。通过启发式合并的方式,实现了 O(n log n) 的时间复杂度。文章提供了四种实现方式的代码模板,并详细解释了每种方法的工作原理。

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

摘自Codeforces博客

With dsu on tree we can answer queries of this type:

How many vertices in subtree of vertex v has some property in O(n lg n) time (for all of the queries).

For example:

Given a tree, every vertex has color. Query is how many vertices in subtree of vertex v are colored with color c?

要点:记录每棵子树的大小,启发式合并。

模板整理如下:

1. easy to code but 

 1 //O(nlognlogn)
 2 map<int, int> *cnt[maxn];
 3 void dfs(int v, int p){
 4     int mx = -1, bigChild = -1;
 5     for(auto u : g[v])
 6        if(u != p){
 7            dfs(u, v);
 8            if(sz[u] > mx)
 9                mx = sz[u], bigChild = u;
10        }
11     if(bigChild != -1)
12         cnt[v] = cnt[bigChild];
13     else
14         cnt[v] = new map<int, int> ();
15     (*cnt[v])[ col[v] ] ++;
16     for(auto u : g[v])
17        if(u != p && u != bigChild){
18            for(auto x : *cnt[u])
19                (*cnt[v])[x.first] += x.second;
20        }
21     //now (*cnt)[c] is the number of vertices in subtree of vertex v that has color c. You can answer the queries easily.
22 
23 }
View Code

2. easy to code and 

 1 vector<int> *vec[maxn];
 2 int cnt[maxn];
 3 void dfs(int v, int p, bool keep){
 4     int mx = -1, bigChild = -1;
 5     for(auto u : g[v])
 6        if(u != p && sz[u] > mx)
 7            mx = sz[u], bigChild = u;
 8     for(auto u : g[v])
 9        if(u != p && u != bigChild)
10            dfs(u, v, 0);
11     if(bigChild != -1)
12         dfs(bigChild, v, 1), vec[v] = vec[bigChild];
13     else
14         vec[v] = new vector<int> ();
15     vec[v]->push_back(v);
16     cnt[ col[v] ]++;
17     for(auto u : g[v])
18        if(u != p && u != bigChild)
19            for(auto x : *vec[u]){
20                cnt[ col[x] ]++;
21                vec[v] -> push_back(x);
22            }
23     //now (*cnt)[c] is the number of vertices in subtree of vertex v that has color c. You can answer the queries easily.
24     // note that in this step *vec[v] contains all of the subtree of vertex v.
25     if(keep == 0)
26         for(auto u : *vec[v])
27             cnt[ col[u] ]--;
28 }
View Code

3. heavy-light decomposition style 

 1 int cnt[maxn];
 2 bool big[maxn];
 3 void add(int v, int p, int x){
 4     cnt[ col[v] ] += x;
 5     for(auto u: g[v])
 6         if(u != p && !big[u])
 7             add(u, v, x)
 8 }
 9 void dfs(int v, int p, bool keep){
10     int mx = -1, bigChild = -1;
11     for(auto u : g[v])
12        if(u != p && sz[u] > mx)
13           mx = sz[u], bigChild = u;
14     for(auto u : g[v])
15         if(u != p && u != bigChild)
16             dfs(u, v, 0);  // run a dfs on small childs and clear them from cnt
17     if(bigChild != -1)
18         dfs(bigChild, v, 1), big[bigChild] = 1;  // bigChild marked as big and not cleared from cnt
19     add(v, p, 1);
20     //now cnt[c] is the number of vertices in subtree of vertex v that has color c. You can answer the queries easily.
21     if(bigChild != -1)
22         big[bigChild] = 0;
23     if(keep == 0)
24         add(v, p, -1);
25 }
View Code

4. My invented style 

 1 This implementation for "Dsu on tree" technique is new and invented by me. This implementation is easier to code than others. Let st[v] dfs starting time of vertex v, ft[v] be it's finishing time and ver[time] is the vertex which it's starting time is equal to time.
 2 
 3 int cnt[maxn];
 4 void dfs(int v, int p, bool keep){
 5     int mx = -1, bigChild = -1;
 6     for(auto u : g[v])
 7        if(u != p && sz[u] > mx)
 8           mx = sz[u], bigChild = u;
 9     for(auto u : g[v])
10         if(u != p && u != bigChild)
11             dfs(u, v, 0);  // run a dfs on small childs and clear them from cnt
12     if(bigChild != -1)
13         dfs(bigChild, v, 1);  // bigChild marked as big and not cleared from cnt
14     for(auto u : g[v])
15     if(u != p && u != bigChild)
16         for(int p = st[u]; p < ft[u]; p++)
17         cnt[ col[ ver[p] ] ]++;
18     cnt[ col[v] ]++;
19     //now cnt[c] is the number of vertices in subtree of vertex v that has color c. You can answer the queries easily.
20     if(keep == 0)
21         for(int p = st[v]; p < ft[v]; p++)
22         cnt[ col[ ver[p] ] ]--;
23 }
View Code

 

时间复杂度分析

4. My invented style

考虑每个节点最多会被清零几次?

显然被清零的次数即为该节点到根节点的链上轻儿子的个数

联系树链剖分,任意一个节点到根节点的链最多被划分为O(logn)段重链,最多被清零O(logn)次.

故时间复杂度为O(nlogn).

2, 3, 4时间复杂度分析类似.

 

启发式合并算法复杂度总结

线段树合并 => O(nlogU), U为线段树权值域,从势能分析,合并的复杂度为O(总节点数减小的个数)

平衡树合并+树链剖分+单次插入删除O(logn) => O(nlognlogn)

平衡树合并+树链剖分+单次插入删除O(1) => O(nlogn)

set合并 => O(nlognlogn), 显然set合并复杂度不会高于multiset(平衡树)合并复杂度

转载于:https://www.cnblogs.com/dirge/p/6628799.html

<think>嗯,用户现在在学习算法竞赛,想要了解启发式合并,并且希望由浅入深地讲解,还要用C++的例子来说明。那我得先理清楚启发式合并的基本概念,然后逐步深入,最后给出代码示例。 首先,启发式合并是什么?可能用户之前学过并查集,或者普通的合并方法,但遇到某些情况下效率不高的问题。启发式合并应该是一种优化合并操作的方法,可能通过选择合并的顺序或方式,减少时间复杂度。比如在并查集中的按秩合并,可能就是一种启发式合并的应用。不过用户可能指的是更一般的数据结构合并时的优化策略。 那启发式合并的核心思想应该是每次合并两个集合时,总是将较小的集合合并到较大的集合中,这样可以减少总的操作次数。比如,如果每次合并时都把小集合的元素移动到大集合里,那么每个元素被移动的次数不会超过logN次,因为每次移动后所在的集合大小至少翻倍。这样总的时间复杂度就能控制在O(N logN)级别。 接下来需要解释为什么这种方法有效。比如,假设有两个集合A和B,大小分别为|A|和|B|,且|A|<=|B|。那么将A合并到B中,这样A中的每个元素所在的集合大小至少是原来的两倍(因为B的大小比A大)。因此,每个元素最多被合并logN次,总操作次数就是O(N logN)。 接下来,可能需要举一个具体的例子,比如合并链表或者结构的时候使用启发式合并。或者是在处理并查集的时候,按大小合并的情况。用户可能需要具体的应用场景,比如并查集的优化,或者在处理某些数据结构(比如平衡、链表)时的合并操作。 然后,需要用C++来举例说明。比如,可以用并查集的例子,或者用其他数据结构,比如集合的合并。例如,维护多个集合,每个集合用某种结构存储,合并的时候总是将小的合并到大的里面,这样可以减少时间。 比如,可以举一个并查集的例子。并查集的按秩合并就是启发式合并的一种。在并查集的实现中,每个集合有一个父节点,还有一个秩(rank)或者大小。合并的时候,总是将秩较小的根指向秩较大的根。这样能保证的高度较低,提高查找效率。这时候可以给出具体的代码示例,比如并查集的实现,包含路径压缩和按秩合并。 或者,举一个更通用的例子,比如合并两个链表,或者合并两个平衡二叉搜索的时候,如何选择合并顺序以减少时间复杂度。例如,合并两个集合的时候,总是遍历较小的集合,将其元素逐个插入到较大的集合中,这样总的时间复杂度较低。 比如,用C++中的std::set来举例。假设有多个set,每次合并两个set的时候,总是将较小的set中的元素插入到较大的set中。这样可以保证每个元素被插入的次数不超过logN次,因为每次插入后所在的集合大小至少翻倍。这样总的时间复杂度是O(N logN logM),其中M是元素的大小?或者可能更优? 例如,代码可能如下: void merge(set<int> &a, set<int> &b) { if (a.size() > b.size()) { swap(a, b); } for (auto x : a) { b.insert(x); } a.clear(); } 这样每次合并的时候,总是将较小的集合合并到较大的里面。这样每个元素被插入的次数是logN次,每次插入的时间复杂度是O(logM),所以总的时间复杂度是O(N logN logM)。不过这可能适用于元素可排序的情况,比如使用平衡结构的集合。 另一个例子是并查集的实现,其中按秩合并启发式合并的一种应用。例如: class DSU { vector<int> parent; vector<int> size; public: DSU(int n) { parent.resize(n); size.resize(n, 1); for (int i=0; i<n; ++i) parent[i] = i; } int find(int x) { if (parent[x] != x) parent[x] = find(parent[x]); return parent[x]; } void unite(int x, int y) { x = find(x); y = find(y); if (x == y) return; if (size[x] < size[y]) swap(x, y); parent[y] = x; size[x] += size[y]; } }; 这里,unite函数中总是将较小的集合合并到较大的集合里。这里的大小指的是集合的元素个数。这样可以保证的高度较低,从而find操作的时间复杂度几乎是常数。 但用户可能想了解的不仅仅是并查集中的情况,而是更广泛的启发式合并应用。比如在处理某些数据结构时,比如链表、数组或者结构的合并,如何利用启发式合并来优化。 比如,在解决某些问题时,比如动态连接问题,或者离线查询处理,可能需要多次合并不同的数据结构,这时候使用启发式合并可以显著减少时间。 另一个例子是,在上处理子问题的时候,比如每个节点维护一个颜色的集合,当处理子时,将子节点的集合合并到父节点。这时候如果采用启发式合并,每次将较小的子集合合并到较大的,可以降低总的时间复杂度。 例如,解决上每个节点的颜色数量问题。每个节点有一个颜色集合,初始时只有自己的颜色。然后从叶子节点向上合并,每个父节点收集所有子节点的颜色集合。这时候,如果每次合并时将较小的集合合并到较大的集合,就能有效减少总操作次数。 这时候可以用C++中的unordered_set来举例: void dfs(int node, int parent, vector<unordered_set<int>> &colors) { for (auto child : children[node]) { if (child != parent) { dfs(child, node, colors); // 合并子节点的colors到当前节点 if (colors[node].size() < colors[child].size()) { swap(colors[node], colors[child]); // 保证node的集合较大 } for (int color : colors[child]) { colors[node].insert(color); } colors[child].clear(); // 可选,释放内存 } } } 这样,每个节点的合并操作都是将较小的集合合并到较大的,从而减少总的插入次数。每个颜色被插入的次数最多是logN次,所以总时间复杂度是O(N logN)。 总结一下,启发式合并的关键点在于每次合并时,总是将较小的结构合并到较大的结构中,这样每个元素被处理的次数减少,从而降低总的时间复杂度。应用场景包括并查集、上的子问题、集合合并等。代码示例可以根据不同的应用场景来展示,比如并查集、颜色集合的合并等。 现在需要考虑用户的学习阶段。用户可能在算法竞赛中遇到需要高效合并的问题,比如某些题目需要处理大量合并操作,而普通的暴力合并会导致超时。这时候启发式合并就能派上用场。例如,Codeforces或ACM竞赛中的某些题目,可能需要处理子信息合并,这时候启发式合并可以优化时间复杂度。 可能用户的问题点在于理解为什么这样合并能优化时间,或者如何在实际问题中应用。因此,在讲解时,需要强调时间复杂度分析,以及具体例子中的操作步骤。 可能还需要比较暴力合并启发式合并的时间复杂度差异。例如,如果每次合并都是简单地将一个集合的所有元素插入另一个,那么最坏情况下,每次合并都是O(n)时间,总的时间复杂度可能是O()。而使用启发式合并后,总的时间复杂度降低到O(n logn)。 最后,C++的例子需要具体且易于理解。可能用户对STL比较熟悉,所以使用std::set或unordered_set的例子会更直观。或者使用并查集的例子,因为并查集是算法竞赛中的常见结构。 综上所述,我的回答结构应该是: 1. 定义启发式合并:将较小的集合合并到较大的集合,减少操作次数。 2. 解释原理:每个元素被移动的次数最多logN次,总复杂度O(N logN)。 3. 应用场景:并查集按秩合并、子信息合并、集合合并等。 4. C++示例: a. 并查集的实现(按大小合并)。 b. 上颜色统计问题的启发式合并。 5. 分析时间复杂度和优势。</think>好的!我将由浅入深为你讲解启发式合并(Heuristic Merge),并用 C++ 举例说明其实现。 --- ### **一、基础概念** **启发式合并** 是一种优化合并操作的策略,核心思想是:**每次合并两个集合时,总是将较小的集合合并到较大的集合中**。这样能减少重复操作次数,从而降低整体时间复杂度。 #### **为什么需要它?** 假设直接合并两个大小为 `n` 和 `m` 的集合(`n < m`),若将大的合并到小的,后续操作可能需要频繁处理更大的集合。而将小的合并到大的,后续操作会更高效。 --- ### **二、时间复杂度分析** - **普通合并**:最坏情况每次合并都需要 `O(n)` 时间,合并 `n` 次的总时间为 `O()`。 - **启发式合并**:每个元素最多被合并 `O(log n)` 次(因为每次合并后集合大小至少翻倍),总时间优化为 `O(n log n)`。 --- ### **三、应用场景** 1. **并查集(按秩合并)** 2. **上的子信息合并**(如统计子颜色) 3. **集合合并问题**(如动态维护多个集合) --- ### **四、C++ 代码示例** #### **1. 并查集的启发式合并(按大小合并)** ```cpp class DSU { vector<int> parent; vector<int> size; public: DSU(int n) { parent.resize(n); size.resize(n, 1); for (int i = 0; i < n; i++) parent[i] = i; } int find(int x) { if (parent[x] != x) parent[x] = find(parent[x]); // 路径压缩 return parent[x]; } void unite(int x, int y) { x = find(x), y = find(y); if (x == y) return; // 启发式合并:小集合合并到大集合 if (size[x] < size[y]) swap(x, y); parent[y] = x; size[x] += size[y]; } }; ``` #### **2. 上统计子颜色(启发式合并应用)** 假设节点有颜色,求每个节点的子中颜色种类数: ```cpp #include <vector> #include <unordered_set> using namespace std; void dfs(int u, int parent, vector<vector<int>>& tree, vector<unordered_set<int>>& subtreeColors, vector<int>& color) { subtreeColors[u].insert(color[u]); // 当前节点的颜色 for (int v : tree[u]) { if (v == parent) continue; dfs(v, u, tree, subtreeColors, color); // 启发式合并:将小子合并到大子 if (subtreeColors[u].size() < subtreeColors[v].size()) { swap(subtreeColors[u], subtreeColors[v]); } // 合并颜色 for (int c : subtreeColors[v]) { subtreeColors[u].insert(c); } subtreeColors[v].clear(); // 可选,释放内存 } // 此时 subtreeColors[u] 包含子所有颜色 } int main() { int n = 100; // 节点数 vector<vector<int>> tree(n); vector<int> color(n); vector<unordered_set<int>> subtreeColors(n); // 假设 tree 和 color 已初始化 dfs(0, -1, tree, subtreeColors, color); return 0; } ``` --- ### **五、关键点总结** 1. **合并方向**:总是小集合合并到大集合。 2. **复杂度保证**:每个元素最多被合并 `O(log n)` 次。 3. **实现技巧**:使用 `swap` 确保操作对象始终是小集合。 4. **适用问题**:需要频繁合并的场景(如并查集、上统计)。 --- ### **六、习题推荐** 1. [Codeforces 600E - Lomsat gelral](https://codeforces.com/problemset/problem/600/E)(经典启发式合并应用题) 2. 并查集相关题目(如动态连通性问题) 希望这些内容能帮助你掌握启发式合并!如果有更多问题,欢迎继续提问~ 😊
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