逆序对————权值线段树+离散化写法

本文描述了如何使用C++中的线段树数据结构解决一个问题,即在给定一个数组a和一个整数b,计算b在数组中出现次数后,a[i]小于等于b的逆序对数量。通过离散化和线段树的区间更新和查询操作来实现高效计算。

今天写道这么一道题,鉴于不太熟悉归并和树状数组,还是用线段树水一下(

板子如下

#include<iostream>
#include<vector>
#include<algorithm>
using namespace std;
const int N=5e5+10;
#define int long long
#define lc u<<1
#define rc u<<1|1
struct Tree{
	int l,r,val;
}tr[N*4];
int n;
void pushup(int u){
	tr[u].val=tr[lc].val+tr[rc].val;//维护个数 区间大于id的个数就是逆序对个数
}
void build(int u,int l,int r){//写成数组形式可以免掉这一段的,但是写习惯了
	tr[u]={l,r};
	if(l==r) return;
	int m=(l+r)>>1;
	build(lc,l,m);
	build(rc,m+1,r);
	pushup(u);
}
void update(int u,int x){
	if(tr[u].l==tr[u].r){
		 tr[u].val++;return;
	}
	int m=(tr[u].l+tr[u].r)>>1;
	if(x<=m) update(lc,x);
	else update(rc,x);
	pushup(u); 
}
int query(int u,int l,int r){
	if(l<=tr[u].l&&tr[u].r<=r){
		 return tr[u].val;
	}
	//cout<<1<<endl;
	int m=(tr[u].l+tr[u].r)>>1;
	int num=0;
	if(l<=m) num+=query(lc,l,r);
	if(r>m) num+=query(rc,l,r);
	return num;
}
signed main(){
	cin>>n;
	vector<int> a(n+1);
	vector<int> b(n+1);
	for(int i=1;i<=n;++i) cin>>a[i],b[i]=a[i];
	sort(b.begin()+1,b.begin()+1+n);
	int ans=0;
	int m=unique(b.begin()+1,b.begin()+1+n)-(b.begin()+1);
    //离散化,这里不离散化也行,不是所有时候都会卡这里的数据
	build(1,1,m);
	for(int i=1;i<=n;++i){
		int id=lower_bound(b.begin()+1,b.begin()+1+m,a[i])-b.begin();
		update(1,id);
		ans+=query(1,id+1,m);
		//cout<<query(1,id+1,m)<<endl;
	}
	//for(int i=1;i<=n;++i) cout<<tr[i].val<<endl;
	cout<<ans<<endl;
	return 0;
}

<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,比如区间求和、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,比如求逆序对的数量。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,比如求第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. 求逆序对数量** - **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
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