BZOJ 3545 [ONTAK2010]Peaks Treap启发式合并

本文介绍了一种离线查询算法,用于解决在给定困难值限制下,从一个山峰出发能到达的最大困难值不超过指定值的第k高的山峰的问题。算法采用双指针和平衡树优化,复杂度为O(m*log^2(n))。通过并查集维护连通性,实现高效查询。

题意:
有n座山峰。m条双向道路。
每座山峰有高度。
每条路有一个困难值。
多次询问从一个山峰出发,经过道路的最大困难值不超过x能达到的第k高的山峰。
解析:
因为允许离线,所以我们可以把所有的边按照困难值排序,再把所有的询问按照困难值排序。
然后我们就可以搞一个双指针(似乎都这么叫)的东西来搞这道题。
那么每一次,我们要查某个山峰可以到达的山峰中第k高的。
因为困难值单调,所以我们可以考虑把每一个山峰看作一个平衡树,然后每一次就是合并两棵平衡树而已。
既然这么想了,我们肯定不能暴力合并,那样复杂度爆炸。
那启发式合并能不能过呢?
复杂度O(m*log^2(n))发现可过。
所以就这样写了。
为了方便实现我们可以搞一个并查集来维护哪些山峰在一块。
代码:

#include <cstdio>
#include <cstring>
#include <iostream>
#include <algorithm>
#define N 101000
#define M 501000
using namespace std;
int n,m,q;
int val[N];
int root[N];
int tot,tot2;
struct Line
{
    int from,to,val;
}l[M];
struct node
{
    int v,siz,l,r,rnd;
}tr[N];
struct query
{
    int v,x,k,no;
}que[M];
void pushup(int rt)
{
    tr[rt].siz=tr[tr[rt].l].siz+1+tr[tr[rt].r].siz;
}
void lturn(int &rt)
{
    int t=tr[rt].r;
    tr[rt].r=tr[t].l;
    tr[t].l=rt;
    tr[t].siz=tr[rt].siz;
    pushup(rt);
    rt=t;
}
void rturn(int &rt)
{
    int t=tr[rt].l;
    tr[rt].l=tr[t].r;
    tr[t].r=rt;
    tr[t].siz=tr[rt].siz;
    pushup(rt);
    rt=t;
}
void insert(int &rt,int v,int no)
{
    if(!rt)
    {
        rt=no;
        tr[rt].v=v,tr[rt].l=tr[rt].r=0;
        tr[rt].siz=1,tr[rt].rnd=rand();
        return;
    }
    tr[rt].siz++;
    if(v<tr[rt].v)
    {
        insert(tr[rt].l,v,no);
        if(tr[tr[rt].l].rnd<tr[rt].rnd)rturn(rt);
    }else 
    {
        insert(tr[rt].r,v,no);
        if(tr[tr[rt].r].rnd<tr[rt].rnd)lturn(rt);
    }
}
void merge(int x,int &y)
{
    if(!x)return;
    merge(tr[x].l,y);
    merge(tr[x].r,y);
    insert(y,tr[x].v,x);
}
int Query_rnk(int rt,int k)
{
    if(tr[rt].siz<k)return -1;
    if(tr[tr[rt].r].siz+1==k)return tr[rt].v;
    if(tr[tr[rt].r].siz+1>k)return Query_rnk(tr[rt].r,k);
    else return Query_rnk(tr[rt].l,k-tr[tr[rt].r].siz-1);
}
int cmp(Line a,Line b)
{
    return a.val<b.val;
}
int cmp2(query a,query b)
{
    return a.x<b.x;
}
int fa[N],ans[M];
int find(int x)
{
    if(x==fa[x])return x;
    else return fa[x]=find(fa[x]);
}
int main()
{
    scanf("%d%d%d",&n,&m,&q);
    for(int i=1;i<=n;i++)
        scanf("%d",&val[i]),insert(root[i],val[i],i),fa[i]=i; 
    for(int i=1;i<=m;i++)
        scanf("%d%d%d",&l[i].from,&l[i].to,&l[i].val);
    for(int i=1;i<=q;i++)
        scanf("%d%d%d",&que[i].v,&que[i].x,&que[i].k),que[i].no=i;
    sort(l+1,l+m+1,cmp);
    sort(que+1,que+q+1,cmp2);
    int tmp1=1;
    for(int i=1;i<=q;i++)
    {
        while(tmp1<=m&&l[tmp1].val<=que[i].x)
        {
            int x=find(l[tmp1].from),y=find(l[tmp1].to);
            tmp1++;
            if(x==y)continue;
            if(tr[root[x]].siz>tr[root[y]].siz)swap(x,y);
            merge(root[x],root[y]);fa[x]=y;
        }
        ans[que[i].no]=Query_rnk(root[find(que[i].v)],que[i].k);
    }
    for(int i=1;i<=q;i++)printf("%d\n",ans[i]); 
} 
Treap(Tree + Heap)是一种结合了二叉搜索树(BST)和堆(Heap)特性的平衡二叉搜索树数据结构。其核心原理在于每个节点维护两个值:一个用于二叉搜索树性质的键值(key),以及一个用于最大堆性质的优先级(priority)。通过这两个属性,Treap在插入和删除操作时保持树的平衡性,从而确保操作的时间复杂度接近于对数级别。 ### Treap的基本原理 1. **二叉搜索树性质**:对于任意节点,其左子树中所有节点的键值小于当前节点的键值,右子树中所有节点的键值大于当前节点的键值。 2. **堆性质**:每个节点的优先级大于其子节点的优先级,这样可以确保树的结构在插入或删除时通过旋转操作保持平衡。 在插入新节点时,Treap首先按照二叉搜索树的方式找到合适的位置,并赋予该节点一个随机的优先级。如果该节点的优先级违反了堆性质,则通过旋转操作调整树的结构以恢复堆性质。删除操作类似,通过旋转确保堆性质得以维持。 ### 无旋Treap的实现 无旋Treap(Non-Rotating Treap)是Treap的一个变种,它通过分裂(Split)和合并(Merge)操作来实现树的平衡,而不是传统的旋转操作。分裂操作将树按照某个键值或位置分割为两部分,而合并操作将两个树合并为一个。这种方式简化了实现逻辑,尤其是在处理复杂操作时[^2]。 例如,分裂操作可以通过以下方式实现(以键值为分割点): ```python def split(node, key): if node is None: return (None, None) if node.key <= key: left, right = split(node.right, key) node.right = left return (node, right) else: left, right = split(node.left, key) node.left = right return (left, node) ``` 合并操作则需要确保堆性质的维护: ```python def merge(left, right): if left is None: return right if right is None: return left if left.priority > right.priority: left.right = merge(left.right, right) return left else: right.left = merge(left, right.left) return right ``` ### 应用场景 Treap由于其高效的平衡特性,广泛应用于需要高效查找、插入和删除操作的场景。常见的应用包括: - **数据库索引**:Treap可以用于实现高效的索引结构,支持快速的数据检索。 - **内存中的集合与映射**:在需要频繁插入和删除元素的场景中,Treap提供了良好的性能保障。 - **算法竞赛**:在某些需要高效数据结构的竞赛题中,Treap常被用来实现动态集合操作[^1]。 ### 实现细节 在实现Treap时,需要注意以下几点: - **随机优先级生成**:为了保证树的平衡性,每个节点的优先级应随机生成,通常使用大范围的整数以减少冲突的可能性。 - **递归与非递归实现**:虽然递归实现较为直观,但在大规模数据处理时可能会导致栈溢出,因此在实际应用中可以考虑非递归实现。 - **类型安全与内存管理**:特别是在使用Rust等语言时,需注意类型约束和内存安全,以确保程序的稳定性和可靠性[^1]。 通过理解Treap的原理和实现方式,开发者可以更好地将其应用于实际项目中,并根据需求进行扩展和优化。
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