数据结构——带懒标记的线段树

news2026/5/22 6:29:27
一、什么是线段树线段树是一种二叉树数据结构用于高效地处理区间查询和区间更新操作。核心思想将数组分成若干个区间线段每个节点代表一个区间通过合并子节点的信息来得到父节点的信息。适用场景区间求和、最大值、最小值区间加、区间乘、区间赋值动态统计数据二、线段树的结构以数组[1, 2, 3, 4, 5]为例[1-5] (15) / \ [1-3] (6) [4-5] (9) / \ / \ [1-2] (3) [3] (3) [4] (4) [5] (5) / \ [1] (1) [2] (2)每个节点存储区间范围该区间的信息如和、最大值等懒标记可选用于区间更新优化例题洛谷P3372题目描述如题已知一个数列 {ai​}你需要进行下面两种操作将某区间每一个数加上 k。求出某区间每一个数的和。输入格式第一行包含两个整数 n,m分别表示该数列数字的个数和操作的总个数。第二行包含 n 个用空格分隔的整数 ai​其中第 i 个数字表示数列第 i 项的初始值。接下来 m 行每行包含 3 或 4 个整数表示一个操作具体如下1 x y k将区间 [x,y] 内每个数加上 k。2 x y输出区间 [x,y] 内每个数的和。输出格式输出包含若干行整数即为所有操作 2 的结果。输入输出样例输入5 5 1 5 4 2 3 2 2 4 1 2 3 2 2 3 4 1 1 5 1 2 1 4输出11 8 20说明/提示对于 15% 的数据n≤8m≤10。对于 35% 的数据n≤103m≤104。对于 100% 的数据1≤n,m≤105ai​,k 为正数且任意时刻数列的和不超过 2×1018。题解#includebits/stdc.h using namespace std; using lllong long; //大根树 class SegmentTree { int n; vectorlltree; vectorlllazy; void maintain(int o) { tree[o] tree[o*2]tree[o*21]; } //构建线段树 void build(const vectorlla,int o, int l, int r) { if (lr) { tree[o]a[l]; return; } int m(lr)/2; build(a,o*2,l,m); build(a,o*21,m1,r); maintain(o); } //懒标记下发 void push(int o,int l,int r) { if (lazy[o]!0) { int m (l r) / 2; // 更新左儿子 tree[o*2] lazy[o] * (m - l 1); lazy[o*2] lazy[o]; // 更新右儿子 tree[o*21] lazy[o] * (r - m); lazy[o*21] lazy[o]; lazy[o]0; } } //区域更新 void update(int o,int l,int r,int ql,int qr,ll val) { if (qlr||lqr) { return ; } if (qllrqr) { tree[o] val * (r - l 1); lazy[o] val; return; } int m(lr)/2; push(o, l, r); update(o*2,l,m,ql,qr,val); update(o*21,m1,r,ql,qr,val); maintain(o); } ll query(int o,int l,int r,int ql,int qr) { // if (qlr||lqr) { // return 0; // } if (qllrqr) { return tree[o]; } push(o,l,r); int m(lr)/2; ll l_res 0, r_res 0; if (qlm) { l_resquery(o*2,l,m,ql,qr); } if (qrm) { r_resquery(o*21,m1,r,ql,qr); } return l_resr_res; } public: SegmentTree(const vectorlla) :n(a.size()),tree(4*n),lazy(4*n) { build(a,1,0,n-1); } void update(int l,int r,ll val) { update(1,0,n-1,l,r,val); } ll query(int ql,int qr) { return query(1,0,n-1,ql,qr); } }; int main(){ ios::sync_with_stdio(false); cin.tie(nullptr); int n,m; cinnm; vectorlla(n); for (int i0;in;i) cina[i]; SegmentTree t(a); while(m--){ int p; cinp; if (p1) { ll x,y,k; cinxyk; t.update(x-1,y-1,k); }else { ll x,y; cinxy; coutt.query(x-1,y-1)\n; } } return 0; }接下来让我们一起分析分析这段代码解释在代码注释里。先简要介绍大体结构#includebits/stdc.h//万能头 using namespace std; using lllong long;//简化代码 //定义了一个线段树的类 class SegmentTree { int n;//树的大小 vectorlltree;//核心数组也是二叉树通过下标的关系来连接 //如 1 是 2 和 3 的根 // 2 是 4 和 5 的根 //也就是 i 是 i*2 和 i*21 的根 vectorlllazy;//懒标记作用是让每一次的更新数组都停留在中间的某个节点 //也就是需要更新的区域的根节点可能不止一个上只有当你要查询的时候碰到了就把标记往下传。 //此处使用两个数组之间是通过下标一一对应当题目复杂懒标记种类多也可以使用结构体 public: }; int main(){ ios::sync_with_stdio(false); cin.tie(nullptr);//加速 return 0; }再解释函数部分//维护函数用来维护线段树 void maintain(int o) { tree[o] tree[o*2]tree[o*21]; //此处加法是因为题目是求和可根据题意修改逻辑 }//构建线段树 void build(const vectorlla,int o, int l, int r) { //a数组为题目所给o是当前根节点l和r是当前根节点所包含的a数组区域值在0到n-1; if (lr) {//到叶子节点了 tree[o]a[l]; return; } int m(lr)/2; //如果lr超限可以用 r(l-r)/2;更保险 build(a,o*2,l,m);//建立左子树 build(a,o*21,m1,r);//建立右子树 maintain(o);//递归回去时要不断维护线段树就像从下往上建金字塔一样 }//懒标记下发 void push(int o,int l,int r) { if (lazy[o]!0) {//如果等于0就以为着该节点没有未处理的懒标记 int m (l r) / 2; // 更新左子树 tree[o*2] lazy[o] * (m - l 1); //乘以(m - l 1) 是因为这个节点包含了(m - l 1)个数结合当前逻辑每个数都要增加如果汇聚到根就要乘这么多。 lazy[o*2] lazy[o]; //懒标记继续下传 //可优化的点对于叶子节点的懒标记不可能进行下发基于这一点可以节省空间 // 更新右子树 tree[o*21] lazy[o] * (r - m); lazy[o*21] lazy[o]; lazy[o]0;//消除懒标记 } }//区域更新 void update(int o,int l,int r,int ql,int qr,ll val) { //l和r是当前区域ql和qr是需要更新的区域val是更新值 if (qlr||lqr) { return ; }//如果 当前区域 和 目标区域 没有交集就直接返回 if (qllrqr) {//如果 当前区域 完全在 目标区域 内就进行更新和懒标记添加 tree[o] val * (r - l 1); lazy[o] val; return; } int m(lr)/2; push(o, l, r);//下发懒标记再继续更新 update(o*2,l,m,ql,qr,val); update(o*21,m1,r,ql,qr,val); maintain(o);//维护 }//区域查询 ll query(int o,int l,int r,int ql,int qr) { // if (qlr||lqr) { // return 0; // } //此处的区间交集判断可有可无因为最后面两个if判断已经保证了没有交集的部分不会进行递归 if (qllrqr) { return tree[o]; } push(o,l,r); int m(lr)/2; ll l_res 0, r_res 0; if (qlm) {//如果是 就代表查询区间完全在右子树另一个同理 l_resquery(o*2,l,m,ql,qr); } if (qrm) { r_resquery(o*21,m1,r,ql,qr); } return l_resr_res;//返回区间的和 }public: //构造函数 //初始化列表顺序不可变优点是无额外开销涉及C内部 SegmentTree(const vectorlla) :n(a.size()),tree(4*n10),lazy(4*n10) { build(a,1,0,n-1); } //以下函数重复是为了简化后面使用时的书写。 void update(int l,int r,ll val) { update(1,0,n-1,l,r,val); } ll query(int ql,int qr) { return query(1,0,n-1,ql,qr); }类的部分解释结束。int n,m; cinnm; vectorlla(n); for (int i0;in;i) cina[i]; SegmentTree t(a);//定义一个线段树的类 while(m--){ int p; cinp; if (p1) { ll x,y,k; cinxyk; t.update(x-1,y-1,k);//减一是因为要契合数组下标是从0开始的 }else { ll x,y; cinxy; coutt.query(x-1,y-1)\n; } } return 0;当当当当大功告成不枉我又学了一天的线段树。如果还有不解或写错的地方欢迎在评论区留言小萤还会继续更新算法。

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.coloradmin.cn/o/2633919.html

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈,一经查实,立即删除!

相关文章

SpringBoot-17-MyBatis动态SQL标签之常用标签

文章目录 1 代码1.1 实体User.java1.2 接口UserMapper.java1.3 映射UserMapper.xml1.3.1 标签if1.3.2 标签if和where1.3.3 标签choose和when和otherwise1.4 UserController.java2 常用动态SQL标签2.1 标签set2.1.1 UserMapper.java2.1.2 UserMapper.xml2.1.3 UserController.ja…

wordpress后台更新后 前端没变化的解决方法

使用siteground主机的wordpress网站,会出现更新了网站内容和修改了php模板文件、js文件、css文件、图片文件后,网站没有变化的情况。 不熟悉siteground主机的新手,遇到这个问题,就很抓狂,明明是哪都没操作错误&#x…

网络编程(Modbus进阶)

思维导图 Modbus RTU(先学一点理论) 概念 Modbus RTU 是工业自动化领域 最广泛应用的串行通信协议,由 Modicon 公司(现施耐德电气)于 1979 年推出。它以 高效率、强健性、易实现的特点成为工业控制系统的通信标准。 包…

UE5 学习系列(二)用户操作界面及介绍

这篇博客是 UE5 学习系列博客的第二篇,在第一篇的基础上展开这篇内容。博客参考的 B 站视频资料和第一篇的链接如下: 【Note】:如果你已经完成安装等操作,可以只执行第一篇博客中 2. 新建一个空白游戏项目 章节操作,重…

IDEA运行Tomcat出现乱码问题解决汇总

最近正值期末周,有很多同学在写期末Java web作业时,运行tomcat出现乱码问题,经过多次解决与研究,我做了如下整理: 原因: IDEA本身编码与tomcat的编码与Windows编码不同导致,Windows 系统控制台…

利用最小二乘法找圆心和半径

#include <iostream> #include <vector> #include <cmath> #include <Eigen/Dense> // 需安装Eigen库用于矩阵运算 // 定义点结构 struct Point { double x, y; Point(double x_, double y_) : x(x_), y(y_) {} }; // 最小二乘法求圆心和半径 …

使用docker在3台服务器上搭建基于redis 6.x的一主两从三台均是哨兵模式

一、环境及版本说明 如果服务器已经安装了docker,则忽略此步骤,如果没有安装,则可以按照一下方式安装: 1. 在线安装(有互联网环境): 请看我这篇文章 传送阵>> 点我查看 2. 离线安装(内网环境):请看我这篇文章 传送阵>> 点我查看 说明&#xff1a;假设每台服务器已…

XML Group端口详解

在XML数据映射过程中&#xff0c;经常需要对数据进行分组聚合操作。例如&#xff0c;当处理包含多个物料明细的XML文件时&#xff0c;可能需要将相同物料号的明细归为一组&#xff0c;或对相同物料号的数量进行求和计算。传统实现方式通常需要编写脚本代码&#xff0c;增加了开…

LBE-LEX系列工业语音播放器|预警播报器|喇叭蜂鸣器的上位机配置操作说明

LBE-LEX系列工业语音播放器|预警播报器|喇叭蜂鸣器专为工业环境精心打造&#xff0c;完美适配AGV和无人叉车。同时&#xff0c;集成以太网与语音合成技术&#xff0c;为各类高级系统&#xff08;如MES、调度系统、库位管理、立库等&#xff09;提供高效便捷的语音交互体验。 L…

(LeetCode 每日一题) 3442. 奇偶频次间的最大差值 I (哈希、字符串)

题目&#xff1a;3442. 奇偶频次间的最大差值 I 思路 &#xff1a;哈希&#xff0c;时间复杂度0(n)。 用哈希表来记录每个字符串中字符的分布情况&#xff0c;哈希表这里用数组即可实现。 C版本&#xff1a; class Solution { public:int maxDifference(string s) {int a[26]…

【大模型RAG】拍照搜题技术架构速览:三层管道、两级检索、兜底大模型

摘要 拍照搜题系统采用“三层管道&#xff08;多模态 OCR → 语义检索 → 答案渲染&#xff09;、两级检索&#xff08;倒排 BM25 向量 HNSW&#xff09;并以大语言模型兜底”的整体框架&#xff1a; 多模态 OCR 层 将题目图片经过超分、去噪、倾斜校正后&#xff0c;分别用…

【Axure高保真原型】引导弹窗

今天和大家中分享引导弹窗的原型模板&#xff0c;载入页面后&#xff0c;会显示引导弹窗&#xff0c;适用于引导用户使用页面&#xff0c;点击完成后&#xff0c;会显示下一个引导弹窗&#xff0c;直至最后一个引导弹窗完成后进入首页。具体效果可以点击下方视频观看或打开下方…

接口测试中缓存处理策略

在接口测试中&#xff0c;缓存处理策略是一个关键环节&#xff0c;直接影响测试结果的准确性和可靠性。合理的缓存处理策略能够确保测试环境的一致性&#xff0c;避免因缓存数据导致的测试偏差。以下是接口测试中常见的缓存处理策略及其详细说明&#xff1a; 一、缓存处理的核…

龙虎榜——20250610

上证指数放量收阴线&#xff0c;个股多数下跌&#xff0c;盘中受消息影响大幅波动。 深证指数放量收阴线形成顶分型&#xff0c;指数短线有调整的需求&#xff0c;大概需要一两天。 2025年6月10日龙虎榜行业方向分析 1. 金融科技 代表标的&#xff1a;御银股份、雄帝科技 驱动…

观成科技:隐蔽隧道工具Ligolo-ng加密流量分析

1.工具介绍 Ligolo-ng是一款由go编写的高效隧道工具&#xff0c;该工具基于TUN接口实现其功能&#xff0c;利用反向TCP/TLS连接建立一条隐蔽的通信信道&#xff0c;支持使用Let’s Encrypt自动生成证书。Ligolo-ng的通信隐蔽性体现在其支持多种连接方式&#xff0c;适应复杂网…

铭豹扩展坞 USB转网口 突然无法识别解决方法

当 USB 转网口扩展坞在一台笔记本上无法识别,但在其他电脑上正常工作时,问题通常出在笔记本自身或其与扩展坞的兼容性上。以下是系统化的定位思路和排查步骤,帮助你快速找到故障原因: 背景: 一个M-pard(铭豹)扩展坞的网卡突然无法识别了,扩展出来的三个USB接口正常。…

未来机器人的大脑:如何用神经网络模拟器实现更智能的决策?

编辑&#xff1a;陈萍萍的公主一点人工一点智能 未来机器人的大脑&#xff1a;如何用神经网络模拟器实现更智能的决策&#xff1f;RWM通过双自回归机制有效解决了复合误差、部分可观测性和随机动力学等关键挑战&#xff0c;在不依赖领域特定归纳偏见的条件下实现了卓越的预测准…

Linux应用开发之网络套接字编程(实例篇)

服务端与客户端单连接 服务端代码 #include <sys/socket.h> #include <sys/types.h> #include <netinet/in.h> #include <stdio.h> #include <stdlib.h> #include <string.h> #include <arpa/inet.h> #include <pthread.h> …

华为云AI开发平台ModelArts

华为云ModelArts&#xff1a;重塑AI开发流程的“智能引擎”与“创新加速器”&#xff01; 在人工智能浪潮席卷全球的2025年&#xff0c;企业拥抱AI的意愿空前高涨&#xff0c;但技术门槛高、流程复杂、资源投入巨大的现实&#xff0c;却让许多创新构想止步于实验室。数据科学家…

深度学习在微纳光子学中的应用

深度学习在微纳光子学中的主要应用方向 深度学习与微纳光子学的结合主要集中在以下几个方向&#xff1a; 逆向设计 通过神经网络快速预测微纳结构的光学响应&#xff0c;替代传统耗时的数值模拟方法。例如设计超表面、光子晶体等结构。 特征提取与优化 从复杂的光学数据中自…