个人中心
gpt4 book ai didi

算法学习笔记(18):平衡树（一）

转载 作者：我是一只小鸟 更新时间：2023-03-10 22:31:24 30 4
gpt4 key购买 nike

平衡树

建议在清楚二叉搜索树的所有操作之后食用本文。本文将略过部分基础知识 。

目录
  • 平衡树
    • Treap
      • 旋转
      • 插入
      • 删除
      • 其他操作
    • FHQ-Treap
      • 分裂
      • 合并
      • 其他操作
    • Splay
      • 旋转
      • 伸展
      • 其他操作
    • WBLT
      • 搜索
      • 维护平衡
      • 插入
      • 删除
      • 其他操作

本文主要会讲到4中较常用的平衡树:

  • Treap 。

  • FHQ-Treap（无旋Treap） 。

  • Splay 。

  • WBLT 。

其实WBLT不怎么常用，但是我个人最喜欢用 。

我将会在另一篇文章中讲述其他的平衡树，如AVL，红黑树，替罪羊树等.

可持久化我还会放在另一篇文章中讲述，敬请期待.

Treap

Treap也就是 Tree + Heap ，在满足二叉搜索树的前提下，通过维护二叉堆的性质来保证其复杂度不会太大，一般我们认为是 \(O(\log n)\) 的单次操作复杂度。但是毕竟是随机的，还是可能会炸，此乃后话.

先声明一点名词:

  • 权值：也就是数据，每一个结点保存的数据.

  • 优先度：用于维护二叉堆性质，是新建结点的时候随机生成的.

图中我会以二元组的形式给出，格式为 权值，优先度 。

我一般习惯用大根堆，且优先度为非负数，这样要方便一点 。

这是一颗很简单的树，我们现在来考虑各种操作.

不过，我还是给出树的声明:

其他的树定义类似！ 。

                        
                          typedef unsigned int uint;
template<int N = 1e5 + 3>
class Treap {
private:
    int lc[N], rc[N]; // 左右节点
    uint pri[N]; // 优先度，定义为非负整数！
    int val[N]; // 权值
    int cnt[N]; // 计数器
    int siz[N]; // 以当前结点为根的子树的结点个数（用于查找kth和rank）
    int root, usage; // 根节点和使用的结点个数
    // int fa[N]; // 记录父亲结点，如果需要的话
public:
    // ...
}

旋转

这里我们记住一张图即可:

从左到右是右旋，从右到左是左旋.

可以发现，这种旋转并不会改变中序遍历的结果（不会影响二叉搜索树的性质）。但是可以影响二叉堆的性质。所以我们可以以此维护二叉堆的性质.

由于我们需要改变 q 或者 p 父节点对其的指向，我们采用引用的方式修改父节点.

后面的Splay也会有旋转的操作，但是两者需要的旋转方式不一样.

这里是将子节点旋转到当前结点 p 上，而splay中的旋转在实现的时候是把当前节点 p 转到父结点上，别混淆了！ 。

                        
                          void leftRotate(int &p) { // 定义左旋操作
    int q = rc[p];
    rc[p] = lc[q], lc[q] = p;
    p = q; // 更新父节点对此结点的信息
    update(lc[p]), update(p); // 更新结点信息。p已经改变过了！
}

void rightRotate(int &p) { // 定义右旋操作，与上面类似，只是变化了一下lc和rc！
    int q = lc[p];
    lc[p] = rc[q], rc[q] = p, p = q;
    update(rc[p]), update(p);
}

是不是该说一下 update 是个啥?

直接看代码吧:

                          
                            void update(p) {
    siz[p] = siz[lc[p]] + siz[rc[p]] + cnt[p];
}

插入

与二叉搜索树的插入类似。如果遇到已经插入过的结点可以选择新建结点，或者增加标记（ ++cnt[p] ），这里选择后者.

我们先来看新建结点的过程:

                        
                          int newNode(int x, uint prio = 0) {
    ++usage;
    lc[usage] = rc[usage] = 0;
    pri[usage] = prio ? prio : rand();
    val[usage] = x;
    cnt[usage] = siz[usage] = 1;
    return usage;
}

这只是新建一个空结点的操作而已……接下来我们才涉及到插入部分.

新建结点的操作每一种树都很类似，注意灵活修改！ 。

首先我们还是正常的插入，例如我们在刚开始的例子的基础上插入了 (6, 8) 。

那么根据二叉搜索树的插入方式，插入后应该如下:

很明显，此时不满足二叉堆的性质，我们需要通过旋转的方法来维护.

不难得知，我们需要对 (7, 7) 做一次右旋操作，以使 (6, 8) 成为 (7, 7) 的父节点，从而满足二叉堆的性质.

结果如下:

接着，由于我们一定是在最底部插入的结点，所以我们只需要在回溯的时候一路向上维护二叉堆的性质即可.

代码如下:

                        
                          void insert(int &p, int x) { // 由于旋转操作需要来自父节点的引用，新建节点也是！
    if (!p) {
        p = newNode(x); // 新建结点
        return;
    }

    if (val[p] == x) { // 有相同结点，增加引用即可
        ++cnt[p], ++siz[p];
        return;
    } else if (val[p] > x) { // 进入左树
        insert(lc[p], x);
        if (pri[p] < pri[lc[p]]) rightRotate(p); // 维护二叉堆性质
    } else { // 进入右树
        insert(rc[p], x);
        if (pri[p] < pri[rp[p]]) leftRotate(p);
    }
    update(p); // 更新信息
}

删除

首先我们先找到需要修改的结点:

                        
                          void remove(int &p, int x) {
    if (!p) return; // 没有找到要删除的结点
    if (x != val[p]) {
        remove(x < val[p] ? lc[p] : rc[p], x), update(p);
        return;
    }

    // TODO
}

然后我们考虑两种情况:

  • 如果计数大于1，那么我们减少计数，结束即可:

                                
                              if (cnt[p] > 1) {
    --cnt[p], --siz[p];
    return;
}

  • 如果计数等于1，那么我们不断再保证二叉堆的性质的情况下不断向下旋转。直到没有子节点，那么我们可以直接 p = 0 ，删除即可.

                                
                              if (lc[p] || rc[p]) {
    if (rc[p] == 0 || pri[lc[p]] > pri[rc[p]]) {
        rightRotate(p), remove(rp[p], val);
    } else {
        leftRotate(p), remove(lc[p], val);
    }
} else {
    p = 0;
}

依据逻辑把三个部分合起来即可.

其他操作

例如查找第k大，获取某个数的排名，获取前驱或者后驱.

和二叉搜索树的方法一致，这里就不过多讲述了.

代码链接 此处采用的是另一种写法！注意甄别！ Link

FHQ-Treap

首先我们了解一下这个东西和普通的Treap有啥不同:

  • FHQ-Treap基于分裂和合并的操作，代替了旋转，使得可持久化更为容易 。

  • 操作相对简单，时间复杂度的阶没有变化，还是 \(O(\log n)\) ，但是常数要大一点 。

我们先来看最重要的分裂部分 。

分裂

分裂有两种形式 。

  • 按权值 v 分裂：将小于等于 v 的所有节点分裂为一棵树，大于 v 的放在一棵树 。

  • 按排名 k 分裂：将前 k 个数放在一棵树，其他的放在另一颗树.

两者十分类似，代码几乎一模一样，所以这里只细述按权值分裂.

我们还是拿最初的那张图为例子来讲:

假如我们要按权值 4 分裂，也就相当于分成如下两棵树:

按权值 3 分裂，也就相当于分成如下两棵树:

蓝色的表示新建的边，红色的表示断开的边 。

似乎有点感觉了？我们来细谈分裂的全过程 。

约定此处红色为左树（权值小于等于 v ），蓝色为右树（权值大于 v ），绿色为下一步进入的结点 。

x 结点指新入的结点需要拼接到的位置， y 同样 。

这里以按权值 3 分裂为例子:

肯定是从根节点开始，明显，根节点的权值 \(\gt 3\) ，所以根节点及其右子树的所有结点都应该放到蓝色树上:

接下来我们判断结点 (3, 8) ，明显，节点的权值 \(\le 3\) ，所以此节点及其左子树都应该放在红色树上，下一步进入结点 (4, 6) 。

同样的判断，将 (4, 6) 放置在蓝树 。

下一步的结点为空，结束分裂.

通过观察，我们可以发现分裂后树的相对形态没有改变，所以我们可以尝试着直接在原树上直接分裂，避免复制结点的操作.

在我的代码中， sync 和其他人写的 pushdown 是一样的，只是我不习惯如此写……所以使用 sync 代替 pushdown ，使用 update 代替 pushup …… 。

代码如下:

                        
                          void splitByVal(int p, int v, int &x, int &y) {
    if (!p) return (void)(x = y = 0);
    // sync(p); // 如果需要，下传标记！！
    if (val[p] <= x)
        x = p, splitByVal(rc[p], v, rc[p], y);
    else
        y = p, splitByVal(lc[p], v, x, lc[p]);
    update(p);
}

而按照排名分裂十分类似，这里直接给出代码:

                        
                          void splitByRand(int p, int k, int &x, int &y) {
    if (!p) return (void)(x = y = 0);
    // sync(p); // 如果需要，下传标记！！
    if (siz[lc[p]] < k)
        x = p, splitByRank(rc[p], k - siz[lc[p]] - cnt[p], rc[p], y);
    else
        y = p, splitByRand(lc[p], k, x, lc[p]);
    update(p);
}

合并

由于我们保证了左树的最大值一定不大于右树的最大值，所以我们只需要考虑优先度即可.

那么我们来演示上面分裂后的两棵树合并的过程.

此时 x , y 为左树和右树的当前结点。返回的是合并后的结点编号.

首先， y 的优先度较大，那么此时 y 作为父节点，转而合并 x 和 y 的左子树，作为 y 的左子树:

此时 x 的优先度较大，所以此时 x 作为父节点，合并 x 的右子树和 y ，作为 x 的右子树.

此时 x 为空，直接接上即可.

至此，合并完成.

合并会遇到的两种情况这里都涉及到了，那么我们来看代码:

                        
                          int merge(int x, int y) {
    if (!x | !y) return x | y;
    // sync(x), sync(y); // if need
    if (pri[x] > pri[y]) {
        rc[x] = merge(rc[x], y);
        return update(x), x;
    } else {
        lc[y] = merge(x, lc[y]);
        return update(y), y;
    }
    return -1; // NEVER REACH!
}

其他操作

其他操作很容易通过分裂和合并的操作完成，这里讲述思路即可.

  • 插入：新建一个结点作为单独的一棵树，将原树按权值分裂，三者合并即可.

                                
                              void insert(int &root, int v) {
    int p = newNode(v);
    int x(0), y(0);
    splitByVal(root, v, x, y);
    root = merge(merge(x, p), y);
}

  • 删除：分裂成三棵树，中间的树结点的权值全部为 v ，分别合并即可.

                                
                              void remove(int &root, int v) {
    int x(0), y(0), z(0), tmp(0);
    splitByVal(root, v - 1, x, tmp); // 分裂为 < v 和 >= v 的两棵树
    splitByVal(tmp, v, y, z); // 再分裂为 = v 和 > v 的两棵树
    // 以此避免判断没有v的情况
    root = merge(merge(x, lc[y]), merge(rc[y], z));
}

  • 第 k 大：按排名分裂即可.

  • 查询排名：按权值分裂（为 \(\lt x\) 和 \(\ge x\) 的两棵树），使用左树的大小即可.

  • 前驱或者后驱：分裂即可…… 。

整体代码我就不给了，核心就这些了.

Splay

伸展树，由Tarjan（对，就是他）在1985年发明。它与正常的平衡树不同，不能保证每一次的操作在 \(O(\log n)\) 的复杂度内，只能均摊下来 \(O(\log n)\) 。所以说，尽量少用.

Splay最大的特点是每次对一个结点进行操作（读取，或者修改）之后，都会把他转到根节点上.

旋转

我们先来看旋转操作.

还是要记住上面给出的旋转的图，这样方便于理解。这里就不细讲了.

注意和Treap的旋转操作区分开来，这里的旋转是将 当前结点旋转到其父节点的位置 ！ 。

                        
                          // 0 表示是父节点的左子节点，1表示为右子节点
#define side(x) ((x) == rc[fa[(x)]])
// 利用 side 获取对应的子节点
#define ch(x, k) ((k) ? rc[x] : lc[x])
// rotate x to it's fathers position!
void rotate(int x) {
    int y = fa[x], z = fa[y], k = side(x);
    ch(y, k) = ch(x, k ^ 1);
    if (ch(x, k ^ 1)) fa[ch(x, k ^ 1)] = y;
    ch(x, k ^ 1) = y, fa[y] = x, fa[x] = z;
    if (z) ch(z, y == rc[z]) = x;
    update(y), update(x);
}

在Splay的实现中， update 操作 没有变化 ，还是 siz[p] = siz[lc[p]] + siz[rc[p]] + cnt[p] 。

伸展

伸展是Splay最最核心的操作，也就是把一个结点旋转到根节点（或者其他地方）.

但是仅仅是一路把当前结点向上旋转就可以了吗？并不是的.

如果仅仅是一路向上，那么会有上图的结果，此时我们只需要来回不断地操作，就可以卡成单次 \(O(n)\) 的复杂度，因此我们不能这么做，所以天才的Tarjan想到了另一种旋转的方法，用以保证其复杂度均摊在 \(O(\log n)\) .

对于每一次旋转我们分类讨论:

  • 旋转一次可以到达目的地：直接旋转即可.

  • 至少需要两次旋转:

    • 当前结点与其父节点为同侧：先转父节点，再转子节点.

    • 不同侧，直接两次向上转即可.

那么通过这个规则，我们就可以得到这样一张图:

是不是矮了一点 _ 。

我们可以理解为通过这种规则旋转，每次至多可以减少二分之一的高度，最终下来，高度可以保证在 \(O(\log n)\) 的样子.

所以，伸展的核心代码就可以写出来了:

target指的是向上不停转之后的最终父节点是什么，注意！ 。

                        
                          void splay(int x, int target) {
    // sync if need!
    // for (int i = x; i; i = fa[i]) stack[++top] = i;
    // while (top) sync(stack[top--]);

    while (fa[x] != target) {
        int y = fa[x], z = fa[y];
        if (z != target) rotate(side(x) == side(y) ? y : x);
        rotate(x);
    }
    if (!target) root = x;
}

其他操作

删除操作非常特殊，后文里会讲，还有，记得每一次无论是查找还是修改什么的，记得把目标节点Splay到根！！！ 。

大部分和二叉搜索树一样。这里不细讲了.

不过这里建议一下Splay的写法细节:

  • 写两个辅助函数，一个用于寻找对于排名的结点，一个用于寻找对于值的结点，都是返回的结点编号.

                                
                              int _findVal(int v) {
    int cur = root;
    while (cur) {
        // sync(cur); // if need
        if (val[cur] == v) return cur;
        else if (v < val[cur]) cur = lc[cur];
        else cur = rc[cur];
    }
    return cur; // 0 for not found!
}
// return the node index of the kth element
int _findKth(int k) {
    int cur = root;
    while (cur) {
        // sync(cur); // if need
        if (siz[lc[cur]] >= k) cur = lc[cur];
        else if (siz[lc[cur]] + 1 == k) return cur;
        else k -= siz[lc[cur]] + 1, cur = rc[cur];
    }
    return cur;
}

  • 其他的操作都一定程度上可以基于这两个操作（或者这两个操作的变换）。例如 remove 。具体操作看注释 。

                                
                              void remove(int v) {
    int p = _findVal(v);
    if (!p) return;
    splay(p, 0); // 转到根节点
    if (--cnt[p]) return update(p), (void)0; // 减少计数即可

    // 如果只有一个子节点，直接作为根节点即可。
    if (!(lc[p] && rc[p])) {
        root = lc[p] | rc[p];
        fa[root] = 0; // 不需要更新！
        return;
    }

    // 否则寻找后驱
    int nxt = rc[p]; // sync(nxt); // if need
    while (lc[nxt]) nxt = lc[nxt]/*, sync(nxt) */;
    // 将后驱转到p的右节点的位置
    splay(nxt, p);
    // 此时 lc[nxt] 一定为空，考虑二叉搜索树的性质
    // 所以我们直接把nxt作为根节点，连接原本p的左子树即可。
    lc[nxt] = lc[p];
    update(root = fa[lc[p]] = nxt); // 更新信息
}

其实主要是一些奇怪的操作需要……可恶.

WBLT

这是我最喜欢用的一种平衡树，而且借鉴FHQ-Treap的思路，可以实现类似的操作，这类似的操作这里不细讲。本文只讲述基本.

定义:

  • 叶节点：没有子节点的节点.

  • 内节点：有子节点的节点.

WBLT全称是 Weight Balanced Tree ，有一点类似于 Size Balanced Tree ，只是WBLT是一种 Leafy Tree ，只有叶节点（没有子节点的结点）保存有信息。而其他的内节点都是用于辅助搜索的.

而且WBLT的每一个节点要么是满的，要么是空的。或者说要么左右儿子都有，要么都没有。再或者说内节点既有左节点也有右节点。这使得操作非常方便…… 。

那么内节点如何辅助搜索？在WBLT中，内节点存储的是右节点的值.

语言描述太罗嗦，我们还是直接上图:

结构还是挺一目了然的.

真正保存着信息的其实只有红色圈起来的节点.

不难看出，总共有9个节点，总而言之，如果有 \(n\) 个数据，那么将会有 \(2n - 1\) 个节点。那么我们认为其空间复杂度为 \(O(n)\) ，只是常数为普通平衡树的两倍而已.

搜索

这或许是唯一一个需要从搜索开始讲述的平衡树了 。

例如我们需要搜索值 3 ，那么搜索路径应该是这样的.

由于WBLT内节点保存信息的特性，我们进入下一个节点可以分如下情况讨论:

  • 到达叶子节点：如果当前节点的值等于所需节点的值，那么搜索成功，否则，没有搜到.

  • 在内节点上：如果左子节点的值大于等于目标值，则进入左子树，否则进入右子树.

    其实看图不难发现，当前节点的值就是当前子树中的最大值，所以可以进行上述操作.

这个规则同样适用于其他的操作！请务必画下来试一下！ 。

维护平衡

当然还是需要用到旋转的操作.

别忘了那张图！！！ 。

但是在WBLT中旋转的实现又不一样了.

因为内节点并没有保存实际的信息，所以我们只需要 swap 三次， update 两次即可.

对了，我好像还没有讲过 update .

在WBLT中，有所变化:

                          
                            void update(int p) {
    if (lc[p]) { // 防止更新叶节点
        // sync(p) // if need
        siz[p] = siz[lc[p]] + siz[rc[p]];
        val[p] = val[rc[p]];
    }
}

为了减少代码，采用了一点奇技淫巧:

                        
                          #define ch(p, k) (k ? rc[p] : lc[p])
// k 0 left to here, k 1 right to her
// k是0则将左子节点旋转到此处，否则右节点旋转到此处。
// 但是这里没有旋转，只是交换节点而已，简化操作。
void rotate(int p, int k) {
    int q = ch(p, k); // sync(q); // sync if need
    if (!p || !q) return;
    swap(lc[q], rc[q]), swap(lc[p], rc[p]);
    swap(ch(q, k ^ 1), ch(p, k));
    fa[ch(p, k)] = p, fa[ch(q, k ^ 1)] = q;
    update(q), update(p);
}

那么我们考虑如何维护平衡:

其实一般来说， WBLT 常数本来就小，所以不需要那么严谨的旋转也可以很好的通过很多题.

                          
                            // 非严谨写法！！！
void fix(int p) {
    const int ratio = 2;
    if (siz[lc[p]] * ratio < siz[rc[p]]) rotate(p, 1); // 左子树太大
    if (siz[rc[p]] * ratio < siz[lc[p]]) rotate(p, 0); // 右子树太大
}

但是为了严谨，肯定不能就这么水过去， 万一有人卡WBLT的常呢？?

所以我们还是要稍微严谨一点.

这一部分感谢大佬的文章： 抛弃随机，保持理性——Leafy Tree 到 WBLT - 听风响，闻虫鸣。 - 洛谷博客 。

在WBLT中， 平衡是加权的 （并不是严格平衡的），一般来说，我们令平衡因子为 \(\alpha\) .

那么节点 x 平衡意味着 \(\alpha \cdot siz[x] \lt \min\{siz[lc_x], siz[rc_x]\}\) 。

不难发现， \(\alpha\) 应该 \(\le 0.5\) .

如果所有节点都满足加权平衡，则这棵树是加权平衡的，并且其高度满足   \(h \le \log_{\frac 1{1-\alpha}}n = O(\log n)\) 。而树高正保证了复杂度.

那么应该如何旋转？很明显，在非严谨写法中已经体现出了雏形了： 哪一棵子树大就把那一棵子树转上来 .

但是观察上图可以知道 b 所在的子树 相对位置是不会变的 ，也就是说如果 \(siz_a \lt \alpha \cdot (siz_a + siz_b + siz_c)\) ，并且 \(siz_c < \alpha \cdot (siz_a + siz_b + siz_c)\) ，旋转之后任然不满足加权平衡.

所以此时我们应该把 b 向上转一下，然后再进行类似的维护.

这里讲的相对感性，更严谨的证明请参考上面给出的文章 。

操作类似于:

相当于把 b 阉割成俩，然后分别和 a, c 在一起…… 。

所以我们可以得出如下代码:

                        
                          #define ch(p, k) (k ? rc[p] : lc[p])
void fix(int p, double ratio = 0.29) {
    int d;
    if (siz[lc[p]] < siz[p] * ratio) d = 1;
    else if (siz[rc[p]] < siz[p] * ratio) d = 0;
    else return;
    int q = ch(p, d);
    if (siz[ch(q, d)] < siz[p] * ratio) rotate(q, d ^ 1);
    rotate(p, d);
}

插入

还是以上图为例。不妨假设我们需要插入 3 ，那么自然我们到了原来 3 所在的节点。那么我们如何变成两个呢?

很明显，将当前节点作为父节点，左右节点分别为当前节点的值和新增的值.

记得保证左节点不大于右节点的值 。

然后回溯更新即可.

                        
                          void insert(int x) {
    if (!root) {
        root = newNode(x, 0);
        return;
    }

    int cur = root;
    while (true) {
        // sync(cur); // if needed
        if (!lc[cur]) { // new node down here!
            int y = val[cur];
            if (x > y) swap(x, y); // make sure x < y
            // 第二个参数是将其父节点设为cur！和Treap的newNode声明不一样了
            lc[cur] = newNode(x, cur), rc[cur] = newNode(y, cur);
            break;
        }
        cur = (x > val[lc[cur]]) ? rc[cur] : lc[cur];
    }

    while (cur) {
        update(cur), fix(cur);
        cur = fa[cur];
    }
}

删除

我们还是先找到要删除的值所对应的节点吧（任意一个）.

那么我们用其兄弟节点直接替代其父节点即可.

兄弟节点指的是其父节点的另一个子节点 。

听着很简答吧。在纸上画一下先！！ 。

参考代码:

                        
                          // 这一块的代码未经编译验证！！可能会有问题
void copyFrom(int p, int q) {
    lc[p] = lc[q], rc[p] = rc[q];
    fa[lc[p]] = fa[rc[p]] = p;
    val[p] = val[q], siz[p] = siz[q];
}

void remove(int p, int x) {
    if (!p) return;
    if (val[lc[p]] >= x) {
        if (siz(lc[p]) == 1 && val[lc[p]] == val) {
            // _del(rc[p]), _del(lc[p]); 标记回收节点，如果需要的话（记得别清空，copyFrom需要用！）
            copyFrom(p, lc[p]);
        } else {
            remove(lc[p], val), update(p), fix(p);
        } 
    } else {
        if (siz(rp) == 1 && val(rp) == val) {
            // _del(lp), _del(rp);
            copyFrom(p, rc[p]);
        } else {
            remove(rc[p], val), update(p), fix(p);
        }
    }
}

当然，你也可以写成非递归的形式，这里就不展示了.

其他操作

其实我觉得其他操作都很简单，不想多说，掌握了二叉搜索树的算法，应该自然就会了.

这里就直接展示部分基础操作的代码吧.

                        
                          // 统计所有 < x 的值的个数，也可以用于获取排名
int count(int x) {
    int cur(root), cnt(0);
    while (cur) {
        if (siz[cur] == 1) return cnt;
        else if (val[lc[cur]] >= val) cur = lc[cur];
        else cnt += siz[lc[cur]], cur = rc[cur];
    }
}

int kth(int k) {
    int cur(root);
    while (cur) {
        if (siz[cur] == 1) return k == 1 ? val[cur] : -1; // -1: not found!
        else if (siz[lc[cur]] >= k) cur = lc[cur];
        else k -= siz[lc[cur]], cur = lc[cur];
    }
}

int getpre(int val) {
    return kth(count(val));
}

int getpost(int val) {
    return kth(count(val + 1) + 1);
}

到这里，你应该学会了四种在OI中较为常用的平衡树了吧.

那么模板题肯定可以用四种方法过了吧:

  • 【模板】普通平衡树 - 洛谷 。

  • 【模板】普通平衡树（数据加强版） - 洛谷 。

  • 【模板】文艺平衡树 - 洛谷 。

哦，文艺平衡树啊，并不是一种平衡树，它可以通过FHQ-Treap或者Splay实现，拓展的WBLT也可以实现 （只是这里没有讲） .

附赠各种树速度比较（基于正常平衡树随机数据的操作）:

Splay < FHQ-Treap < Treap < WBLT < Better-Optimized FHQ-Treap 。

+ ?? 阳寿随机种子Treap 。

更加优化的Treap参考： treap怎样跑得更快 - zx2003 的博客 - 洛谷博客 。

最后此篇关于算法学习笔记(18):平衡树（一）的文章就讲到这里了,如果你想了解更多关于算法学习笔记(18):平衡树（一）的内容请搜索CFSDN的文章或继续浏览相关文章，希望大家以后支持我的博客！ 。

30 4 0
文章推荐： 9.3.2另一种计算机器2
文章推荐： AIR32F103(十)在无系统环境和FreeRTOS环境集成LVGL
文章推荐： CryptanalyzingandImprovingaNovelColorImageEncryptionAlgorithmUsingRT-EnhancedChaoticTentMaps
文章推荐： C#异步编程async/await
我是一只小鸟
个人简介

我是一名优秀的程序员,十分优秀！

滴滴打车优惠券免费领取
滴滴打车优惠券
Copyright 2021 - 2024 cfsdn All Rights Reserved 蜀ICP备2022000587号
广告合作:1813099741@qq.com 6ren.com