vanEmdeBoas树学习笔记
Ynoi
2020-07-19 12:42:28
给你这样一个问题
有一个集合$S$,初始为空。然后有$q$次操作
操作有如下几种:
插入一个数,删除一个数,询问最大/最小值,询问一个数$x$的前驱/后继。
如果看到这个问题,你一定会想到平衡树,时间复杂度$O(qlogn)$。
但是,如果说,每个数在一个值域范围$[0,u)$中,是否会有更好的做法呢?
~~van♂树~~van Emde Boas 树就是这样一个数据结构,可以在$O(u)$预处理,$O(loglogu)$的时间复杂度处理每个操作。
这个在$u$不是很大而$q$比较大的时候比较有用。
首先,如果在一个值域$[0,u)$内处理这个问题,除了平衡树,你还会有什么方法?
一种方法是权值线段树,单次操作$logu$,这里不详细讲。
还有一种是分块,首先我们把序列分成$\sqrt u$块,定义$a_i$(值为$0$或$1$),表示集合中是否有数$i$,定义$summary_i$表示第$i$个块内的值是否存在,就是把$a_{i\sqrt u...(i+1)\sqrt u}$或起来。
大致如下
![](https://cdn.luogu.com.cn/upload/image_hosting/kgaayhls.png)
图:{$2,3,4,5,7,14,15$}构建的
插入/删除 比较简单,只用修改一下$a_i$和$summary$即可
然后查询操作大概就是这样,以查前驱为例,首先在它所在的块查询,如果块内前面有$a_i=1$那么直接找;如果它所在的块前面都是$0$, 那么就上 $summary$查询,在$summary$上查找它所在块前面的第一个$1$所在块。
然后在这个块里找,找到块内最后面的一个$a_i=1$的位置,然后这个$i$就是它的前驱了。
其他的查询操作也类似。
时间复杂度单次操作$O(\sqrt u)$,似乎更慢了。
不过我们考虑一下,块内找,以及在$summary$上的查询,都是和原问题一样,只是规模变成了$\sqrt u$,变得更小的。
那么我们是否可以用一样的方法继续处理下去呢,就是对分块继续分块?
这就是vEB树的思想!
就像这样
![](https://cdn.luogu.com.cn/upload/image_hosting/zc5p7x0t.png)
好,现在对于vEB树,我们现在就有下面一个结构:
定义$vEB(u)$表示一个大小为$u$的vEB树
基础结构是$vEB(2)$,只存max和min
如果大小大于$2$,那么将会是如下结构
![](https://cdn.luogu.com.cn/upload/image_hosting/05edceri.png)
max,min存储vEB树中最大和最小的数,如果没有用$/$表示
一般情况下为了方便,我们设置$u = 2^k$,然后分块分为$2^{\lceil k/2 \rceil }$个块,每个块大小$2^{\lfloor k/2 \rfloor }$
然后是很重要的一点,就是$min$这个数在cluster中并不存储,这个性质很重要,将会是时间复杂度的保障。
大概就是这样
$u = 16$,$S=${$2,3,4,5,7,14,15$}的vEB树
![](https://cdn.luogu.com.cn/upload/image_hosting/72oqxovk.png)
(图源自算法导论)
建树的时空复杂度$T(u) = (\sqrt u+1)T(\sqrt u) = O(n)$
好,现在我们开始操作。
# 一.求min/max
直接返回root的max/min即可
# 二.插入
比如说,我们现在要插入这么一个位置
![](https://cdn.luogu.com.cn/upload/image_hosting/7fm9c9pr.png)
那么现在有这么几种情况
## 1.插入所在块没有数
(此时max/min都不存在)
那么我们直接把max和min赋值成这个数即可
然后由于summary会被修改,所以我们就递归到summary继续修改即可
由于min并不存在于cluster中,所以我们就没必要在cluster递归下去
## 2.插入所在块有数
现在有这么两种情况
如果说,这个数$x$,小于min的话,我们把min改成$x$,然后由于min并不存在于cluster中,相当于我们还要把原来的min插入这个块中,递归下去即可
如果$x>min$ ,那么相当于往块内插入一个$x$,同样的往cluster递归下去即可。
如果说$x > max$顺便更新一下$max$即可
然后我们分析一下时间复杂度,每次递归下去的话,规模就会变成原来的根号。
那么我们假设$u = 2^{2^k}$,那么递归下去一层规模就会变成$\sqrt{2^{2^k}}=2^{2^{k-1}}$,所以我们会递归k层,每次操作时间复杂度即为$O(k) = O(loglogu)$
那么,这里我们也可以回答,为什么min往下存会错了。
假如一个空的位置,那么同一个点的$summary$和$cluster$都要修改。
单次查询复杂度 相当于是$T(u) = 2T(\sqrt u)+1$了,这个相当于$T(2^k) = 2T(2^{\frac{k}{2}})+1 = O(k)$,于是$T(u)=O(logu)$了,显然这个复杂度比$O(loglogu)$劣。
# 三、删除
这应该是vEB树里最复杂的一个了
假设我们删除如下位置的数
![](https://cdn.luogu.com.cn/upload/image_hosting/7fm9c9pr.png)
假如这个块只有一个数的话(max = min),那么直接把max和min设为不存在即可。然后由于summary修改了,所以我们只往summary递归下去就可以了。
假如这个块有多个数,下面分这么几种情况:
第一种,删的既不是max也不是min
没什么好说的,递归下去。
第二种,删的是$min$
现在相当于是把子块中的最小删掉了(因为min不在cluster中),并查询删完之后的最小值。
就像这样
![](https://cdn.luogu.com.cn/upload/image_hosting/175hbtyr.png)
但是子块的最小值我们不能直接知道。
不过我们可以先用A块的$summary$的$min$,找到第一个有$1$的子块(设它为B),然后B.min就是要删的了
然后我们可以往$B$递归下去了
同时我们必须更新A块的$min$
一样,我们再用A块的$summary$上的$min$(显然递归下去的时候$summary$也会被维护好的),找到那个块$C$之后答案就是$C.min$了
第三中,删$max$
和删$min$类似处理方式(不过这里子块的$max$不用重新找了)
复杂度分析
和插入一样$T(u) = T(\sqrt u)+1 = O(loglogu)$
# 四、前驱/后继
以求后继为例
![](https://cdn.luogu.com.cn/upload/image_hosting/ne43mro8.png)
现在我们求红箭头所指的位置的后继
现在有两种情况
1.后继在块内(用$x <= max$判定)
那么递归下去即可
查询前驱的话也类似,不过有个特点就是如果递归下去发现查不到前驱,那么它的前驱就是$B.min$(那个性质)
2.后继不在块内
这个相当于先求出B后面的第一个块,使得这个块内有数,那么答案就是这个块的$min$了。
那么怎么找到这个块?
就是在$A$的$summary$里找后继!
那么递归下去即可
找前驱在这里就完全对称了。
复杂度分析:
一样,每递归一层规模变为原来的根号
$T(u) = T(\sqrt u)+1 = O(loglogu)$