高级数据结构 - 线段树、权值线段树（Java & JS & Python）

偏执的太偏执、 2023-10-13 17:16 3阅读 0赞

### 引子 ###

现在给定一个数组 arr = \[4, 7, 5, 3, 8, 9, 0, 1, 2, 6\]，arr.length = n，无规律地多次进行如下操作：

*  查询arr指定区间 \[l, r\] 内最大值max
 *  查询arr指定区间 \[l, r\] 内元素之和sum
 *  arr指定索引 i 位置的元素新增C 或者 覆盖为C
 *  arr指定区间 \[l, r\] 内每个元素值新增C 或者 覆盖为C

其中：

*  查询（区间最大值、区间和）的时间复杂度为O(n)
 *  单值更新 的时间复杂度为O(1)
 *  区间更新 的时间复杂度为O(n)

> 如果需要多次求解arr的指定区间的和，则可以通过前缀和优化，具体可以看：
> 
> [算法设计 - 前缀和 & 差分数列\_伏城之外的博客-CSDN博客][- _ _ _-CSDN]
> 
> 但是上面需求中，arr数组是变化（单值更新，区间更新），因此arr数组的前缀和数组也是变化，每当arr发生更新时，则需要重新生成前缀和数组，这样的话就无法实现O(1)时间复杂度求区间和了。

如果说，执行m次的上面任意操作（每次操作都可以不一样），则最终时间复杂度为O(m \* n)

那么有没有更高效的算法呢？

### 线段树概念 ###

线段树是一种基于分治思想的二叉树，线段树的每个节点都对应arr数组的一个区间 \[l, r\]

*  线段树的叶子节点对应区间的 l == r
 *  线段树的非叶子节点对应区间 \[l, r\] 的话，假设 mid = (l + r) / 2

1.  左子节点对应区间 \[l, mid\]
2.  右子节点对应区间 \[mid + 1, r\]

线段树的节点还会记录其对应区间 \[l, r\] 中的结果值，比如区间最大值、区间和。

即，我们可以认为线段树节点含有三个基础信息：

*  区间左边界 l
 *  区间右边界 r
 *  区间结果值 val

比如数组 arr = \[4, 7, 5, 3, 8, 9, 0, 1, 2, 6\]，对应的 线段树 图示如下：

其中线段树中叶子节点的 l==r，假设 i == l == r，则线段树叶子节点的值即为arr\[i\]。

![d027615daee24566a68395850410e35b.png][]

如果我们需要求解区间最大值，则每个父节点的val相当于其两个子节点的val的较大者，因此可得线段树如下：

![2c0a9dacd8e44cdd974451fa3e4bc189.png][]

有了上面这个结构，我们就可以实现O(logN)的时间复杂度，找到任意区间的最大值。

比如，我们要找区间\[3, 8\]的最大值，则相当于从根节点开始分治，查找到\[3, 4\] 、\[5, 7\]、\[8, 8\] 三个区间结果值，从中取较大值作为\[3, 8\]区间的最大值。

![8789e8ea99114ad89e32cf1ae3983fa4.png][]

因此，基于线段树去查询区间信息是一种十分高效的策略。

### 线段树的底层容器 ###

线段树其实就是一颗二叉树，且除了最后一层**可能**不满，其余层**必然**都是满的。

而对于满二叉树，我们可以用数组存储，比如下面图示的满二叉树：

![f02e09b2a44349a2a5b363e460aa025d.png][]

> 满二叉树中，如果父节点序号为k（k>=1），则其左子节点序号为2\*k，右子节点序号为2\*k+1

![fb0746bec2364c26810206529647a15f.png][]

> 因此，如果将满二叉树结点序号 对应到 数组索引，则关系如上图所示。
> 
> 即数组中 索引k 记录 满二叉树中 节点序号k的 节点值。

因此，我们只要将线段树想象成满二叉树，即可存储进数组中，那么线段树需要申请多大长度的数组呢？

假设线段树描述的区间\[l, r\]长度为n，则说明线段树有n个叶子节点

![afaafcf9465b43c4b3407826f29d05cf.png][]

那倒数第二层至多n个节点，而线段树的第1层~倒数第2层是一颗满二叉树，而对于满二叉树有如下性质：

> 满二叉树的最后一层有x个节点的话，则前面所有层节点数之和必然为x-1个。
> 
> ![093e201d3df642768d52ffe1cfe9cec2.png][]
> 
> 证明也很容易，满二叉树的各层节点数：
> 
> 第1层，有2^0个节点
> 
> 第2层，有2^1个节点
> 
> 第3层，有2^2个节点
> 
> ....
> 
> 假设只有3层的话，则必然有：2^0 + 2^1 = 2^2 - 1

如果线段树的倒数第2层至多n个节点，则线段树第1层~倒数第3层至多n-1个节点，

即线段树第1层~倒数第二层至多2n-1个节点。

那么线段树最后一层如果补满的话，必然至多是2n个节点。

因此线段树至多一共4n个节点，即只要开辟4n长度的数组空间，必然可以存储进线段树所有节点。

### 线段树的构建 ###

线段树的底层容器是一个数组，我们假设为tree。

如果要被查询区间信息的原始数组arr的长度为n的话，则线段树的底层容器数组需要定义4n的长度。

tree数组元素 和 线段树节点的关系如下：

*  tree数组元素 → 线段树节点。
 *  tree数组元素的索引 → 线段树节点的序号

而线段树的节点包含三个基本信息：

*  区间左边界 l
 *  区间右边界 r
 *  区间结果值 val（比如区间和，区间最值）

因此，我们可以定义一个Node类，来记录节点的信息。因此，tree数组也就是Node类型数组。

我们可以通过图示来看下tree数组的样子

![f31aef8d39b74ff7992ca0ddbb23a129.png][]

构建线段树，即构建出上图中tree数组。

tree数组的索引k，也就是线段树节点的序号k。

> tree\[k\] = Node \{l, r, max\}

上面伪代码的含义是：线段树节点k，对应于arr数组\[l, r\]区间，且记录了该区间内最大值max

我们可以通过分治递归的方式完成线段树的构建。

比如我们已经知道了 k=1的线段树节点，维护的arr区间是\[0, 9\]，目前需要求解该区间的最大值？

由于线段是一个基于分治思想的二叉树，因此可以将\[0, 9\]区间二分，变成\[0, 4\]，和 \[5, 9\]

即，将\[0, 9\]区间最大值的问题，变为了\[0, 4\]区间最大值和\[5, 9\]区间最大值的两个规模更小的子问题。

而\[0, 4\]区间刚好是k=2节点维护的区间，\[5, 9\]是k=3节点维护的区间。

之后，继续按照此逻辑，递归求解\[0, 4\]和\[5, 9\]区间最值。

直到，被二分后的区间的 l == r，即到达了叶子节点时，此时区间\[l, r\]的最大值，就是arr\[l\]或arr\[r\]，然后可以开始回溯。

回溯过程中，父节点的区间最大值 等于 其两个节点区间最大值的较大者。

具体代码实现如下（含测试代码）：

#### JS代码实现 ####

// 线段树节点定义
    class Node {
      constructor(l, r) {
        this.l = l; // 区间左边界
        this.r = r; // 区间右边界
        this.max = undefined; // 区间内最大值
      }
    }
    
    // 线段树定义
    class SegmentTree {
      constructor(arr) {
        // arr是要执行查询区间最大值的原始数组
        this.arr = arr;
        // 线段树底层数据结构，其实就是一个数组，我们定义其为tree，如果arr数组长度为n，则tree数组需要4n的长度
        this.tree = new Array(arr.length * 4);
        // 从根节点开始构建，线段树根节点序号k=1，对应的区间范围是[0, arr.length-1]
        this.build(1, 0, arr.length - 1);
      }
    
      /**
       * 线段树构建
       * @param {*} k 线段树节点序号
       * @param {*} l 节点对应的区间范围左边界
       * @param {*} r 节点对应的区间范围右边界
       */
      build(k, l, r) {
        // 初始化线段树节点, 即建立节点序号k和区间范围[l, r]的联系
        this.tree[k] = new Node(l, r);
    
        // 如果l==r, 则说明k节点是线段树的叶子节点
        if (l == r) {
          // 而线段树叶子节点的结果值就是arr[l]或arr[r]本身
          this.tree[k].max = arr[r];
          // 回溯
          return;
        }
    
        // 如果l!=r, 则说明k节点不是线段树叶子节点，因此其必有左右子节点，左右子节点的分界位置是mid
        const mid = (l + r) >> 1; // 等价于Math.floor((l + r) / 2)
    
        // 递归构建k节点的左子节点，序号为2 * k，对应区间范围是[l, mid]
        this.build(2 * k, l, mid);
        // 递归构建k节点的右子节点，序号为2 * k + 1，对应区间范围是[mid+1, r]
        this.build(2 * k + 1, mid + 1, r);
    
        // k节点的结果值，取其左右子节点结果值的较大值
        this.tree[k].max = Math.max(this.tree[2 * k].max, this.tree[2 * k + 1].max);
      }
    }
    
    // 测试
    const arr = [4, 7, 5, 3, 8, 9, 0, 1, 2, 6];
    
    const tree = new SegmentTree(arr).tree;
    
    console.log("k\t| tree[k]");
    for (let k = 0; k < tree.length; k++) {
      if (tree[k]) {
        console.log(
          `${k}\t| Node{ l: ${tree[k].l}, r: ${tree[k].r}, max: ${tree[k].max}}`
        );
      } else {
        console.log(`${k}\t| null`);
      }
    }

#### Java代码实现 ####

// 线段树定义
    public class SegmentTree {
      // 线段树节点定义
      static class Node {
        int l; // 区间左边界
        int r; // 区间右边界
        int max; // 区间内最大值
    
        public Node(int l, int r) {
          this.l = l;
          this.r = r;
        }
      }
    
      int[] arr;
    
      Node[] tree;
    
      public SegmentTree(int[] arr) {
        // arr是要执行查询区间最大值的原始数组
        this.arr = arr;
        // 线段树底层数据结构，其实就是一个数组，我们定义其为tree，如果arr数组长度为n，则tree数组需要4n的长度
        this.tree = new Node[arr.length * 4];
        // 从根节点开始构建，线段树根节点序号k=1，对应的区间范围是[0, arr.length-1]
        this.build(1, 0, arr.length - 1);
      }
    
      /**
       * 线段树构建
       *
       * @param k 线段树节点序号
       * @param l 节点对应的区间范围左边界
       * @param r 节点对应的区间范围右边界
       */
      private void build(int k, int l, int r) {
        // 初始化线段树节点, 即建立节点序号k和区间范围[l, r]的联系
        this.tree[k] = new Node(l, r);
    
        // 如果l==r, 则说明k节点是线段树的叶子节点
        if (l == r) {
          // 而线段树叶子节点的结果值就是arr[l]或arr[r]本身
          this.tree[k].max = this.arr[r];
          // 回溯
          return;
        }
    
        // 如果l!=r, 则说明k节点不是线段树叶子节点，因此其必有左右子节点，左右子节点的分界位置是mid
        int mid = (l + r) >> 1;
    
        // 递归构建k节点的左子节点，序号为2 * k，对应区间范围是[l, mid]
        this.build(2 * k, l, mid);
        // 递归构建k节点的右子节点，序号为2 * k + 1，对应区间范围是[mid+1, r]
        this.build(2 * k + 1, mid + 1, r);
    
        // k节点的结果值，取其左右子节点结果值的较大值
        this.tree[k].max = Math.max(this.tree[2 * k].max, this.tree[2 * k + 1].max);
      }
    
      // 测试
      public static void main(String[] args) {
        int[] arr = {4, 7, 5, 3, 8, 9, 0, 1, 2, 6};
    
        Node[] tree = new SegmentTree(arr).tree;
    
        System.out.println("k\t| tree[k]");
        for (int k = 0; k < tree.length; k++) {
          if (tree[k] == null) {
            System.out.println(k + "\t| null");
          } else {
            System.out.println(
                k + "\t| Node{ l: " + tree[k].l + ", r: " + tree[k].r + ", max: " + tree[k].max + "}");
          }
        }
      }
    }

#### Python代码实现 ####

# 线段树节点定义
    class Node:
        def __init__(self):
            self.l = None
            self.r = None
            self.mx = None
    
    
    # 线段树定义
    class SegmentTree:
        def __init__(self, lst):
            # lst是要执行查询区间最大值的原始数组
            self.lst = lst
            # 线段树底层数据结构，其实就是一个数组，我们定义其为tree，如果lst数组长度为n，则tree数组需要4n的长度
            self.tree = [Node() for _ in range(len(lst) * 4)]
            # 从根节点开始构建，线段树根节点序号k=1，对应的区间范围是[0, len(lst) - 1]
            self.build(1, 0, len(lst) - 1)
    
        def build(self, k, l, r):
            """
            线段树构建
            :param k: 线段树节点序号
            :param l: 节点对应的区间范围左边界
            :param r: 节点对应的区间范围右边界
            """
    
            # 初始化线段树节点, 即建立节点序号k和区间范围[l, r]的联系
            self.tree[k].l = l
            self.tree[k].r = r
    
            # 如果l==r, 则说明k节点是线段树的叶子节点
            if l == r:
                # 而线段树叶子节点的结果值就是lst[l]或lst[r]本身
                self.tree[k].mx = self.lst[r]
                # 回溯
                return
    
            # 如果l!=r, 则说明k节点不是线段树叶子节点，因此其必有左右子节点，左右子节点的分界位置是mid
            mid = (l + r) >> 1
    
            # 递归构建k节点的左子节点，序号为2 * k，对应区间范围是[l, mid]
            self.build(2 * k, l, mid)
            # 递归构建k节点的右子节点，序号为2 * k + 1，对应区间范围是[mid+1, r]
            self.build(2 * k + 1, mid + 1, r)
    
            # k节点的结果值，取其左右子节点结果值的较大值
            self.tree[k].mx = max(self.tree[2 * k].mx, self.tree[2 * k + 1].mx)
    
    
    # 测试代码
    lst = [4, 7, 5, 3, 8, 9, 0, 1, 2, 6]
    print("k\t| tree[k]")
    for k, node in enumerate(SegmentTree(lst).tree):
        if node.mx:
            print(f"{k}\t| Node[ l: {node.l}, r: {node.r}, mx: {node.mx} ]")
        else:
            print(f"{k}\t| null")

### 查询任意区间结果值 ###

[- _ _ _-CSDN]: https://fcqian.blog.csdn.net/article/details/128976936
[d027615daee24566a68395850410e35b.png]: https://img-blog.csdnimg.cn/d027615daee24566a68395850410e35b.png
[2c0a9dacd8e44cdd974451fa3e4bc189.png]: https://img-blog.csdnimg.cn/2c0a9dacd8e44cdd974451fa3e4bc189.png
[8789e8ea99114ad89e32cf1ae3983fa4.png]: https://img-blog.csdnimg.cn/8789e8ea99114ad89e32cf1ae3983fa4.png
[f02e09b2a44349a2a5b363e460aa025d.png]: https://img-blog.csdnimg.cn/f02e09b2a44349a2a5b363e460aa025d.png
[fb0746bec2364c26810206529647a15f.png]: https://img-blog.csdnimg.cn/fb0746bec2364c26810206529647a15f.png
[afaafcf9465b43c4b3407826f29d05cf.png]: https://img-blog.csdnimg.cn/afaafcf9465b43c4b3407826f29d05cf.png
[093e201d3df642768d52ffe1cfe9cec2.png]: https://img-blog.csdnimg.cn/093e201d3df642768d52ffe1cfe9cec2.png
[f31aef8d39b74ff7992ca0ddbb23a129.png]: https://img-blog.csdnimg.cn/f31aef8d39b74ff7992ca0ddbb23a129.png