【Learning】一步步地解释Link-cut Tree
简介
Link-cut Tree,简称LCT。
干什么的?它是树链剖分的升级版,可以看做是动态的树剖。
树剖专攻静态树问题;LCT专攻动态树问题,因为此时的树剖面对动态树问题已经无能为力了(动态树问题通常夹杂着树的操作,如删边与连边。这是线段树无法应对的)。
LCT难写吗?不难写啊...
预备知识:Splay(没有接触也没有关系,打一打LCT也差不多懂了)、树链剖分。
1. LCT概念
树链剖分把树分成若干条重链,对于每条重链,用线段树来维护信息。利用各线段树的信息来得到答案。
模仿一下:
- LCT把树分成若干条重链:
这是假的重链!树剖是挑选重儿子来延续重链;而LCT的重链是随缘的......
我们先不管这里的重链是怎么确定的,因为在LCT中,重链是可以随时更改的!
- $access(u)$,这是我们的更改操作。作用是将$u$到原树根节点的一路都变成重链,同时,经过节点将会与原本属于的重链断开,如图,这是我们要维护的原树:

- 对于每条重链,我们用一棵Splay来维护信息,利用各Splay的信息来得到答案。
2. 存储方式
LCT是怎么存储的?其中涉及到的$access$操作可能会对Splay进行删点或加点......
我们的每条重链的Splay,都是连在一起的,但又是相互独立的!看图:


橙色边为每棵Splay,灰色边表示的是Splay之间的连接边。
每棵Splay储存照常,Splay的中序遍历即重链节点从浅到深的排列。每棵Splay内节点的关系可能和原树不同,但是与其他Splay连边的节点没有改变。
由此,每棵Splay可以维护一条链上的信息。
但只有每棵Splay的根节点能连向其他Splay的某个节点(灰色边)。Splay根节点$root$记录它的父亲是谁(有的Splay根节点$root$没有父亲),而它的父亲并不记录自己有这个儿子$root$。
发现,每一个节点,都能够通过一直走父亲(不管是亲生还是认领的),走到某一个点,这个点就是上节提到的原树根节点,不同于Splay的根节点。
3. 基础函数(以下基本都是经典函数)
我们需要一个函数来判断当前节点$u$是否为所属Splay的根节点:
bool isroot(int u){
return ch[fa[u]][]!=u&&ch[fa[u]][]!=u;
}
即父亲的左右儿子都不是自己,说明此节点是Splay的根节点,它的父亲并不记录自己。
需要一个函数判断当前节点$u$是父亲节点的左儿子还是右儿子:
int who(int u){
return ch[fa[u]][]==u;
}
如果是左儿子,返回0;否则返回1。
更新Splay信息函数,作用是收集左右儿子的信息。这里以最大值举例:
void update(int u){
if(!u) return;
info[u]=max(w[u],max(info[ch[u][]],info[ch[u][]]));
}
经典的Splay翻转打标记函数reverse、单次下传函数pushdownOnce、一路下传函数pushdown、旋转函数rotate和伸展函数splay,没有什么特殊的地方:
void reverse(int u){
rev[u]^=;
swap(ch[u][],ch[u][]);
}
//为u打上翻转标记
void pushdownOnce(int u){
if(rev[u]){
if(ch[u][]) reverse(ch[u][]);
if(ch[u][]) reverse(ch[u][]);
rev[u]=;
}
}
//单次下传
void pushdown(int u){
if(!isroot(u)) pushdown(fa[u]);
pushdownOnce(u);
}
//从当前Splay的根节点一路下传到u,把一路的翻转都处理掉
void rotate(int u){
int f=fa[u],g=fa[f],c=who(u);
if(!isroot(f))
ch[g][who(f)]=u;
fa[u]=g;
ch[f][c]=ch[u][c^]; fa[ch[f][c]]=f;
ch[u][c^]=f; fa[f]=u;
update(f); update(u);
}
//将当前节点u旋转到父亲节点
void splay(int u){
pushdown(u);
while(!isroot(u)){
if(!isroot(fa[u]))
rotate(who(fa[u])==who(u)?fa[u]:u);
rotate(u);
}
}
//将u旋转到当前Splay的根节点
4. 关键函数:
$access(u)$,更改函数,把$u$到LCT根节点一路变成一条重链,同时断开一路上原来的重儿子:
void access(int u){
for(int v=;u;v=u,u=fa[u]){
splay(u);
ch[u][]=v;
update(u);
}
}
什么意思呢?外层for循环负责迭代从$u$一直到Splay根节点的路径,同时用$v$记录是从哪里来到$u$的。
每到达一个点$u$,我们将$u$提到树根,这时$u$的右儿子就是在原本重链上$u$的重儿子。我们把它替换成过来的节点,并更新信息即可。
$makeRoot(u)$,换根操作,使$u$成为树的根节点:
void makeRoot(int u){
access(u);
splay(u);
reverse(u);
}
换根换根,实际上影响到的是哪些因素呢?
仅仅是$u$到根节点一路上的Splay发生了父子反向,对于其它的Splay并没有影响。
于是这样调用:
- 我们把$u$到根节点一路变为重链,即把它们放到一棵Splay中;
- 将$u$旋转到Splay的根节点;
- 为$u$打上翻转标记。
这样就为$u$到根节点的信息完成了父子反向操作。
$link(a,b)$,连接操作,更改树形,连接a和b两个节点,即连接a和b所在的两棵LCT(前提是a和b不在同一棵LCT中):
void link(int a,int b){
makeRoot(a);
fa[a]=b;
}
我们将$a$变为$a$的LCT的根,然后将$a$的父亲设为$b$。这样就将$a$的整棵LCT连接到了$b$所在的LCT,并且$a$和$b$在定义上会相邻。
$cut(a,b)$,切割操作,更改树形,分离a和b两个节点,即分割出两棵独立的LCT(前提是a和b在同一棵LCT中且a和b相邻):
void cut(int a,int b){
makeRoot(a);
access(b);
splay(b);
fa[a]=;
ch[b][]=;
update(b);
}
我们将$a$变成树根,然后将$b$到树根(也就是$a$)一路变为重链,再将$b$旋转到所在Splay的根。
由于$a$和$b$同在一棵Splay中且$a$一定是$b$的父亲,所以Splay中$b$的左儿子一定是$a$,断开即可,记得更新,因为有了父子关系变化。
$isConnect(a,b)$,实现判断a和b是否在同一棵LCT中:
bool isConnect(int a,int b){
if(a==b) return true;
makeRoot(a);
access(b);
splay(b);
return fa[a];
}
我们将$a$变成树根,然后将$b$到树根(也就是$a$)一路变为重链,再将$b$旋转到所在Splay的根。
如果$a$和$b$不在同一棵LCT中,执行$makeRoot(a)$后,$a$的父亲应该为空($makeRoot$最后有一个$splay(u)$的操作将$u$旋转到树根)。
除非什么情况呢?除非a和b在同一棵LCT中,在$access(b)$并$splay(b)$后,$a$与$b$应该在同一棵Splay中,既然$b$为Splay根,那么$a$肯定不为Splay根,$a$一定有一个父亲存在。
至此,LCT的最常用函数已经介绍完毕,下面我们来总结一下最根本的核心思想:
可以发现$access(u)$和$splay(u)$总是配套出现,有时在前面配上$makeRoot$。这一套COMBO可以将$u$转到Splay树根,然后进行如同Splay一样的便捷操作。
比如想求$a$到$b$的点权之和,我们可以$makeRoot(a) + access(b) + splay(b)$,此时$a$和$b$一定在同一条重链、同一棵Splay中,然后我们统计Splay中$b$和$b$的左子树的点权之和就可以了。
总结
理解LCT以后就会觉得这玩意挺有意思的。一些处理信息、调用函数的思想,值得我们更多地推敲。
【Learning】一步步地解释Link-cut Tree的更多相关文章
- LCT总结——概念篇+洛谷P3690[模板]Link Cut Tree(动态树)(LCT,Splay)
为了优化体验(其实是强迫症),蒟蒻把总结拆成了两篇,方便不同学习阶段的Dalao们切换. LCT总结--应用篇戳这里 概念.性质简述 首先介绍一下链剖分的概念(感谢laofu的讲课) 链剖分,是指一类 ...
- Link Cut Tree 总结
Link-Cut-Tree Tags:数据结构 ##更好阅读体验:https://www.zybuluo.com/xzyxzy/note/1027479 一.概述 \(LCT\),动态树的一种,又可以 ...
- link cut tree 入门
鉴于最近写bzoj还有51nod都出现写不动的现象,决定学习一波厉害的算法/数据结构. link cut tree:研究popoqqq那个神ppt. bzoj1036:维护access操作就可以了. ...
- Codeforces Round #339 (Div. 2) A. Link/Cut Tree 水题
A. Link/Cut Tree 题目连接: http://www.codeforces.com/contest/614/problem/A Description Programmer Rostis ...
- Link/cut Tree
Link/cut Tree 一棵link/cut tree是一种用以表示一个森林,一个有根树集合的数据结构.它提供以下操作: 向森林中加入一棵只有一个点的树. 将一个点及其子树从其所在的树上断开. 将 ...
- 洛谷P3690 Link Cut Tree (模板)
Link Cut Tree 刚开始写了个指针版..调了一天然后放弃了.. 最后还是学了黄学长的板子!! #include <bits/stdc++.h> #define INF 0x3f3 ...
- bzoj2049 [Sdoi2008]Cave 洞穴勘测 link cut tree入门
link cut tree入门题 首先说明本人只会写自底向上的数组版(都说了不写指针.不写自顶向下QAQ……) 突然发现link cut tree不难写... 说一下各个函数作用: bool isro ...
- P3690 【模板】Link Cut Tree (动态树)
P3690 [模板]Link Cut Tree (动态树) 认父不认子的lct 注意:不 要 把 $fa[x]$和$nrt(x)$ 混 在 一 起 ! #include<cstdio> v ...
- Link Cut Tree学习笔记
从这里开始 动态树问题和Link Cut Tree 一些定义 access操作 换根操作 link和cut操作 时间复杂度证明 Link Cut Tree维护链上信息 Link Cut Tree维护子 ...
- [CodeForces - 614A] A - Link/Cut Tree
A - Link/Cut Tree Programmer Rostislav got seriously interested in the Link/Cut Tree data structure, ...
随机推荐
- Maven学习(三)-----Maven本地资源库
Maven本地资源库 Maven的本地资源库是用来存储所有项目的依赖关系(插件jar和其他文件,这些文件被Maven下载)到本地文件夹.很简单,当你建立一个Maven项目,所有相关文件将被存储在你的M ...
- python-python爬取妹子图片
# -*- conding=utf-8 -*- import requests from bs4 import BeautifulSoup import io url = "https:// ...
- 《算法图解》——第十章 K最近邻算法
第十章 K最近邻算法 1 K最近邻(k-nearest neighbours,KNN)——水果分类 2 创建推荐系统 利用相似的用户相距较近,但如何确定两位用户的相似程度呢? ①特征抽取 对水果 ...
- 完美的【去重留一】SQL
DELETE consum_record FROM consum_record, ( SELECT min(id) id, user_id, monetary, consume_time FROM c ...
- Python3实现机器学习经典算法(一)KNN
一.KNN概述 K-(最)近邻算法KNN(k-Nearest Neighbor)是数据挖掘分类技术中最简单的方法之一.它具有精度高.对异常值不敏感的优点,适合用来处理离散的数值型数据,但是它具有 非常 ...
- c# HttpListener拒绝访问
直接记录解决步骤: 程序代码: HttpListener httpListener = new HttpListener(); httpListener.Prefixes.Add("http ...
- 【线段树求区间第一个不大于val的值】Lpl and Energy-saving Lamps
https://nanti.jisuanke.com/t/30996 线段树维护区间最小值,查询的时候优先向左走,如果左边已经找到了,就不用再往右了. 一个房间装满则把权值标记为INF,模拟一遍,注意 ...
- web.config详解(转载)
该文为转载 原文地址:http://www.cnblogs.com/gaoweipeng/archive/2009/05/17/1458762.html 花了点时间整理了一下ASP.NET Web.c ...
- 如何打开tensorboard观测训练过程
TensorBoard是TensorFlow下的一个可视化的工具,能够帮助研究者们可视化训练大规模神经网络过程中出现的复杂且不好理解的运算,展示训练过程中绘制的图像.网络结构等. 最近本人在学习这方面 ...
- package分析
由于大家对package的使用存在太多困惑,我在这里将自己对于package的使用的领悟进行一点总结: package中所存放的文件 所有文件,不过一般分一下就分这三种 1,java程序源文件,扩展名 ...