KD-tree(2维)
用于动态插入以及求某点的最近点的距离(BZOJ2648,BZOJ2716)
#include <cstdio>
#include <cmath>
#include <algorithm>
using namespace std; int cnt,ans,n,m; struct data{
int x,y;
}point[]; struct kd_node{
int x,y,lc,rc,minx,miny,maxx,maxy;
}tr[]; int dis(int x1,int y1,int x2,int y2){
return(fabs(x1-x2)+fabs(y1-y2));
} int mycomp1(const data&a,const data&b){
return(a.y<b.y);
} int mycomp2(const data&a,const data&b){
return(a.x<b.x);
} void kd_update(int po){
if (tr[po].lc){
tr[po].minx=min(tr[po].minx,tr[tr[po].lc].minx);
tr[po].miny=min(tr[po].miny,tr[tr[po].lc].miny);
tr[po].maxx=max(tr[po].maxx,tr[tr[po].lc].maxx);
tr[po].maxy=max(tr[po].maxy,tr[tr[po].lc].maxy);
};
if (tr[po].rc){
tr[po].minx=min(tr[po].minx,tr[tr[po].rc].minx);
tr[po].miny=min(tr[po].miny,tr[tr[po].rc].miny);
tr[po].maxx=max(tr[po].maxx,tr[tr[po].rc].maxx);
tr[po].maxy=max(tr[po].maxy,tr[tr[po].rc].maxy);
}
}//维护包含子树中所有点的最小的矩形,左下角(minx,miny),右上角(maxx,maxy) void kd_build(int l,int r,int wd){
if (wd) sort(point+l,point+r+,mycomp1);else sort(point+l,point+r+,mycomp2);//实际应选取方差最大的一维
cnt++;
int mid=(l+r)>>,t=cnt;//mid实际应为与平均值最接近的
tr[cnt].x=point[mid].x;tr[cnt].y=point[mid].y;
tr[cnt].minx=point[mid].x;tr[cnt].maxx=point[mid].x;
tr[cnt].miny=point[mid].y;tr[cnt].maxy=point[mid].y;
if (l<mid){
tr[t].lc=cnt+;kd_build(l,mid-,!wd);
};
if (mid<r){
tr[t].rc=cnt+;kd_build(mid+,r,!wd);
}
kd_update(t);
}//构建n点的KD树,每次以一维为标准划分点 void kd_ins(int po,int x,int y,int d){
int son=;
if (d==) son=(x<=tr[po].x);else son=(y<=tr[po].y);
if (son==){
if (tr[po].lc==){
tr[po].lc=++cnt;
tr[cnt].x=x;tr[cnt].y=y;
tr[cnt].minx=x;tr[cnt].maxx=x;
tr[cnt].miny=y;tr[cnt].maxy=y;
}else kd_ins(tr[po].lc,x,y,!d);
}else{
if (tr[po].rc==){
tr[po].rc=++cnt;
tr[cnt].x=x;tr[cnt].y=y;
tr[cnt].minx=x;tr[cnt].maxx=x;
tr[cnt].miny=y;tr[cnt].maxy=y;
}else kd_ins(tr[po].rc,x,y,!d);
}
kd_update(po);
} int dist(int x,int y,int po){
int ret=;
ret+=max(,tr[po].minx-x);
ret+=max(,x-tr[po].maxx);
ret+=max(,tr[po].miny-y);
ret+=max(,y-tr[po].maxy);
return(ret);
}//(x,y)到po子树维护的矩形的最近距离。假设该矩形中铺满点,所以返回值小于等于实际值 void kd_query(int po,int x,int y){
ans=min(ans,dis(x,y,tr[po].x,tr[po].y));
int dl=(tr[po].lc== ? 1e9:dist(x,y,tr[po].lc));
int dr=(tr[po].rc== ? 1e9:dist(x,y,tr[po].rc));
if (dl<dr){
if (dl<ans) kd_query(tr[po].lc,x,y);
if (dr<ans) kd_query(tr[po].rc,x,y);
}else{
if (dr<ans) kd_query(tr[po].rc,x,y);
if (dl<ans) kd_query(tr[po].lc,x,y);
}
}//以dist为估价函数搜寻 int main(){
scanf("%d%d",&n,&m);
for (int i=;i<=n;i++) scanf("%d%d",&point[i].x,&point[i].y);
kd_build(,n,); for (int i=;i<=m;i++){
int opt,x,y;
scanf("%d%d%d",&opt,&x,&y); if (opt==){
kd_ins(,x,y,);
}else{
ans=1e9;
kd_query(,x,y);
printf("%d\n",ans);
}
}
}
____________________________________________
BZOJ4066
单点修改,矩形求和
#include <cstdio>
#include <algorithm>
#include <iostream>
using namespace std; int cnt,tcnt,n; struct data{
int x,y,v;
}a[]; struct treenode{
int lc,rc,x,y,minx,miny,maxx,maxy,num,v;
}tr[]; void update(int po){
tr[po].num=tr[tr[po].lc].num+tr[tr[po].rc].num+tr[po].v;
tr[po].minx=min(min(tr[tr[po].lc].minx,tr[tr[po].rc].minx),tr[po].x);
tr[po].miny=min(min(tr[tr[po].lc].miny,tr[tr[po].rc].miny),tr[po].y);
tr[po].maxx=max(max(tr[tr[po].lc].maxx,tr[tr[po].rc].maxx),tr[po].x);
tr[po].maxy=max(max(tr[tr[po].lc].maxy,tr[tr[po].rc].maxy),tr[po].y);
} void insert(int po,int x,int y,int num,int wd){
if (tr[po].x==x&&tr[po].y==y){
tr[po].num+=num;tr[po].v+=num;return;
} int sel;
if (!wd) sel=(tr[po].x<x);else sel=(tr[po].y<y);
if (!sel){
if (!tr[po].lc){
cnt++;
tr[cnt].x=tr[cnt].minx=tr[cnt].maxx=x;
tr[cnt].y=tr[cnt].miny=tr[cnt].maxy=y;
tr[cnt].v=tr[cnt].num=num;
tr[po].lc=cnt;
update(po);
}else insert(tr[po].lc,x,y,num,!wd);
}else{
if (!tr[po].rc){
cnt++;
tr[cnt].x=tr[cnt].minx=tr[cnt].maxx=x;
tr[cnt].y=tr[cnt].miny=tr[cnt].maxy=y;
tr[cnt].v=tr[cnt].num=num;
tr[po].rc=cnt;
update(po);
}else insert(tr[po].rc,x,y,num,!wd);
}
update(po);
} int mycomp1(const data&a,const data&b){
return(a.x<b.x);
} int mycomp2(const data&a,const data&b){
return(a.y<b.y);
} void build(int l,int r,int wd){
if (wd==) sort(a+l,a+r+,mycomp1);else sort(a+l,a+r+,mycomp2);
int mid=(l+r)>>;
int tmp=++tcnt;
tr[tcnt].lc=tr[tcnt].rc=;
tr[tcnt].x=a[mid].x;tr[tcnt].y=a[mid].y;tr[tcnt].v=a[mid].v;
if (l<mid){
tr[tmp].lc=tcnt+;build(l,mid-,!wd);
};
if (r>mid){
tr[tmp].rc=tcnt+;build(mid+,r,!wd);
}
update(tmp);
} int in(int x1,int y1,int x2,int y2,int X1,int Y1,int X2,int Y2){
return(X1<=x1&&Y1<=y1&&X2>=x2&&Y2>=y2);
} int out(int x1,int y1,int x2,int y2,int X1,int Y1,int X2,int Y2){
return(x2<X1||x1>X2||y1>Y2||y2<Y1);
} int query(int po,int x1,int y1,int x2,int y2){
int ret=;
if (in(tr[po].minx,tr[po].miny,tr[po].maxx,tr[po].maxy,x1,y1,x2,y2)) return(tr[po].num); if (in(tr[po].x,tr[po].y,tr[po].x,tr[po].y,x1,y1,x2,y2)) ret+=tr[po].v;
if (!out(tr[tr[po].lc].minx,tr[tr[po].lc].miny,tr[tr[po].lc].maxx,tr[tr[po].lc].maxy,x1,y1,x2,y2)) ret+=query(tr[po].lc,x1,y1,x2,y2);
if (!out(tr[tr[po].rc].minx,tr[tr[po].rc].miny,tr[tr[po].rc].maxx,tr[tr[po].rc].maxy,x1,y1,x2,y2)) ret+=query(tr[po].rc,x1,y1,x2,y2);
return(ret);
} int main(){
scanf("%d",&n);
tr[].miny=tr[].minx=1e9;
tr[].maxx=tr[].maxy=-1e9;
int opt,lastans=,lastrebuild=,root=;
while (scanf("%d",&opt),opt!=){
int x,y,x1,y1,x2,y2,num; if (opt==){
scanf("%d%d%d",&x,&y,&num);
x^=lastans;y^=lastans;num^=lastans;
if (!root){
root=;
cnt++;
tr[cnt].x=tr[cnt].minx=tr[cnt].maxx=x;
tr[cnt].y=tr[cnt].miny=tr[cnt].maxy=y;
tr[cnt].v=tr[cnt].num=num;
}else{
insert(root,x,y,num,);
} if (cnt/>lastrebuild){
for (int i=;i<=cnt;i++) a[i].x=tr[i].x,a[i].y=tr[i].y,a[i].v=tr[i].v;
tcnt=;
build(,cnt,);
lastrebuild++;
}
} if (opt==){
scanf("%d%d%d%d",&x1,&y1,&x2,&y2);
x1^=lastans;x2^=lastans;y1^=lastans;y2^=lastans;
lastans=query(,x1,y1,x2,y2);
printf("%d\n",lastans);
}
}
}
KD-tree(2维)的更多相关文章
- Wannafly Winter Camp 2020 Day 5I Practice for KD Tree - 二维线段树
给定一个 \(n \times n\) 矩阵,先进行 \(m_1 \leq 5e4\) 次区间加,再进行 \(m_2 \leq 5e5\) 次询问,每次询问要求输出矩形区间内的最大数.\(n \leq ...
- k-d tree 学习笔记
以下是一些奇怪的链接有兴趣的可以看看: https://blog.sengxian.com/algorithms/k-dimensional-tree http://zgjkt.blog.uoj.ac ...
- k-d tree算法
k-d树(k-dimensional树的简称),是一种分割k维数据空间的数据结构.主要应用于多维空间关键数据的搜索(如:范围搜索和最近邻搜索). 应用背景 SIFT算法中做特征点匹配的时候就会利用到k ...
- [模板] K-D Tree
K-D Tree K-D Tree可以看作二叉搜索树的高维推广, 它的第 \(k\) 层以所有点的第 \(k\) 维作为关键字对点做出划分. 为了保证划分均匀, 可以以第 \(k\) 维排名在中间的节 ...
- HDU2966 In case of failure(浅谈k-d tree)
嘟嘟嘟 题意:给定\(n\)个二维平面上的点\((x_i, y_i)\),求离每一个点最近的点得距离的平方.(\(n \leqslant 1e5\)) 这就是k-d tree入门题了. k-d tre ...
- [学习笔记]K-D Tree
以前其实学过的但是不会拍扁重构--所以这几天学了一下 \(K-D\ Tree\) 的正确打开姿势. \(K\) 维 \(K-D\ Tree\) 的单次操作最坏时间复杂度为 \(O(k\times n^ ...
- BZOJ 3053: The Closest M Points(K-D Tree)
Time Limit: 10 Sec Memory Limit: 128 MBSubmit: 1235 Solved: 418[Submit][Status][Discuss] Descripti ...
- 浅谈K-D Tree
初步认识\(K-D\) \(Tree\) \(K-D\) \(Tree\)是一种基于空间分割的二叉树形数据结构,一般用于高维信息检索.因为\(OI\)中很多问题都能转化为高维信息检索,所以\(K-D\ ...
- K-D TREE算法原理及实现
博客转载自:https://leileiluoluo.com/posts/kdtree-algorithm-and-implementation.html k-d tree即k-dimensional ...
- [转载]kd tree
[本文转自]http://www.cnblogs.com/eyeszjwang/articles/2429382.html k-d树(k-dimensional树的简称),是一种分割k维数据空间的数据 ...
随机推荐
- 用Crontab打造简易工作流引擎
1. 引言 众所周知,Oozie(1, 2)是基于时间条件与数据生成来做工作流调度的,但是Oozie的数据触发条件只支持HDFS路径,故而面临着这样的问题: 无法判断Hive partition是否已 ...
- C#开发微信门户及应用(8)-微信门户应用管理系统功能介绍
最近对微信接口进行深入的研究,通过把底层接口一步步进行封装后,逐步升级到自动化配置.自动化应答,以及后台处理界面的优化和完善上,力求搭建一个较为完善.适用的微信门户应用管理系统. 微信门户应用管理系统 ...
- Delphi_05_Delphi_Object_Pascal_基本语法_03
继续Delphi的学习之旅, 废话不多说,直接贴代码. { Delphi基本语法 1.对象 2.指针 3.类型别名 和 类型转换 } program DelphiObject; {$APPTYPE C ...
- CentOS6.7搭建LNMP环境
1:查看环境: [root@localhost ~]# cat /etc/redhat-release 2:关掉防火墙 #重启后生效开启 [root@localhost ~]# chkconfig i ...
- elasticsearch高级配置二----线程池设置
一个Elasticsearch节点会有多个线程池,但重要的是下面四个: 索引(index):主要是索引数据和删除数据操作(默认是cached类型) 搜索(search):主要是获取,统计和搜索操作(默 ...
- 怎样在asp中产生10个0-99的随机数
<% randomize for i=1 to 10 response.write cint(rnd*100) next %> randomize是随机初始化,使用rnd之前必须要先来一句 ...
- EL表达式的算术运算
一个例子--乘法运算 ${book.bookCount * book.bookPrice } 两个不同对象的EL表达式的算术运算同理 ${student.studentNum * book.bookP ...
- 初识html5的localStorage本地存储
一.概述 HTML5 提供了两种在客户端存储数据的新方法: localStorage - 没有时间限制的数据存储 sessionStorage - 针对一个 session 的数据存储 之前,这些都是 ...
- querySelector系列方法相比 getElementsBy 系列方法有什么区别?
querySelector 和 querySelectorAll 相比下面这些方法有什么区别? getElementsByTagName getElementsByClassName getElem ...
- AEAI ESB培训大纲
1. 概述 本文档的目的是为了让使用者能更好的操作.维护.服务于整个ESB系统平台,该信息系统平台不仅需要成熟稳定的产品,更需要技术熟练的运行维护人员,以便能更好地进行科学有效的运行维护工作. AEA ...