珂朵莉树（ODT）

我学习的时候看的blog

珂朵莉树（又称ODT，Old Driver Tree），可以用来解决一类有区间赋值并且数据随机的问题。

其实ODT就是两个主要函数（\(Assign\)和\(Split\) 操作），时间复杂度的保证其实也都来源于此，其他所有的操作都是直接暴力解决。特别要注意的是，此题一定要有区间整体赋值操作，不然\(Assign\)用不上啊也就谈不上复杂度保证了。

还是回忆一下来对自己做一个巩固吧。

首先，ODT其实就是一个\(set\)，只不过里面存的是一个结构体，然后结构体里存三个信息：\(l,r,val\)，表示左右区间以及这个区间每个元素的权值（都是相同的）。

然后就是两个关键函数：

1. \(Split(pos)\)

表示找到\(pos\)所在的区间\([l,r]\)，并把\([l,r]\)分裂成\([l,pos-1]\)和[pos,r]两个区间，最后返回后者的迭代器。此操作保证了我们可以精确的对题目每个询问进行操作（因为不可能每个询问操作都与你当前分好的区间端点完全重合）。

2. \(Assign(l,r,x)\)

好的，现在题目要求你把一段区间赋值为同一个数，那不正是ODT的每个节点直接存储的值吗，那我们现在就把\([l,r]\)变成一个节点不是更好，以后全部当做一个点处理，然后在不得已的时候\(Split\)，这正是ODT的核心思想。

• 例题：

1. CF896C Willem, Chtholly and Seniorious （不想写题解了，真的就是板子，上面的那篇博客特别清楚）