【老鼠看不懂的数据结构】FHQTreap 初识

Treap 弱平衡的随机性很强的老鼠看不懂的平衡树

Q:为什么叫 Treap?
A:看看二叉搜索树(BST)和堆(Heap)，组合起来就是 Treap

其中，二叉搜索树的性质是：
左子节点的值 (val) 比父节点小
右子节点的值 (val) 比父节点大

如果这些节点的值都一样，这棵树就会退化成一颗（？）链。

对， 我知道你在想什么——并查集。
虽然都会被傻老鼠乱搞退化成链，但优化方式大有不同。

优化 - Priority - 玄学抽卡

笨蛋老鼠可能还有疑惑，为什么链是naive的而树是超棒的呢？
从OIwiki偷两张图来解释：
看，这是一颗正常的树，基本上可以看作满二叉树，一次查询只需要 $O (\log_{2} n)$ 的时间复杂度

这是一颗（？）被老鼠乱搞以后形成的链，一次查询的时间复杂度劣化到了 $O (n)$

那么，既然屑老鼠已经说了这棵树有堆的性质，所以就要给每一个结点上一个随机的优先级 $P r i o r i t y$
让它同时成为一个堆，在双重特征下保持完全二叉树的形状

PS:傻老鼠脑子糊涂了，首先树得满足BST的性质，然后空下来时维护Heap的性质

大功告成，现在该知道节点里面应该放什么了。

node节点（为什么不用类封装？因为老鼠不会）

struct node{
	node *child[2];
	int val,ranf,cnt,siz;
	node(int __val) : val(__val), cnt(1), siz(1){
		child[0] = child[1] = nullptr;//左右儿子初始化 
		ranf = rand();//玄学抽卡 
	} 
	node(node *__node){
		val = __node->val, ranf = __node->ranf, cnt = __node->cnt, siz = __node->siz;
	}
	void ud_siz(){
		siz = cnt;
		if(child[0] != nullptr)siz += child[0]->siz;
		if(child[1] != nullptr)siz += child[1]->siz; 
	}
};

Treap的重要操作 Split & Merge

分裂过程接受两个参数：根指针 $cur$ 、关键值 $key$ 。结果为将根指针指向的 treap 分裂为两个 treap，第一个 treap 所有结点的值 $val$ 小于等于 $key$ ，第二个 treap 所有结点的值大于 $key$ 。
该过程首先判断 $key$ 是否小于 $cur$ 的值，若小于，则说明 $cur$ 及其右子树全部大于 $key$ ，属于第二个 treap。当然，也可能有一部分的左子树的值大于 $key$ ，所以还需要继续向左子树递归地分裂。对于大于 $key$ 的那部分左子树，我们把它作为 $cur$ 的左子树，这样，整个 $cur$ 上的节点都是大于 $key$ 的。
相应的，如果 $key$ 大于等于 $cur$ 的值，说明 $cur$ 的整个左子树以及其自身都小于 $key$ ，属于分裂后的第一个 treap。并且， $cur$ 的部分右子树也可能有部分小于 $key$ ，因此我们需要继续递归地分裂右子树。把小于 $key$ 的那部分作为 $cur$ 的右子树，这样，整个 $cur$ 上的节点都小于 $key$ 。
下图展示了 $cur$ 的值小于等于 $key$ 时按值分裂的情况. ——OIWIKI

老鼠才不会解释，因为老鼠没脑子。

Split

pair<node *, node *> split(node *rt,int key){
	if(rt == nullptr)return {nullptr, nullptr};
	if(rt->val <= key){
	auto temp = split(rt->child[1],key);
		rt->child[1] = temp.first;
		rt->ud_siz();
		return {rt,temp.second};
	}
	else{
		auto temp = split(rt->child[0],key);
		rt->child[0] = temp.second;
		rt->ud_siz();
		return {temp.first,rt};
	}
	}

合并过程接受两个参数：左 treap 的根指针 $u$ 、右 treap 的根指针 $v$ 。必须满足 $u$ 中所有结点的值小于等于 $v$ 中所有结点的值。一般来说，我们合并的两个 treap 都是原来从一个 treap 中分裂出去的，所以不难满足 $u$ 中所有节点的值都小于 $v$
在旋转 treap 中，我们借助旋转操作来维护 $priority$ 符合堆的性质，同时旋转时还不能改变树的性质。在无旋 treap 中，我们用合并达到相同的效果。
因为两个 treap 已经有序，所以我们在合并的时候只需要考虑把哪个树「放在上面」，把哪个「放在下面」，也就是是需要判断将哪个一个树作为子树。显然，根据堆的性质，我们需要把 $priority$ 小的放在上面（这里采用小根堆）。
同时，我们还需要满足搜索树的性质，所以若 $u$ 的根结点的 $priority$ 小于 $v$ 的，那么 $u$ 即为新根结点，并且 $v$ 因为值比 $u$ 更大，应与 $u$ 的右子树合并；反之，则 $v$ 作为新根结点，然后因为 u 的值比 $v$ 小，与 v 的左子树合并。——OIWIKI
老鼠懒，自己看。

Merge

node *merge(node *u,node *v){
		if(u == nullptr && v == nullptr)return nullptr;
		if(u != nullptr && v == nullptr)return u;
		if(u == nullptr && v != nullptr)return v;
		if(u->ranf < v->ranf){
			u->child[1] = merge(u->child[1],v);
			u->ud_siz();
			return u;
		}
		else{
			v->child[0] = merge(u, v->child[0]);
			v->ud_siz();
			return v;
		}
	}

不好用，才不用——⑨老鼠

作为笨蛋老鼠，能看懂这个东西怎么用才奇怪吧，只能分裂和合并的数据结构，鬼才用嘞！
笨蛋老鼠！这个东西可以整很多活的

查询小于等于val的数的个数：考察根节点的值和val，如果val小于根节点，递归进左子树，否则递归进右子树。
插入val：先查询Rank(val)，然后按照rank把整个TreapSplit成两个，把val做成一个新节点，Merge到里面。
删除val：先查询Rank(val)，然后按照rank把整个TreapSplit成三个，删除需要的点，最后Merge剩下两个。
查询第K个值：把整个TreapSplit成三个，输出需要的值，最后合并起来。