讲师中心 微信公众号
AI工具推荐 视频效率加速

C++实现区间最大值查询(RMQ) _ 线段树构建与查询逻辑【实战】

夏雪酱_8559

夏雪酱_8559

发布时间:2026-04-28 17:10:25

|

873人浏览过

|

来源于php中文网

原创

线段树数组大小至少开4×n,因最坏情况下需补全为满二叉树,叶子层最多2n个节点,总节点数上限约4n;不足会导致越界访问、段错误或随机值。

c++实现区间最大值查询(rmq) _ 线段树构建与查询逻辑【实战】

线段树构建时数组大小为什么至少要开 4×n

因为线段树是二叉树结构,最坏情况下(n 不是 2 的幂)需要补全到最近的满二叉树。叶子层最多有 2×n 个位置,整棵树节点数上限约 2×(2×n)−1 ≈ 4×n。开 4 * n 是稳妥做法,少于这个值在查询或更新时容易越界访问。

常见错误现象:Segmentation fault 或返回随机值,尤其在 n 接近边界(如 1e5)时才暴露。

  • 若用 vector 动态分配,直接声明 vector<int> tree(4 * n)</int>
  • 静态数组慎用 int tree[100005] —— 这只够存原始数组,不是线段树
  • 构建前先确认输入 n,再按 4 * n 分配空间,别用估算值

build() 函数里 mid 计算必须用 (l + r) / 2 还是 l + (r - l) / 2

两者等价,但 l + (r - l) / 2 更安全,避免 l + r 溢出(尤其当 l、r 接近 INT_MAX 时)。不过在 RMQ 场景中,下标一般来自数组长度(≤ 1e6),用 (l + r) / 2 没问题;但写成 l + (r - l) / 2 是更普适的习惯。

注意:必须用整数除法,C++ 中 / 对整型自动向下取整,符合要求。

立即学习“C++免费学习笔记(深入)”;

C++ Code Review Master
C++ Code Review Master

组合式C++代码评审方案,融合静态分析、AI推理、多轮迭代评审和C++专项检查,适用于PR审查、增量代码审查、全项目评审和代码质量评分,触发词包括review cpp、cpp代码评审、C++review、代码审查。

下载
  • 子区间划分必须严格满足:[l, mid] 和 [mid + 1, r],不能漏掉或重叠
  • 递归终止条件是 l == r,此时 tree[node] = arr[l]
  • 回溯赋值逻辑是 tree[node] = max(tree[left], tree[right])

query(l, r) 查询时为什么常写成 query(1, 0, n-1, ql, qr)

这是标准线段树封装方式:1 是根节点编号(1-indexed 树),0 和 n-1 是当前节点覆盖的原始区间,ql、qr 是用户请求的查询区间。四参数接口把“当前遍历状态”和“用户需求”分离,避免全局变量或重复计算。

容易踩的坑:传错初始区间(比如写成 query(1, 1, n, ql, qr) 却没调整 arr 下标),导致结果偏移或越界。

  • 所有递归调用中,当前节点覆盖区间始终是 [tl, tr],不是固定值
  • 三种情况需分别处理:完全不交 → 返回极小值;完全包含 → 直接返回 tree[node];部分重叠 → 递归查左右子树再 max
  • 极小值建议用 INT_MIN,别用 0 或 -1,否则负数数组会出错

单点修改 update(pos, val) 后为什么必须从叶子向上 push up

线段树维护的是区间信息(这里是最大值),修改一个叶子后,所有包含它的祖先节点的 tree[node] 都可能失效。必须从该叶子一路回溯到根,逐层重新计算 max。跳过某一层会导致后续查询返回旧值。

性能影响:单次修改时间复杂度是 O(log n),路径长度就是树高;如果误写成 DFS 全局重 build,就退化成 O(n),完全失去线段树意义。

  • update 参数通常是 (node, tl, tr, pos, val),先定位到叶子(tl == tr == pos),再向上回溯
  • 回溯时用 tree[node] = max(tree[left_node], tree[right_node]),左右子节点编号为 2*node 和 2*node+1
  • 别忘了检查 pos 是否在 [tl, tr] 内,不在则直接 return

实际写的时候,build 和 query 的边界判断稍有不慎就会漏一个元素或进死循环。最常被忽略的是:查询区间 [ql, qr] 是用户给的闭区间,而递归中每次切分也必须保持闭区间语义 —— 这一点错一点,整个结果就不可靠。

热门AI工具

更多
墨刀AI
墨刀AI Hot

一款AI图像与设计工具,主要用于产品经理的专属智能体,适合需要提升相关任务效率的用户。

UpDream
UpDream Hot

一款AI视频创作工具,主要用于哔哩哔哩推出的自研AI视频创作工具,适合需要提升相关任务效率的用户。

咔片AIPPT

一款在线AI演示文稿制作工具,可根据主题和内容需求辅助生成PPT结构与页面,提高演示材料制作效率。

立刻MV
立刻MV Hot

立刻MV是一款AI文本写作工具,AI 音乐视频(MV)创作工具。

VibeKnow
VibeKnow Hot

一款AI视频创作工具,主要用于全球首个AI知识视频创作平台,文档、文章、网页,一键生成视频,适合需要提升相关任务效率的用户。

WorkBuddy

一款AI办公效率工具,主要用于腾讯云推出的AI原生桌面智能体工作台,适合需要提升相关任务效率的用户。

豆包大模型

豆包大模型是一款由字节跳动推出的企业级大语言模型服务平台。

DeepSeek

DeepSeek是一款面向对话、写作、编程和推理场景的AI大模型工具。

Lovart
Lovart Hot

一款面向视觉设计创作的AI设计平台,可通过智能体和画布工作流辅助制作海报、Logo、网页、PPT及其他视觉内容。

相关专题

更多
c++和c语言的区别有哪些
c++和c语言的区别有哪些

c++和c语言的区别:1、面向对象编程(OOP)支持不同;2、新增特性不同;3、标准库不同;4、编译方式不同;5、命名空间不同等等。想了解更多c++的相关内容,可以阅读本专题下面的文章。

2208

2024.03.14

c++和python学习顺序推荐
c++和python学习顺序推荐

一般建议先学习C++,再学习Python,因为这样可以逐步从较为底层的编程语言向更高级的语言过渡。想了解更多python的相关内容,可以阅读本专题下面的文章。

979

2024.03.14

python和c++学习性价比分析
python和c++学习性价比分析

Python易于学习,广泛应用于Web开发、数据科学和人工智能等领域,但性能较低。C语言性能高,适用于对性能要求较高的场景,如游戏开发和系统编程,但学习曲线陡峭,错误处理复杂。想了解更多python的相关内容,可以阅读本专题下面的文章。

387

2024.03.14

c语言和c++一样吗
c语言和c++一样吗

c语言和c++是两种不同的编程语言,虽然有相似之处,但存在显著差异。c语言专注于过程式编程和系统级开发,以简洁、高效著称。c++作为c语言的超集,引入了面向对象编程,增强了代码组织和管理能力,但学习曲线也更陡峭。本专题为大家提供相关的文章、下载、课程内容,供大家免费下载体验。

307

2024.03.14

c语言和c++先学哪个好
c语言和c++先学哪个好

初学者选择学习c语言还是c++语言,需要根据个人学习目标、背景以及编程兴趣和预期应用方向来决定。本专题为大家提供相关的文章、下载、课程内容,供大家免费下载体验。

366

2024.03.14

c语言和c++的区别和联系
c语言和c++的区别和联系

c语言和c++是计算机科学领域应用广泛的编程语言。虽然它们有着相似的基础,但它们在语言类型、语法功能和内存管理方面存在着显著差异。本专题为大家提供相关的文章、下载、课程内容,供大家免费下载体验。

580

2024.03.14

c++软件中文更改教程
c++软件中文更改教程

对于 ide,可通过打开设置,找到语言设置,选择中文,并保存更改。对于非 ide 应用程序,可查找设置或选项,选择语言设置,更改为中文,并保存更改。想了解更多c++的相关内容,可以阅读本专题下面的文章。

1389

2024.03.21

python和java和c++学习性价比分析
python和java和c++学习性价比分析

Python以其易学性、丰富的库和活跃的社区而著称,适合数据科学、人工智能和Web开发。Java以其跨平台性、企业级应用开发和Android应用开发而闻名。C++以其底层控制能力、高效性能和游戏开发而著称。选择哪种语言取决于个人兴趣、职业方向和特定需求。想了解更多python和java和c++的相关内容,可以阅读本专题下面的文章。

1177

2024.03.22

PixTV AI视频生成与无限画布创作
PixTV AI视频生成与无限画布创作

PixTV专题整理AI视频与视觉内容创作相关功能使用教程,涵盖AI生图、视频生成、无限画布、多模型创作、素材管理、声音音乐及视频剪辑等功能,帮助用户快速掌握PixTV从创意到成片的完整制作方法。

0

2026.09.29

热门下载

更多
网站特效
/
网站源码
/
网站素材
/
前端模板

精品课程

更多
相关推荐
/
热门推荐
/
最新课程
Conan 2 Essentials 免费课程
Conan 2 Essentials 免费课程

共0课时 | 0人学习

CMake 与 Conan 集成实践
CMake 与 Conan 集成实践

共0课时 | 0人学习

Conan 2 高级依赖模型介绍
Conan 2 高级依赖模型介绍

共0课时 | 0人学习

关于我们 免责申明 举报中心 意见反馈 讲师合作 广告合作 最新更新
php中文网:公益在线php培训,帮助PHP学习者快速成长!
关注服务号
PHP中文网订阅号
每天精选资源文章推送

Copyright 2014-2026 https://www.php.cn/ All Rights Reserved | php.cn