RMQ

简介

RMQ 是英文 Range Maximum/Minimum Query 的缩写，表示区间最大（最小）值。

在笔者接下来的描述中，默认初始数组大小为 n 。

在笔者接下来的描述中，默认时间复杂度标记方式为 O( 数据预处理 )-O( 单次询问 ) 。

单调栈

由于 OI Wiki 中已有此部分的描述，本文仅给出 链接 。这部分不再展开。

时间复杂度 O(m\log m)-O(\log n)

空间复杂度 O(n)

ST 表

由于 OI Wiki 中已有此部分的描述，本文仅给出 链接 。这部分不再展开。

时间复杂度 O(n\log n)-O(1)

空间复杂度 O(n\log n)

线段树

由于 OI Wiki 中已有此部分的描述，本文仅给出 链接 。这部分不再展开。

时间复杂度 O(n)-O(\log n)

空间复杂度 O(n\log n)

Four Russian

Four russian 是一个由四位俄罗斯籍的计算机科学家提出来的基于 ST 表的算法。

在 ST 表的基础上 Four russian 算法对其做出的改进是序列分块。

具体来说，我们将原数组——我们将其称之为数组 A——每 S 个分成一块，总共 n/S 块。

对于每一块我们预处理出来块内元素的最小值，建立一个长度为 n/S 的数组 B，并对数组 B 采用 ST 表的方式预处理。

同时，我们对于数组 A 的每一个零散块也建立一个 ST 表。

询问的时候，我们可以将询问区间划分为不超过 1 个数组 B 上的连续块区间和不超过 2 个数组 A 上的整块内的连续区间。显然这些问题我们通过 ST 表上的区间查询解决。

在 S=\log n 时候，预处理复杂度达到最优，为 O((n / \log n)\log n+(n / \log n)\times\log n\times\log \log n)=O(n\log \log n) 。

时间复杂度 O(n\log \log n)-O(1)

空间复杂度 O(n\log \log n)

当然询问由于要跑三个 ST 表，该实现方法的常数较大。

一些小小的算法改进

我们发现，在询问的两个端点在数组 A 中属于不同的块的时候，数组 A 中块内的询问是关于每一块前缀或者后缀的询问。

显然这些询问可以通过预处理答案在 O(n) 的时间复杂度内被解决。

这样子我们只需要在询问的时候进行至多一次 ST 表上的查询操作了。

一些玄学的算法改进

由于 Four russian 算法以 ST 表为基础，而算法竞赛一般没有非常高的时间复杂度要求，所以 Four russian 算法一般都可以被 ST 表代替，在算法竞赛中并不实用。这里提供一种在算法竞赛中更加实用的 Four russian 改进算法。

我们将块大小设为 \sqrt n ，然后预处理出每一块内前缀和后缀的 RMQ，再暴力预处理出任意连续的整块之间的 RMQ，时间复杂度为 O(n) 。

查询时，对于左右端点不在同一块内的询问，我们可以直接 O(1) 得到左端点所在块的后缀 RMQ，左端点和右端点之间的连续整块 RMQ，和右端点所在块的前缀 RMQ，答案即为三者之间的最值。

而对于左右端点在同一块内的询问，我们可以暴力求出两点之间的 RMQ，时间复杂度为 O(\sqrt n) ，但是单个询问的左右端点在同一块内的期望为 O(\frac{\sqrt n}{n}) ，所以这种方法的时间复杂度为期望 O(n) 。

而在算法竞赛中，我们并不用非常担心出题人卡掉这种算法，因为我们可以通过在 \sqrt n 的基础上随机微调块大小，很大程度上避免算法在根据特定块大小构造的数据中出现最坏情况。并且如果出题人想要卡掉这种方法，则暴力有可能可以通过。

这是一种期望时间复杂度达到下界，并且代码实现难度和算法常数均较小的算法，因此在算法竞赛中比较实用。

以上做法参考了 P3793 由乃救爷爷 中的题解。

笛卡尔树在 RMQ 上的应用

不了解笛卡尔树的朋友请移步 笛卡尔树 。

我们发现，原序列上两个点之间的 min/max，等于笛卡尔树上两个点的 LCA 的权值。

这也说明，我们现在需要去解决的是如何 O(n)-O(1) 树上两个点之间的 LCA 的。

树上 LCA 在 LCA 部分已经有描述，这里不再展开。

这里我们需要采用的是基于 RMQ 的树上 LCA 算法。

可能会有同学会问：为什么我们在绕了一圈之后，又回到了 RMQ 问题呢？

别着急，我们来找一找这个 RMQ 问题的特殊性质：

因为树的 dfs 序列的相邻两个节点互为父子关系，也就是说相邻两个节点深度差为 \pm 1 。我们一般称这种相邻两个元素差为 1 的 RMQ 问题为 \pm 1 RMQ 问题。

根据这个特性我们就可以改进 Four Russian 算法了。

由于 Four russian 算法的瓶颈在于块内 RMQ 问题，我们重点去讨论块内 RMQ 问题的优化。

由于相邻两个数字的差值为 \pm 1 ，所以在固定左端点数字时 长度不超过 \log n 的右侧序列种类数为 \sum_{i=1}^{i \leq \log n} 2^{i-1} ，而这个式子显然不超过 n 。

这启示我们可以预处理所有不超过 n 种情况的 最小值 - 第一个元素 的值。

在预处理的时候我们需要去预处理同一块内相邻两个数字之间的差，并且使用二进制将其表示出来。

在询问的时候我们找到询问区间对应的二进制表示，查表得出答案。

这样子 Four russian 预处理的时间复杂度就被优化到了 O(n) 。

结合笛卡尔树部分我们就可以实现 O(n)-O(1) 的 RMQ 问题了。

代码和例题由于在 LCA 部分已经给出 链接 ，这里不再赘述。

当然由于转化步数较多， O(n)-O(1) RMQ 跑的比较慢。

如果数据随机，则我们还可以暴力在笛卡尔树上查找。此时的时间复杂度为期望 O(n)-O(\log n) ，并且实际使用时这种算法的常数往往很小。

build本页面最近更新：，更新历史
edit发现错误？想一起完善？ 在 GitHub 上编辑此页！
people本页面贡献者：OI-wiki
copyright本页面的全部内容在 CC BY-SA 4.0 和 SATA 协议之条款下提供，附加条款亦可能应用

评论