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 ) \sim 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) \sim 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) \sim 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) \sim O(\log n)

空间复杂度 O(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) \sim 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。

加减 1RMQ

若序列满足相邻两元素相差为 1，在这个序列上做 RMQ 可以成为加减 1RMQ，根究这个特性可以改进 Four Russian 算法，做到 O(n) \sim O(1) 的时间复杂度， O(n) 的空间复杂度。

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) 。

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。

不难发现，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。根据这一点就可以借助 O(n) \sim O(1) 求解树上两个点之间的 LCA 进而求解 RMQ。 O(n) \sim O(1) 树上 LCA 在 LCA - 标准 RMQ 已经有描述，这里不再展开。

总结一下，笛卡尔树在 RMQ 上的应用，就是通过将普通 RMQ 问题转化为 LCA 问题，进而转化为加减 1 RMQ 问题进行求解，时间复杂度为 O(n) \sim O(1) 。当然由于转化步数较多， O(n) \sim O(1) RMQ 常数较大。

如果数据随机，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) \sim O(\log n) ，并且实际使用时这种算法的常数往往很小。

例题 Luogu P3865【模板】ST 表

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。

基于状压的线性 RMQ 算法

隐性要求

  • 序列的长度 n 满足 \log_2{n} \leq 64

前置知识

算法原理

将原序列 A[1\cdots n] 分成每块长度为 O(\log_2{n}) 的 O(\frac{n}{\log_2{n}}) 块。

听说令块长为 1.5\times \log_2{n} 时常数较小。

记录每块的最大值，并用 ST 表维护块间最大值，复杂度 O(n) 。

记录块中每个位置的前、后缀最大值 Pre[1\cdots n], Sub[1\cdots n] （ Pre[i] 即 A[i] 到其所在块的块首的最大值），复杂度 O(n) 。

若查询的 l,r 在两个不同块上，分别记为第 bl,br 块，则最大值为 [bl+1,br-1] 块间的最大值，以及 Sub[l] 和 Pre[r] 这三个数的较大值。

现在的问题在于若 l,r 在同一块中怎么办。

将 A[1\cdots r] 依次插入单调栈中，记录下标和值，满足值从栈底到栈顶递减，则 A[l,r] 中的最大值为从栈底往上，单调栈中第一个满足其下标 p \geq l 的值。

由于 A[p] 是 A[l,r] 中的最大值，因而在插入 A[p] 时， A[l\cdots p-1] 都被弹出，且在插入 A[p+1\cdots r] 时不可能将 A[p] 弹出。

而如果用 0/1 表示每个数是否在栈中，就可以用整数状压，则 p 为第 l 位后的第一个 1 的位置。

由于块大小为 O(\log_2{n}) ，因而最多不超过 64 位，可以用一个整数存下（即隐性条件的原因）。

参考代码
 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
#include <bits/stdc++.h>

const int MAXN = 1e5 + 5;
const int MAXM = 20;

struct RMQ {
  int N, A[MAXN];
  int blockSize;
  int S[MAXN][MAXM], Pow[MAXM], Log[MAXN];
  int Belong[MAXN], Pos[MAXN];
  int Pre[MAXN], Sub[MAXN];
  int F[MAXN];
  void buildST() {
    int cur = 0, id = 1;
    Pos[0] = -1;
    for (int i = 1; i <= N; ++i) {
      S[id][0] = std::max(S[id][0], A[i]);
      Belong[i] = id;
      if (Belong[i - 1] != Belong[i])
        Pos[i] = 0;
      else
        Pos[i] = Pos[i - 1] + 1;
      if (++cur == blockSize) {
        cur = 0;
        ++id;
      }
    }
    if (N % blockSize == 0) --id;
    Pow[0] = 1;
    for (int i = 1; i < MAXM; ++i) Pow[i] = Pow[i - 1] * 2;
    for (int i = 2; i <= id; ++i) Log[i] = Log[i / 2] + 1;
    for (int i = 1; i <= Log[id]; ++i) {
      for (int j = 1; j + Pow[i] - 1 <= id; ++j) {
        S[j][i] = std::max(S[j][i - 1], S[j + Pow[i - 1]][i - 1]);
      }
    }
  }
  void buildSubPre() {
    for (int i = 1; i <= N; ++i) {
      if (Belong[i] != Belong[i - 1])
        Pre[i] = A[i];
      else
        Pre[i] = std::max(Pre[i - 1], A[i]);
    }
    for (int i = N; i >= 1; --i) {
      if (Belong[i] != Belong[i + 1])
        Sub[i] = A[i];
      else
        Sub[i] = std::max(Sub[i + 1], A[i]);
    }
  }
  void buildBlock() {
    static int S[MAXN], top;
    for (int i = 1; i <= N; ++i) {
      if (Belong[i] != Belong[i - 1])
        top = 0;
      else
        F[i] = F[i - 1];
      while (top > 0 && A[S[top]] <= A[i]) F[i] &= ~(1 << Pos[S[top--]]);
      S[++top] = i;
      F[i] |= (1 << Pos[i]);
    }
  }
  void init() {
    for (int i = 1; i <= N; ++i) scanf("%d", &A[i]);
    blockSize = log2(N) * 1.5;
    buildST();
    buildSubPre();
    buildBlock();
  }
  int queryMax(int l, int r) {
    int bl = Belong[l], br = Belong[r];
    if (bl != br) {
      int ans1 = 0;
      if (br - bl > 1) {
        int p = Log[br - bl - 1];
        ans1 = std::max(S[bl + 1][p], S[br - Pow[p]][p]);
      }
      int ans2 = std::max(Sub[l], Pre[r]);
      return std::max(ans1, ans2);
    } else {
      return A[l + __builtin_ctz(F[r] >> Pos[l])];
    }
  }
} R;

int M;

int main() {
  scanf("%d%d", &R.N, &M);
  R.init();
  for (int i = 0, l, r; i < M; ++i) {
    scanf("%d%d", &l, &r);
    printf("%d\n", R.queryMax(l, r));
  }
  return 0;
}

习题

[BJOI 2020]封印：SAM+RMQ

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