跳转至

替罪羊树

引入

替罪羊树 是一种依靠重构操作维持平衡的重量平衡树。替罪羊树会在插入、删除操作后,检测树是否发生失衡;如果失衡,将有针对性地进行重构以恢复平衡。

一般地,替罪羊树不支持区间操作,且无法完全持久化;但它具有实现简单、常数较小的优点。

基本结构和操作

替罪羊树的核心操作是重构、插入和删除操作。

节点信息

替罪羊树需要存储以下信息,用于树的自平衡操作:

  • 树的结构信息:
    • id:已使用节点数目;
    • rt:根节点;
    • lc[x]rc[x]:左、右子节点;
    • tot[x]:以 为根的子树大小(每个节点计数为 1
    • tot_active:整个树中未删除(即 cnt[x] != 0)的节点的数目。

当使用替罪羊树实现平衡树时,还需要存储如下信息:

  • 平衡树的节点信息:
    • val[x]:节点存储的值;
    • cnt[x]:节点存储的值的计数(可能为 );
    • sz[x]:以 为根的子树存储的值的计数。

为了维护节点信息,可以实现 push_up 操作:

参考实现
// Update node info from its children.
void push_up(int x) {
  tot[x] = 1 + tot[lc[x]] + tot[rc[x]];
  sz[x] = cnt[x] + sz[lc[x]] + sz[rc[x]];
}

应注意 tot[x]sz[x] 的更新方式的不同。

重构操作

当树发生失衡时,需要对某个子树进行重构,使之尽可能平衡。重构分为两步:

  • 对要重构的子树做中序遍历,将所有未删除节点存到序列中;
  • 二分建树,即取中点为根,左右两侧递归地建子树,并更新节点信息。

参考实现如下:

参考实现
// Tree -> Array.
void flatten(int x) {
  if (!x) return;
  flatten(lc[x]);
  if (cnt[x]) tmp[n_tmp++] = x;
  flatten(rc[x]);
}

// Array -> Tree.
int build(int ll, int rr) {
  if (ll > rr) return 0;
  int mm = (ll + rr) / 2;
  int x = tmp[mm];
  lc[x] = build(ll, mm - 1);
  rc[x] = build(mm + 1, rr);
  push_up(x);
  return x;
}

// Rebuild a subtree.
void rebuild(int& x) {
  n_tmp = 0;
  flatten(x);
  x = build(0, n_tmp - 1);
}

建树时注意维护节点信息,包括叶子节点的信息。

单次重构的复杂度是 的,因此如果每次插入、删除时都进行重构,复杂度将难以接受。替罪羊树的核心思想就在于对重构时机的选择,进而实现了 的均摊复杂度。

插入操作

插入操作时,可能会引起树的失衡。为了判断树的失衡,需要引入参数 ,通常的选择在 之间。

如果新插入的节点的深度超过了 ,其中, 为更新后的树的大小,就需要在回溯时寻找失衡发生的节点并进行重构。此时,需要根据如下条件判断以 为根的子树失衡:

其中, 分别为 的左、右子节点, 为以 为根的子树大小。

插入操作的具体步骤如下:

  • 首先利用二分查找树的性质向下找到插入值的位置,下探时记录深度;
  • 如果已经有节点,直接修改节点信息,否则新建节点;
  • 如果新建节点过深,就需要自下而上回溯到根,更新节点信息,并记录第一个(或任意一个)子树失衡的节点;
  • 如果存在失衡节点,重构失衡节点的子树。

参考实现如下:

参考实现
// Insert v into subtree of x.
bool insert(int& x, int v, int dep) {
  bool check = false;
  if (!x) {
    x = ++id;
    val[x] = v;
    check = dep > std::log(tot[rt] + 1) / std::log(1 / ALPHA);
  }
  if (val[x] == v) {
    if (!cnt[x]) ++tot_active;
    ++cnt[x];
  } else if (v < val[x]) {
    check = insert(lc[x], v, dep + 1);
  } else {
    check = insert(rc[x], v, dep + 1);
  }
  push_up(x);
  if (check && (tot[lc[x]] > ALPHA * tot[x] || tot[rc[x]] > ALPHA * tot[x])) {
    rebuild(x);
    return false;
  }
  return check;
}

// Insert v into the tree.
void insert(int v) { insert(rt, v, 0); }

注意,单次插入至多引起一次重构。如果没有新增节点或是新增节点并没有过深,又或是本次回溯过程中已经执行过重构,就不需要继续判断失衡了。多余的重构可能会导致效率损失2。回溯过程中的第一个失衡节点,就是所谓的「替罪羊」。

删除操作

删除操作的处理则非常简单。替罪羊树的删除策略是「懒删除」,即节点为空时,不移除节点,而是留待后续处理。

当然,如果树中空节点过多,树的访问效率会大大下降。因此,替罪羊树维护两个计数,整个树中未删除节点的数目和整个树实际使用的节点数目。对于选定的阈值3 ,当前者与后者的比值下降到 以下时,就对整个树做一次重构,重构时删除所有空节点。

参考实现
// Remove v from subtree of x.
bool remove(int x, int v) {
  if (!x) return false;
  bool succ = true;
  if (v < val[x]) {
    succ = remove(lc[x], v);
  } else if (v > val[x]) {
    succ = remove(rc[x], v);
  } else if (cnt[x]) {
    --cnt[x];
    if (!cnt[x]) --tot_active;
  } else {
    succ = false;
  }
  push_up(x);
  return succ;
}

// Remove v from the tree.
bool remove(int v) {
  bool succ = remove(rt, v);
  if (!tot_active) {
    rt = 0;
  } else if (succ && tot_active < tot[rt] * ALPHA) {
    rebuild(rt);
  }
  return succ;
}

时间复杂度

大小为 的替罪羊树的访问节点的时间复杂度为单次 的, 次插入和删除的均摊时间复杂度也是单次 的。

本节对替罪羊树的时间复杂度仅做简要论证,详细证明请参考原论文。

替罪羊树的时间复杂度的论证

由于采用懒删除的策略,未删除节点数目为 的替罪羊树可能占用了 个节点。由于仅仅相差一个常数因子,本文在表述中并不区分替罪羊树的未删除节点数目和占用节点数目,而统一称为「树的大小」。

  1. 访问操作:访问操作的复杂度得以保证,是因为大小为 的替罪羊树的树高总是 的。

    首先,区分两个概念:

    • ‑重量平衡:所有节点处,左、右子节点的子树的大小均不超过该节点处子树的大小的 倍;
    • ‑高度平衡:树的高度不超过 ,其中, 是树的大小。

    ‑重量平衡可以推出 ‑高度平衡,因为子节点深度每增加一,大小就减少到原来的 倍;反过来则不一定成立。更严格地说,每次操作结束后,替罪羊树都总是 ‑高度平衡的4,这就保证了访问操作的复杂度。

    只有插入操作会改变树的结构,所以只需要说明每次插入操作后,替罪羊树都仍是 ‑高度平衡的。如果新插入的节点过深,造成了整个树不再 ‑高度平衡,那么自该节点回溯至根时,至少会碰上一个节点,即「替罪羊」,它的子树不再 ‑重量平衡。将其重构后,子树的高度将降低至少一,故而新插入的节点将不再过深。

  2. 插入操作:插入操作的复杂度是均摊 的。

    设在某次插入操作后,节点 处发生一次子树的重构,时间成本为 。因为节点 刚插入时,或者它刚刚经历了(自身或祖先节点的)上一次重构之后,它的左右子树至多只相差一个节点。而在这次重构之前,节点 处必然成立

    这一条件保证左右子树的大小的差值至少为 的。因而,这两次重构之间,子树 中插入了 个节点。

    利用摊还分析可知5,如果每次插入节点时,都在(可能的重构前)自根到该节点的路径上的每个节点都增加 的势能,那么到节点 处子树重构前,必然已经在节点 处累积了 的势能,足以用于偿还 处子树重构的成本 。因为树的深度都是 的,所以单次插入增加的势能是 的;这说明, 次插入操作中势能增加的总和是 的。由此,子树重构的总成本也是 的,单次插入操作(含重构)的均摊时间复杂度就是 的。

    注意,分析中没有假定在节点 处的两次重构之间,子树 内部没有发生其它的重构。因此,只要只重构满足失衡条件的节点处的子树,就能保证复杂度正确。

  3. 删除操作:删除操作的复杂度也是均摊 的。

    删除引起的重构会导致整个树不含空节点。而某次删除引起重构之前,整个树中已经有 个空节点,这意味着至少进行了 次删除操作。因为每次删除操作的寻址的复杂度是 的,且单次重构的复杂度是 ,所以这 次删除操作的实际时间成本为

    的。故而,单次删除的均摊复杂度为 的。

平衡树操作

本节介绍用替罪羊树维护可重集的方法。

除上节介绍的操作外,其余操作均为平衡树的常见操作。但是,因为替罪羊树中可能存在空节点,这些操作也需要相应调整。

查询排名

利用二分查找树的性质向下查找节点位置,过程中记录路径左侧存储的值的数目即可。

参考实现
// Find the rank of v, i.e., #{val < v} + 1.
int find_rank(int v) {
  int res = 0;
  int x = rt;
  while (x && val[x] != v) {
    if (v < val[x]) {
      x = lc[x];
    } else {
      res += sz[lc[x]] + cnt[x];
      x = rc[x];
    }
  }
  return res + sz[lc[x]] + 1;
}

根据排名查询值

利用节点记录的子树存储值的数目信息向下查找即可。注意可能存在计数为零的节点。

参考实现
// Find the k-th smallest element.
int find_kth(int k) {
  if (k <= 0 || sz[rt] < k) return -1;
  int x = rt;
  for (;;) {
    if (k <= sz[lc[x]]) {
      x = lc[x];
    } else if (k <= sz[lc[x]] + cnt[x]) {
      return val[x];
    } else {
      k -= sz[lc[x]] + cnt[x];
      x = rc[x];
    }
  }
  return -1;
}

查询前驱、后继

以上两种功能结合即可。

参考实现
// Find predecessor.
int find_prev(int x) { return find_kth(find_rank(x) - 1); }

// Find successor.
int find_next(int x) { return find_kth(find_rank(x + 1)); }

如果想直接实现,应注意处理计数为零的节点。

参考实现

本节的最后,给出模板题 普通平衡树 的参考实现。

参考实现
#include <cmath>
#include <iostream>

constexpr int N = 2e6;
constexpr double ALPHA = 0.7;
int id, rt, lc[N], rc[N], tot[N], tot_active;  // Tree structure info.
int tmp[N], n_tmp;                             // Space for rebuilding trees.
int val[N], cnt[N], sz[N];                     // Node info.

// Update node info from its children.
void push_up(int x) {
  tot[x] = 1 + tot[lc[x]] + tot[rc[x]];
  sz[x] = cnt[x] + sz[lc[x]] + sz[rc[x]];
}

// Tree -> Array.
void flatten(int x) {
  if (!x) return;
  flatten(lc[x]);
  if (cnt[x]) tmp[n_tmp++] = x;
  flatten(rc[x]);
}

// Array -> Tree.
int build(int ll, int rr) {
  if (ll > rr) return 0;
  int mm = (ll + rr) / 2;
  int x = tmp[mm];
  lc[x] = build(ll, mm - 1);
  rc[x] = build(mm + 1, rr);
  push_up(x);
  return x;
}

// Rebuild a subtree.
void rebuild(int& x) {
  n_tmp = 0;
  flatten(x);
  x = build(0, n_tmp - 1);
}

// Insert v into subtree of x.
bool insert(int& x, int v, int dep) {
  bool check = false;
  if (!x) {
    x = ++id;
    val[x] = v;
    check = dep > std::log(tot[rt] + 1) / std::log(1 / ALPHA);
  }
  if (val[x] == v) {
    if (!cnt[x]) ++tot_active;
    ++cnt[x];
  } else if (v < val[x]) {
    check = insert(lc[x], v, dep + 1);
  } else {
    check = insert(rc[x], v, dep + 1);
  }
  push_up(x);
  if (check && (tot[lc[x]] > ALPHA * tot[x] || tot[rc[x]] > ALPHA * tot[x])) {
    rebuild(x);
    return false;
  }
  return check;
}

// Insert v into the tree.
void insert(int v) { insert(rt, v, 0); }

// Remove v from subtree of x.
bool remove(int x, int v) {
  if (!x) return false;
  bool succ = true;
  if (v < val[x]) {
    succ = remove(lc[x], v);
  } else if (v > val[x]) {
    succ = remove(rc[x], v);
  } else if (cnt[x]) {
    --cnt[x];
    if (!cnt[x]) --tot_active;
  } else {
    succ = false;
  }
  push_up(x);
  return succ;
}

// Remove v from the tree.
bool remove(int v) {
  bool succ = remove(rt, v);
  if (!tot_active) {
    rt = 0;
  } else if (succ && tot_active < tot[rt] * ALPHA) {
    rebuild(rt);
  }
  return succ;
}

// Find the rank of v, i.e., #{val < v} + 1.
int find_rank(int v) {
  int res = 0;
  int x = rt;
  while (x && val[x] != v) {
    if (v < val[x]) {
      x = lc[x];
    } else {
      res += sz[lc[x]] + cnt[x];
      x = rc[x];
    }
  }
  return res + sz[lc[x]] + 1;
}

// Find the k-th smallest element.
int find_kth(int k) {
  if (k <= 0 || sz[rt] < k) return -1;
  int x = rt;
  for (;;) {
    if (k <= sz[lc[x]]) {
      x = lc[x];
    } else if (k <= sz[lc[x]] + cnt[x]) {
      return val[x];
    } else {
      k -= sz[lc[x]] + cnt[x];
      x = rc[x];
    }
  }
  return -1;
}

// Find predecessor.
int find_prev(int x) { return find_kth(find_rank(x) - 1); }

// Find successor.
int find_next(int x) { return find_kth(find_rank(x + 1)); }

int main() {
  int n;
  std::cin >> n;
  for (; n; --n) {
    int op, x;
    std::cin >> op >> x;
    switch (op) {
      case 1:
        insert(x);
        break;
      case 2:
        remove(x);
        break;
      case 3:
        std::cout << find_rank(x) << '\n';
        break;
      case 4:
        std::cout << find_kth(x) << '\n';
        break;
      case 5:
        std::cout << find_prev(x) << '\n';
        break;
      case 6:
        std::cout << find_next(x) << '\n';
        break;
    }
  }
  return 0;
}

参考资料


  1. 也可以只统计未删除节点数目,此时不再需要统计 tot_active,而需要统计所有占用节点数目 tot_max,代码相应调整即可。 

  2. 根据后文的复杂度分析可知,这些效率损失仅意味着更大的常数因子,而复杂度依然是正确的。因为判断树深可能会涉及较多的浮点数对数运算,不判断树深只判断失衡的代码在某些数据中可能更快。 

  3. 不必与上文插入操作时选取的参数相同。尽管原论文做了这样的假定,但是选取不同的参数只会导致单次操作的复杂度中常数项的变化,整体复杂度依然是正确的。 

  4. 按原文定义, 指未删除节点的数目,故而只能保证树高不超过 ,这称为弱 ‑高度平衡。此处没有细究该常数项的差异。 

  5. 有些文章会简单分析成 次插入对应一次重构,故而均摊复杂度为 。这样的思路可以辅助理解均摊复杂度为什么正确,但并不严谨。这是因为,一次插入可能对应着多个祖先节点的重构,故而当节点 发生重构时,子树内未引起重构的节点数目并不显然是 的。 


最后更新: 2025年3月20日
创建日期: 2018年7月11日
回到页面顶部