KDT 小记

参考资料:

KDT小记

K-D Tree,处理高维数据的利器

给的例题有点大份了,没写几个题,剩下的以后再说。

\(\text{KDT}\)

\(\text{K-D Tree}\),是一种能在 \(k\) 维空间内维护点信息的数据结构,一般常用的就是二维平面内,即 \(K=2\)。

\(\text{KDT}\) 的构建

\(\text{KDT}\) 的构建就是每次尽可能选取最中心的点,然后分治整个平面,那么对于选取方式,我们就有两种实现方法:

  • 轮流划分:即按照 \(1,2,\dots,K\) 的顺序轮流选取维度中位数作为中心点。

  • 方差划分:按照每个维度的方差,优先在方差最大的维度选择中心点当做整体中心点。

在某些情况下,第二种划分会比第一种快上不少,如果图方便的话写第一种也挺好的。

还有一个注意点,对于选取中位数,我们使用 nth_element 函数,就可以在 \(O(n)\) 的时间内找到中位数并划分为左右两部分。

关于 nth_element 的具体实现,大概是类似快排,每次随机选取一个数作为 \(\text{key}\),确定排名后选择向哪一侧继续划分,由于每次是随机选数,所以期望复杂度是 \(O(n)\)。

回到正题,那么建树的复杂度就是 \(T(n) = 2T(n/2) + O(n)\),由主定理可得,总复杂度是 \(O(n\log n)\)。

\(\text{KDT}\) 领域查询

这个最经典的题就是平面最近点对了,我们考虑暴力枚举每个点作为一端,每次到 \(\text{KDT}\) 中去查询,其流程大概为:

  • 用当前节点更新答案。

  • 如果答案一定小于子树内的最小值,那么跳出。

  • 选择左右儿子可能更近的一个走过去,然后再走另一个。

对于点到子树最小值,我们找到该子树代表的矩形,求点到矩形的距离即可。

如果采用的是 \(\text{Leafy}\) 式结构,就不需要第一步了。

\(\text{KDT}\) 的插入

由于 \(\text{KDT}\) 是基于 nth_element 的相对大小基本保证复杂度的,所以并不能支持动态在一棵树上插入一个点,我们考虑换种方式。

方案一是我们暴力插入,然后考虑类似替罪羊树的方法,当左右子树不平衡时重构子树,这样比较难写,而且重构系数每次需要重新计算。

方案二我们可以开两棵树,并设一个阈值 \(B\),当第二棵树每次攒够 \(B\) 个点就和第一棵树合并,这样当然能快很多,但是还是需要考虑阈值,并且要写合并函数。

方案三我们可以二进制分组,具体地,开 \(\log\) 棵 \(\text{KDT}\),每次有两棵大小相同的就合并起来,可以类似二项堆证明总复杂度是 \(O(nlog^2 n)\),比上面两种要优秀很多,而且用 vector 实现的话也比较简单,就是空间常数可能会比较大。

\(\text{KDT}\) 的矩形操作

考虑类似线段树的做法,只有每次查询矩形完全包含当前矩形再更新信息,而与查询矩形无交的肯定没有贡献,于是与复杂度挂钩的就只有与查询矩形有交的点。

我们不妨将矩形每条边拆开来看,令 \(T(n)\) 表示大小为 \(n\) 的 \(\text{KDT}\) 中这条边能穿过多少区域,从轮换划分来看,将相邻两轮划分看做一组,那么一组划分中,这条边最多只会经过两个区域,而每个经过区域都起码是原来的 \(\frac{1}{4}\),于是有 \(T(n) = 2T(n/4) + O(1)\),由主定理可得总复杂度为 \(O(\sqrt n)\),于是 \(\text{KDT}\) 单次矩形操作的复杂度是 \(O(\sqrt n)\)。

注意:这里这样划分的话边缘处可能会有区域重叠,需要去掉这种情况的话将平面和矩形整体放大即可。

进一步的,我们可以推广到 \(K\) 维空间内,\(\text{KDT}\) 一次查询的复杂度是 \(O(n^{1-\frac{1}{k}})\)。

其实 \(\text{KDT}\) 都可以采用类似线段树的结构实现,所以线段树的技巧放到 \(\text{KDT}\) 上也是可以使用的,注意时空限制即可。

P4148 简单题

要求支持二维平面单点加法,矩形求和,强制在线,空间 \(\text{20MB}\)。

\(\text{KDT}\) 模板题,由此题可以看出,\(\text{KDT}\) 的一个显著优势就是更小的空间。

插入采用二进制分组实现,\(\text{KDT}\) 写的 \(\text{Leafy}\) 式结构。

\(\text{Submission}\)

P4169 [Violet] 天使玩偶/SJY摆棋子

二维平面动态查询,查询距离某点最近的点的距离。

\(\text{KDT}\) 做邻域查询,稍微写了一下方差建树。

轮流划分:\(\text{Submission}\)

方差划分:\(\text{Submission}\)

P14312 【模板】K-D Tree

在一个 \(K\) 维平面内维护若干关键点,支持插入关键点,矩形加,矩形查。

这是真板子,矩形加法和线段树一样做就好了。

\(\text{Submission}\)

P4848 崂山白花蛇草水

支持两种操作,在某个点放置价值为 \(v\) 的点,查询某个矩形内价值第 \(k\) 大的点的价值,强制在线。

卡卡爆。

不强制在线的话整体二分就行了,但是要求了强制在线。矩形查询肯定需要 \(\text{KDT}\),第 \(k\) 大需要二分,所以权值线段树 + \(\text{KDT}\) 就好了,然后就是卡卡爆。

线段树二分上只需要查询右儿子,所以只维护右儿子的 \(\text{KDT}\) 就行了,写一个动态开点回收空间好像比用 vector 实现空间小多了。

被 hack 击败了,死活跑不过去 \(\text{Submission}\)。

\(\text{Submission}\)

P3710 方方方的数据结构

给定一个初始全为 \(0\) 的序列,支持区间加,区间乘,单点查询和撤销之前某一次修改,保证数据随机。

注意到保证数据随机,如果没有撤销的话就是线段树二,有撤销和乘法是完全做不了的,我们考虑在时间轴上完成这个事情。

将整个过程看作二维平面,一维序列,一维时间,每次相当于矩形修改单点查询,就做完了。

\(\text{Submission}\)

P4475 巧克力王国

给定 \(n\) 个带权点,\(m\) 次询问,每次给定 \(a,b,c\),求 \(ax+by < c\) 的所有点权之和。

半平面之类的东西,保证了数据随机,所以直接上 KDT 硬做再剪枝就行了,注意正负号需要加一点判断。

\(\text{Submission}\)

posted @ 2026-03-15 16:50  Wei_Han  阅读(48)  评论(0)    收藏  举报