1. 左偏树：一种特殊的可并堆实现
左偏树（Leftist Tree）是一种具有堆性质（通常是最小堆）的二叉树结构，它通过维护一个称为"零距离"（Null Path Length, NPL）的属性来保证合并操作的高效性。与普通二叉堆不同，左偏树的核心特点是：对于任意节点，其左子节点的NPL不小于右子节点的NPL。
这种看似简单的性质带来了惊人的效果——两个左偏树的合并操作时间复杂度可以稳定在O(log n)。这使得左偏树成为实现可并堆（Mergeable Heap）的理想选择之一。在实际应用中，当我们需要频繁合并堆结构时（如Dijkstra算法的优化、任务调度系统等），左偏树的优势就会凸显出来。
提示：零距离（NPL）定义为从该节点到最近空节点的路径长度。空节点的NPL为0，非空节点的NPL = min(左子节点NPL, 右子节点NPL) + 1
2. 左偏树的核心操作与实现细节
2.1 节点结构设计
一个典型的左偏树节点需要包含以下字段：
cpp复制struct Node {
int value; // 节点存储的值
int npl; // 零距离
Node *left; // 左子节点指针
Node *right; // 右子节点指针
// 可选：父节点指针，根据具体需求决定是否添加
};
2.2 合并操作：左偏树的灵魂
合并两个左偏树的核心步骤如下：
- 如果其中一个树为空，直接返回另一个树
- 比较两棵树的根节点值，选择较小的作为新根（假设是最小堆）
- 递归地将较大根的树与新根的右子树合并
- 合并后检查并维护左偏性质：
- 如果左子节点的NPL < 右子节点的NPL，交换左右子树
- 更新当前节点的NPL = 右子节点NPL + 1
cpp复制Node* merge(Node* a, Node* b) {
if (!a) return b;
if (!b) return a;
// 确保a是较小根
if (a->value > b->value) swap(a, b);
// 递归合并
a->right = merge(a->right, b);
// 维护左偏性质
if (!a->left || a->left->npl < a->right->npl) {
swap(a->left, a->right);
}
// 更新NPL
a->npl = (a->right ? a->right->npl : 0) + 1;
return a;
}
2.3 插入与删除操作
基于合并操作，我们可以轻松实现其他堆操作：
- 插入：将新元素视为单节点左偏树，与原树合并
- 删除最小值：删除根节点后，合并左右子树
- 删除任意节点：将该节点与其左右子树合并后放回原位置（需要父指针支持）
3. 洛谷P3377题目解析与实现
3.1 题目要求概述
洛谷P3377题目要求实现一个支持以下操作的可并堆：
- 合并两个堆
- 查询堆顶元素
- 删除堆顶元素
题目输入包括：
- 初始元素数量n和操作数量m
- n个初始元素
- m个操作指令
3.2 完整AC代码实现
cpp复制#include <iostream>
#include <algorithm>
using namespace std;
const int MAXN = 1e5 + 5;
struct Node {
int val, npl, id;
Node *l, *r;
bool del;
} pool[MAXN], *root[MAXN];
int find(Node *x) {
while (x->id != pool[x->id].id) {
pool[x->id].id = pool[pool[x->id].id].id;
x = &pool[x->id];
}
return x->id;
}
Node* merge(Node *a, Node *b) {
if (!a || a->del) return b;
if (!b || b->del) return a;
if (a->val > b->val || (a->val == b->val && a->id > b->id)) swap(a, b);
a->r = merge(a->r, b);
if (!a->l || a->l->npl < a->r->npl) swap(a->l, a->r);
a->npl = a->r ? a->r->npl + 1 : 0;
return a;
}
int main() {
ios::sync_with_stdio(false);
cin.tie(nullptr);
int n, m;
cin >> n >> m;
for (int i = 1; i <= n; ++i) {
cin >> pool[i].val;
pool[i].id = i;
pool[i].npl = 0;
pool[i].l = pool[i].r = nullptr;
pool[i].del = false;
root[i] = &pool[i];
}
while (m--) {
int op, x, y;
cin >> op;
if (op == 1) {
cin >> x >> y;
if (pool[x].del || pool[y].del) continue;
x = find(root[x]);
y = find(root[y]);
if (x == y) continue;
root[x] = root[y] = merge(root[x], root[y]);
} else {
cin >> x;
if (pool[x].del) {
cout << "-1\n";
continue;
}
x = find(root[x]);
cout << root[x]->val << '\n';
root[x]->del = true;
root[x] = merge(root[x]->l, root[x]->r);
}
}
return 0;
}
3.3 代码关键点解析
- 并查集优化：使用路径压缩的并查集来管理各个堆的根节点，确保能快速找到任意节点所在的堆。
- 删除标记：采用惰性删除策略，标记节点为已删除而非实际移除，避免复杂的指针操作。
- 稳定性处理：当两个节点值相同时，额外比较节点ID确保操作确定性。
- 输入输出优化：使用
ios::sync_with_stdio(false)和cin.tie(nullptr)加速IO，这在数据量大的题目中至关重要。
4. 左偏树的性能分析与优化
4.1 时间复杂度对比
| 操作 | 普通二叉堆 | 左偏树 |
|---|---|---|
| 插入 | O(log n) | O(log n) |
| 查询最小值 | O(1) | O(1) |
| 删除最小值 | O(log n) | O(log n) |
| 合并 | O(n) | O(log n) |
4.2 空间优化技巧
- 内存池预分配：如示例代码所示，预先分配节点数组而非动态申请，减少内存碎片和分配开销。
- 指针压缩：在竞赛编程中，可以用数组下标代替指针，节省空间并提高缓存命中率。
- 节点复用：对于删除的节点，可以维护一个空闲列表来重用内存。
4.3 实际应用中的注意事项
- 多线程环境：左偏树不是线程安全的数据结构，需要额外同步机制。
- 持久化需求：如果需要支持版本回溯，可以考虑使用不可变节点设计。
- 内存限制：在嵌入式等内存受限环境中，需要严格控制树的高度，必要时可以引入平衡机制。
5. 左偏树的变体与扩展
5.1 斜堆（Skew Heap）
斜堆是左偏树的简化版本，它不维护NPL属性，而是在每次合并时无条件交换左右子树。虽然理论复杂度相同，但实际性能略差于左偏树。
5.2 二项堆与斐波那契堆
这两种数据结构也能实现高效合并，但实现复杂度更高：
- 二项堆：O(1)摊还时间合并，但其他操作稍慢
- 斐波那契堆：理论上最优，但常数因子大，实际应用少
5.3 支持随机删除的左偏树
通过增加父指针和反向链表，可以实现O(log n)时间的任意节点删除。这在某些图算法（如Prim算法）中很有用。
6. 竞赛中的实战技巧
6.1 调试技巧
- 可视化工具：编写简单的树结构打印函数，帮助调试：
cpp复制void print(Node *x, int depth = 0) {
if (!x) return;
print(x->r, depth + 1);
cout << string(depth * 4, ' ') << x->val << "(" << x->npl << ")\n";
print(x->l, depth + 1);
}
- 断言检查：在关键操作后添加性质检查：
cpp复制assert(!x->left || x->left->npl >= x->right->npl);
6.2 常见错误排查
- NPL计算错误：确保NPL更新公式正确，特别是处理空子树时。
- 指针丢失：在合并操作中注意指针的保存，避免内存泄漏。
- 堆性质破坏：确保每次操作后仍然满足堆序性质。
6.3 性能调优
- 内存局部性：将频繁访问的节点放在连续内存中（如数组实现）。
- 递归改迭代：对于深度较大的树，可以将递归合并改为迭代实现避免栈溢出。
- 特定场景优化：如果合并操作有特定模式（如总是合并小堆到大堆），可以针对性优化。
在算法竞赛中，左偏树常用于需要合并优先队列的场景，如某些图论问题（K短路问题）或区间调度问题。掌握其实现细节和优化技巧，能在关键时刻带来显著的性能提升。