算法竞赛中的扫描线技巧与线段树应用

1. 算法竞赛中的扫描线技巧与实战解析

作为一名算法竞赛选手，我最近集中攻克了几道经典的扫描线问题。扫描线算法是计算几何中的重要技巧，尤其在处理矩形面积、周长等问题时表现出色。本文将详细解析四道典型题目，分享我的解题思路和代码实现。

2. 矩形面积并问题：HDU 1542 Atlantis

2.1 问题分析与算法选择

Atlantis问题要求计算多个矩形在平面上的总面积（重叠部分只计算一次）。这是经典的矩形面积并问题，扫描线算法是最佳解决方案。

扫描线算法的核心思想是：

1. 将每个矩形拆分为两条边：入边（y坐标较小）和出边（y坐标较大）
2. 将所有边按y坐标排序
3. 用线段树维护当前x轴上的覆盖情况
4. 从上到下扫描每条边，计算相邻两条边之间的面积贡献

2.2 关键代码实现解析

cpp复制struct node{
    double y, lx, rx;
    int inout;  // 1表示入边，-1表示出边
    node(){}
    node(double y, double x1, double x2, int io): 
        y(y), lx(x1), rx(x2), inout(io){}
}t[N];

线段树的pushup操作需要特殊处理：

cpp复制void pushup(int p, int l, int r){
    if (tag[p]){  // 当前区间被完全覆盖
        len[p] = X[r] - X[l];  // 直接计算长度
    } 
    else if (l + 1 == r){  // 叶子节点且未被覆盖
        len[p] = 0;
    } 
    else{  // 部分覆盖，合并子节点信息
        len[p] = len[p << 1] + len[p << 1 | 1];
    }
}

2.3 注意事项与优化技巧

1. 离散化处理：x坐标需要离散化以减少线段树规模
2. 边界处理：线段树维护的是区间而非点，修改时需注意边界条件
3. 浮点数精度：使用double存储坐标，输出时保留两位小数
4. 空间优化：可以动态开点减少内存使用

3. 矩形周长并问题：HDU 1828 Picture

3.1 问题特点与算法调整

与面积并不同，周长并需要计算所有矩形边界的总长度。这需要同时维护：

1. 被覆盖的区间长度（用于计算水平边贡献）
2. 连续区间的段数（用于计算垂直边贡献）

3.2 线段树节点设计

cpp复制bool lvis[N << 2], rvis[N << 2];  // 左右端点是否被覆盖
int num[N << 2];  // 连续区间段数
int tag[N << 2];  // 覆盖次数
int len[N << 2];  // 被覆盖的总长度

关键pushup逻辑：

cpp复制if (tag[p]){  // 当前区间被完全覆盖
    lvis[p] = rvis[p] = true;
    len[p] = r - l + 1;
    num[p] = 1;
} 
else if (l == r){  // 叶子节点且未被覆盖
    len[p] = num[p] = 0;
    lvis[p] = rvis[p] = false;
} 
else{  // 合并子节点信息
    lvis[p] = lvis[p << 1];
    rvis[p] = rvis[p << 1 | 1];
    len[p] = len[p << 1] + len[p << 1 | 1];
    num[p] = num[p << 1] + num[p << 1 | 1];
    if (lvis[p << 1 | 1] && rvis[p << 1]) 
        num[p]--;  // 合并相邻区间
}

3.3 周长计算策略

1. 水平边贡献：相邻扫描线之间的高度差 × 当前覆盖段数 × 2
2. 垂直边贡献：当前被覆盖长度与上一次的差值绝对值

4. 三维偏序问题：JOISC 2019 考试

4.1 问题转化与CDQ分治应用

题目要求统计满足三个条件的元素对，可以转化为三维偏序问题。CDQ分治是解决此类问题的有效方法。

4.2 CDQ分治实现细节

cpp复制void CDQ(int l, int r) {
    if (l >= r) return;
    int mid = (l + r) >> 1;
    CDQ(l, mid);
    CDQ(mid + 1, r);
    
    // 归并处理
    vector<node> v;
    int p1 = l, p2 = mid + 1;
    while (p1 <= mid && p2 <= r){
        if (inp[p1].t >= inp[p2].t){ 
            if (!inp[p1].k) add(inp[p1].sum, 1);  // 插入元素
            v.push_back(inp[p1]);
            p1++;
        } 
        else{
            if (inp[p2].k) ans[inp[p2].id] += query(len) - query(inp[p2].sum - 1);
            v.push_back(inp[p2]);
            p2++;
        }
    }
    // 处理剩余元素
    // ...
    
    // 清空树状数组
    for (int i = l; i <= mid; i++){
        if (!inp[i].k) add(inp[i].sum, -1);
    }
}

4.3 注意事项

1. 排序规则：需要定义严格的三维偏序比较函数
2. 离散化处理：对三个维度都要进行离散化
3. 查询时机：只在处理查询操作时统计答案
4. 内存管理：及时清空树状数组避免影响后续计算

5. 分治技巧应用：ABC248Ex Beautiful Subsequences

5.1 问题分析与分治策略

这道题要求统计满足特定条件的子区间数量。采用分治算法，将问题分解为左半区间、右半区间和跨越中点的区间。

5.2 关键实现步骤

1. 预处理极值：计算左右区间的极值前缀

cpp复制for (int i = mid; i >= l; i--){
    mxl[i] = max(p[i], mxl[i + 1]);
    mnl[i] = min(p[i], mnl[i + 1]);
}
for (int i = mid + 1; i <= r; i++){
    mxr[i] = max(p[i], mxr[i - 1]);
    mnr[i] = min(p[i], mnr[i - 1]);
}

2. 双指针维护：使用树状数组统计满足条件的区间

cpp复制while (jr + 1 <= r && mxr[jr + 1] < mxl[i]){
    jr++;
    add(jr + mnr[jr], 1);
}
while (jl + 1 <= min(jr, r) && mnr[jl + 1] > mnl[i]){
    jl++;
    add(jl + mnr[jl], -1);
}

3. 区间反转技巧：通过反转区间处理另一种大小关系

cpp复制solve(l, r, mid);
reverse(p + l, p + r + 1);
solve(l, r, r - mid + l - 1);
reverse(p + l, p + r + 1);

5.3 算法优化

1. 树状数组替代：可以用更高效的数据结构加速统计
2. 边界条件处理：特别注意区间端点的开闭情况
3. 常数优化：减少不必要的内存操作

6. 竞赛经验与技巧分享

通过这几道题的练习，我总结了以下经验：

1. 模板准备：提前准备好常用算法的模板代码（如扫描线、CDQ分治）
2. 细节调试：特别注意边界条件和特殊情况的处理
3. 问题转化：将复杂问题转化为经典模型（如三维偏序）
4. 分治策略：对于区间统计问题，分治往往是有效解决方案
5. 数据规模：合理估计数据规模，选择合适的数据结构

在算法竞赛中，理解算法原理比单纯记忆模板更重要。每道题都有其独特之处，需要根据具体情况调整解决方案。建议从简单案例入手，逐步验证算法正确性，再处理复杂情况。