1. 引言
前文使用倍增算法实现了快速求幂的运算，本文继续讲解ST表，ST表即倍增表，本质就是动态规划表，记忆化了不同子问题域中的结果，用于实时查询。只是动态规划过程和传统的稍有点不一样，采用了倍增思想。ST表往往用于存储子区间信息，如某区间的最值……
是不是所有的区间问题都可以使用ST表？
某个区间查询问题是否适用ST表，在于其进行的操作是否允许区间重叠。如下图所示：
如求 [1,6]区间的最大值，可以使用如下 2 种方案：
- 直接在
[1,6]子区间内使用求最值算法，找出最值。这个算法较易实现，一个循坏语句就搞定。
- 如果已经知道了区间
[1,5]和区间[3,6]的最大值，这两个区间可认为是区间[1,6]的子区间，且两者有重叠部分，如图可知区间[1,6]最大值是两个子区间中的较大值，即为10。类似于这样的区间关系，是可以使用ST表实现的。
为什么称ST表为倍增表？
整个数组是一个区间，则分割成小区间的方案可以是：
- 长度为
1的区间：[0,0]，[1,1]，[2,2]…… - 长度为
2的区间：[0,1]，[1,2]，[2,3]…… - 长度为
3的区间：[0,2]，[1,3]，[2,4]…… - 长度为
4的区间：[0,3]，[1,4]，[2,5]…… - 长度为
5的区间……
还可以划分出长度为6、7、8……的区间，如此分肯定是可行的，但是显得过于零碎、过多，维护代价较高。倍增法分割的原则是按长度为 1、2、4、8、16……分割，也就是按 2 的幂次方分割，这便是倍增表的由来。
- 长度为
1的区间：[0,0]，[1,1]，[2,2]…… - 长度为
2的区间：[0,1]，[1,2]，[2,3]…… - 长度为
4的区间：[0,3]，[1,4]，[2,5]…… - 长度为
8的区间：[0,7]，[1,8]，[2,9]……
为什么说这种方案是可行的？
根据前面的分析可知，如果知道当前区间的子区间的最大值且子区间之间连续或重叠的，则当前区间的值可由子区间推导出来。从倍数关系来看，长度为 8 的区间可分割成 2 个长度为 4 的区间，长度为 4 的区间可分割成 2 个长度为 2 的区间……
如下图所示，任何一个区间都可以分割成两个与之有关联的子区间，从而减少更多细碎区间的存在。
2. 生成 ST 表
区间应该有 3 个属性，左端点(left)、右端点(right)、此区间的最大值。以下分别分析长度不同时区间的左端与右端的关系。
先以长度为 8 的区间[0,7]为例探讨左端与右端的关系：
left=0，right=left+23-1=0+8-1=7。
以长度为 4 的区间[4,7]为例探讨左端与右端的关系：
left=4，right=left+22-1=4+4-1=7。
以长度为 2 的区间[4,5]为例探讨左端与右端的关系：
left=4,right=left+21-1=4+2-1=5。
以长度为 1 的区间[4,4]为例探讨左端与右端的关系：
left=4,right=left+01-1=4+1-1=4。
再观察求幂运算中指数的通用性：区间长度为 1 时指数为 0；区间长度为 2 时指数为 1；区间长度为 4 时指数为 2；区间长度为 8 时指数为 3……也就是如果知道了left以及区间长度则可计算出右区间的大小，右区间是动态值。
对于长度为 10的数列而言，到底能划分成多少个不等的区间？
从上述例子来看，数组长度为 10 时，区间最大长度为 8也就是 23 就可以了，其值是 log10(以 2 为底数) 向下取整。有了上述推导的支撑，如可创建 ST就应该呼之欲出了。
创建一个二维数组，命名为 ST表。行坐标表示左端，列坐标并不直接表示右端，而是表示指数，有了指数信息即可以表示区间长度，又能计算出右端大小。如下图 st[0][0]表示的left=0、right=left+20-1=0，即区间[0,0]。
数组存储对应区间的最大值，根据上述的推论可知，区间长度为1的最大值为自己。
当 right=1即表示长度为 2 的区间，此时，如下图 st[0][1]的值应该如何推导出来。
回到上文中的推导理论，知道区间长度为 2 的最大值，可以是它的 2 个长度为 1 的子区间的中的最大值。如下图所示，区间[0,1]的最大值是 max([0,0],[1,1] )的最大值，即为 8。
问题是如何写出动态转移公式？
再分析一下：
- 求指数为
1的区间值，得从指数为0的区间找，首先，指数要降级。 - 左边子区间
[0,0]的left值和区间[0,1]的左值相同，右边子区间[1,1]的左端值是左子区间的left+20=0+1=1。
如此，动态转移公式也就可以出来了：
- 当
right=0时，st[left][right]=nums[left]。 - 当
right!=0时，st[left][right]=max(st[left][right-1],st[left+2right-1][right-1]。
编码实现：
#include<iostream>
#include<cmath>
#include<algorithm>
using namespace std;
//st 表
int st[100][10];
//原数组
int nums[100];
//实际长度
int n,col;
/*
* 初始化
*/
void init() {
for(int i=0; i<n; i++) {
scanf("%d",&nums[i]);
st[i][0]=nums[i];
}
}
/*
* 创建 ST 表
*/
void setSt() {
col =(int)(log(n)/log(2));
for(int j=1; j<=col; j++)
for (int i=0; i<n-(1<<j)+1; i++)
st[i][j]=max(st[i][j-1],st[i+(1<<(j-1))][j-1]);
}
/*
*输出ST表
*/
void show() {
for(int i=0; i<n; i++) {
for(int j=0; j<=col; j++) {
cout<<st[i][j]<<"\t";
}
cout<<endl;
}
}
int main() {
scanf("%d",&n);
init();
setSt();
show();
return 0;
}
3. 查询
st表的创建，目的是快速查询某区间的最大值，下面讨论如何准确定位区间，以及找到最大值。
如下图所示，如果用户输入的区间是[0,3]，则运气很好，因为恰好有这么一个区间。那么如何得到 st[i][j]中 i和j的值？
显然i=0，求 j的表达式为：i+2j-1=3，则 2j=4-0=4；j=log4(以 2 为底); j=2，也就直接从 st[0][2]得到最大值。
但是，如果输入的区间是[0,6]，不存在这么一个区间，则需要从能作为此区间的子区间中查找。
假设在st[i][j]中，i=l,j=p,len=r-l+1(区间长度)，找最大的p应满足2p <= len(以l为起点的st表数据覆盖[l,r]中数足够多)，则p=int(log(len)/log(2))。
左子区间为 st[l][p]，右子区间为 st[x][r]。如何求x，对于st[x][r]，应有：[x][x+pow(2,p)-1]<=>[x][r]。所以， x+pow(2,p)-1=r，移项，得：x=r+1-pow(2,p)，显然，x>=l ( l+pow(2,p)-1<=r,x+pow(2,p)-1=r,故x>=l)
综上[l,r]的最大值 = max( f[l][p] , f[x][R] )。
完整代码：
#include<iostream>
#include<cmath>
#include<algorithm>
using namespace std;
//st 表
int st[100][10];
//原数组
int nums[100];
//实际长度
int n,m,col;
/*
* 初始化
*/
void init() {
for(int i=0; i<n; i++) {
scanf("%d",&nums[i]);
st[i][0]=nums[i];
}
}
/*
* 创建 ST 表
*/
void setSt() {
double a= log(5);
cout<<a<<endl;
col =(int)(log(n)/log(2));
for(int j=1; j<=col; j++)
for (int i=0; i<n-(1<<j)+1; i++)
st[i][j]=max(st[i][j-1],st[i+(1<<(j-1))][j-1]);
}
/*
*输出ST表
*/
void show() {
for(int i=0; i<n; i++) {
for(int j=0; j<=col; j++) {
cout<<st[i][j]<<"\t";
}
cout<<endl;
}
}
int find() {
int l,r,p,x;
for(int i=1; i<=m; i++) {
scanf("%d%d",&l,&r);
p=(int)(log(r-l+1)/log(2));
x=r-(1<<p)+1;
int res= max( st[l][p], st[x][p]);
cout<<res<<endl;
}
}
int main() {
scanf("%d%d",&n,&m);
init();
setSt();
show();
find();
return 0;
}
测试结果：
4. 总结
区间查询有很多方式，ST是不错的选择。
