问题提出
已知数组a[],元素个数为n,现在要求a数组中i到j区间内的和(1<=i<=j<=n).
思考
我们完全可以存储sum[1,k]
(k=1,2,……),然后对任意给定的查找区间[i,j],都可以方便的用ans=sum[1,j]-sum[1,i-1],当然这只是没有元素改变的情况下的比较优化的解法.那么对于对于数组中的元素随时变更的情况下,我们能否还这么做呢?
如果仍然采取这样的方法,则每次数据有更新,则需要将更新的元素后的sum值全部再求一次。假设有m次查询或者更新操作,则时间复杂度将达到m*n了。有没有更好的办法来缩小这个时间复杂度吗?
可以想一下,每次更改的元素可能是比较少的,有时候甚至每次只改变一个元素,但是在用暴力方法求区间和的时候,却对区间内所有的元素都累加了一遍,这样其实造成了许多无谓的运算.这时候也许会想到如果能把一些结果存起来会不会减少很多运算?答案是肯定的,但问题是怎么存,存什么?
二进制思想
我们可以利用二进制的思想。
令这棵树的结点编号为C1,C2……Cn。令每个结点的值为这棵树的值的总和,那么容易发现:
C1 = A1
C2 = A1 + A2
C3 = A3
C4 = A1 + A2 + A3 + A4
C5 = A5
C6 = A5 + A6
C7 = A7
C8 = A1 + A2 + A3 + A4 + A5 + A6 + A7 + A8
……
C16 = A1 + A2 + A3 + A4 + A5 + A6 + A7 + A8 + A9 + A10 + A11 + A12 + A13 + A14 + A15 + A16
这里A是原数组,C是树状数组。
这里有1个有趣的性质:设节点编号为x,那么这个节点管辖的区间为2^k(刚好为x的二进制中最后一个1表示的值)。因为这个区间最后一个元素必然为Ax,所以很明显:
算法
算这个2^k有一个快捷的办法,定义一个函数如下即可:
int lowbit(int x){
return x&(x^(x–1));
}
优化算法
当然,大家仔细回想一下以前学过的位运算,则lowbit还有这样的写法:
int lowbit(int x)
{
return x&-x;
}
也可以这样写:
#define lowbit(x) (x&-x)
当想要查询一个SUM(n)时,可以依据如下算法即可:
step1: 令sum = 0,转第二步;
step2: 假如n <= 0,算法结束,返回sum值,否则sum = sum + Cn,转第三步;
step3: 令n = n – lowbit(n),转第二步。
可以看出,这个算法就是将这一个个区间的和全部加起来,为什么是效率是log(n)的呢?以下给出证明:
n = n–lowbit(n)这一步实际上等价于将n的二进制的最后一个1减去。而n的二进制里最多有log(n)个1,所以查询效率是log(n)的。
如果修改一个节点,必须修改其所有祖先,最坏情况下为修改第一个元素,最多有log(n)的祖先。所以修改算法如下(给某个结点i加上x):
step1: 当i > n时,算法结束,否则转第二步;
step2: Ci = Ci + x, i = i + lowbit(i)转第一步。
基本函数
下面是树状数组的基本函数:
const int MAX = 50000;
#define lowbit(x) (x&-x)
int tree[MAX+1],N,T;
//更新元素
void update(int pos,int val){
while(pos<=N){
tree[pos]+=val;
pos+=lowbit(pos);
}
}
//求和
int getsum(int x){
int sum=0;
while(x>0){
sum+=tree[x];
x-=lowbit(x);
}
return sum;
}
//初始化
int main()
{
for(int i=1;i<=N;i++){
scanf("%d",&x);
update(i,x);
}
}
树状数组比较适合用来求动态数组的区间之和.其最基本的函数是lowbit(x)。
一次更新的时间复杂度是log(n)
一次求和是log(n).
对于最开始提出的问题,即n个元素的动态数组进行M次查询或更新,其总的时间复杂度为mlog(n).
树状数组的实现是非常简单,思想很巧妙,有一定的应用范围。大家一定要好好学会。
例题
下面让我们来看几道例题。