树状数组

最新推荐文章于 2024-07-02 22:40:02 发布

ChiLuManXi

最新推荐文章于 2024-07-02 22:40:02 发布

阅读量620

点赞数

本文链接：https://blog.csdn.net/ChiLuManXi/article/details/50637558

版权

从一个简单的问题谈起
考虑一个简单的问题，给定一串有序数字A1...An并不断进行插入数的操作且保证始终有序，在修改过程中陆续给定若干数字N1，N2...Nm，求解A1到ANi的数的和的大小。

我们试想，如果维护一个简单的array A来存储这串数的话，插入不是问题，时间是O(1)，但是问题是如果询问m次，有n个数的话，查询区间大小的时间是O(n * m)，显然如果在n和m较大的情况下是十分耗时的。那么换种思路，如果我们维护一个array B存储的是从1到i这段区间的数的和。那么会使查询时间优化至O(1)，但面临的问题是每次修改都会需要变化从修改位置pos到n的所有数字的数值大小，显然修改操作是O(n * m)的时间复杂度。也是十分耗时的。
那么有没有一种数据结构可以解决这种问题呢。或者说，使插入和查找时间复杂度都折中的一种结构？那么下面介绍的就是插入和查找都是O(mlogn)，那么他怎么实现的呢？
写在树状数组之前
再次考虑一个问题，给定一个数N，如何将其操作后变成二进制只保留其最低位的1呢。举个例子，如10110(十进制24)，经过操作以后变成00010。

这个问题的其实还是很简单的，无非是找到一个方法使得保留最低位的1的情况下，使得别的位取反或置0。那么可以想到一个方法就是将原数取反后加1，这样在最低位的1高位的数仍然是与原数对应位置的数是相反的，而最低位1低位的数则全部由1进位为0，取反后成为0的最低位1经过进位后重新成为1.得到的新的数与原数进行与操作，即可得到题意求解的答案。
拿举的例子操作一下，00010110 取反后 -> 11101001 加1-> 11101010 与原式子00010110与 -> 00000010，得解
如果写成代码如下：
```
x & -x
```
这就是树状数组的灵魂操作——lowbit，它的做什么的呢，下面做介绍。
先浅谈下树状数组的表象
特别强调了，虽然它的名字后缀是数组，但是归根到底，这就是棵树。先看看他的样子：
其中array A代表的是原串数组，而C便是树状数组。我们先通过直观感受找找规律。
C[1] = A[1]
C[2] = C[1] + A[2] = A[1] + A[2]
C[3] = A[3]
C[4] = C[2] + C[3] + A[4] = A[1] + A[2] + A[3] + A[4]
C[5] = A[5]
C[6] = C[5] + A[6] = A[5] + A[6]
C[7] = A[7]
C[8] = C[4] + C[6] + C[7] + A[8] = (C[2] + C[3] + A[4]) + (A[6] + C[5]) + A[7] + A[8] = A[1] + A[2] + A[3] + A[4] + A[5] + A[6] + A[7] + A[8]
通过上面的八个式子，我们可以感受到树状数组mlogn的原理——二分
C[2]是分为1 (A[1])和 2 [C[1]]两边，C[4]是分为1,2 (C[2])一边，3,4 (C[3]A[4])一边。C[8]是分为1~4 (C[4])一边，5~8 (C[6],C[7],A[8])一边。经过二分，在查找的时候，时间复杂度就降到了O(n)，举个例子，如果我们要计算1~5这段区间的值的话，就是C[4] + C[5]，同样，如果要是计算1~7的值，其实就是C[4] + C[6] + A[7]，说到这里可能很多不知道为什么要这么计算，只是从表面上看是这样算出来的，其实它的计算过程是这样的，拿到一个数n我们先看它满足的最高位1是多少，如5和7都是100也就是4，那么加上C[4]，然后进一步求次高位的1，发现5不满足110而7满足，所以7再加上C[6]，发现5满足101所以加上C[5]，而7已经包含110了，所以继续往下找是111，也满足，再加上C[7]。得解。
当然，或许有人说，当添加7的时候，对C[7]还是未知的，那么其实也很简单，只需要利用递归的思想，求解1~6的和后再加上A[7].
array C与array A的关系
现在的当务之急或许应该是求得怎么通过array A求array C，这就用上了前面提到的lowbit操作。我们还是通过观察找规律先，下面我们统一用二进制描述数字，这样比较方便。
C[0001] = A[0001] (0001对应的是从0001开始递减1的1个数)
C[0010] = A[0001] + A[0010] (0010对应的是从0010开始递减1的2个数)
C[0011] = A[0011] (0011对应的是从0011开始递减1的1个数)
C[0100] = A[0001] + A[0010] + A[0011] + A[0100] (0100对应的是从0100开始递减1的4个数)
C[0101] = A[0101] (0101对应的是从0101开始递减1的1个数)
C[0110] = A[0101] + A[0110] (0110对应的是从0110开始递减1的2个数)
C[0111] = A[0111] (0111对应的是从0111开始递减1的1个数)
C[1000] = A[0001] + A[0010] + A[0011] + A[0100] + A[0101] + A[0110] + A[0111] + A[1000] (1000对应的是从1000开始递减1的8个数)
通过上面的式子，我们是不是可以清晰的发现，其实C[i]就是从i开始的递减1的lowbit(i)个数？这样我们就得到了array A和array C的关系，下面就剩两个解决问题的操作，即如何进行求和和插入修改？
两个关键操作
对于添加操作，我们发现，从二进制考虑其实是改变包含与它的所有高位1，在8这个范围里，我们举个例子，这样可以参考上面的图。如果添加3的话，需要改变哪些数字？显然可以得到需要改变C[4],C[8]，为什么不需要改变剩下的数字呢，因为它们完全不包含3这个数字。由上面我们得到的结论，每个数字i只包含从该数开始的递减1的lowbit(i)个数，所以反之添加的时候我们需要改变的其实就是从该数字i开始的x个lowbit(i)个数，且这是一种包含操作，即每次需要更新i的值。
按照3我们进行计算，0011，lowbit(0011) = 0001， 0011+0001 = 0100，此时改变C[4]的值。i = 0100，lowbit(0100) = 0100，0100 + 0100 = 1000，改变C[8]的值，下次操作肯定超出数值范围8，操作结束。
如果用代码表示的话，则如下：
```
void add(elemtype x, val){
    tree[x] += val;
    x += x & -x;
}
```
解决了插入操作后，求和操作就非常简单了，其实就是添加的反操作，就是将从数字i开始递减lowbit(i)的数对应的树状数组的值进行叠加。当然也是包含操作，代码如下：
```
elemtype check(elemtype x){
    elemtype sum = 0;
    while(x > 0){
        sum += tree[x];
        x -= x & -x;
    }
}
```
树状数组小结
树状数组可以解决很多问题，最经典的莫过于多有真子集问题，当模型和模型之间存在着包含关系的时候，求解每个集合真子集的个数等问题可以用树状数组轻松解决。我的另外几篇文章就是介绍了有关几道树状数组的题目，有兴趣可以加以研究。树状数组能让在维护数组的基础上求和的时间复杂度在O(mlogn)级别，在面对大量的n的时候尤为有效。而且它的思想很简单，代码十分简洁，是为广大算法爱好者所喜欢和欣赏的一个数据结构。