Senior Data Structure·详解分块思想与树状数组

一、浅析数据结构之用处和高级数据结构之特性

数据结构者，谓之数据之关系。单论数据特性，也不过是数据之间的存储方式罢。但要说更深层次之作用，是运用其存储之特性，建立数学之模型，更方便地才处理数据尔。

以上是鲁迅同志说的（鲁迅：$exm$？？？），其实一切的数据结构不过就是一种用于处理数据的、成熟的、合理的结构封装。较低级的数据结构不会支持什么操作，仅是维护自身的存储秩序；而高级数据结构则可以支持许多操作——其实也不过是维护自身数据的秩序而已，只不过在维护其自身秩序的同时，由于其本身结构复杂且特点鲜明，所以会产生许多很优化的算法。
（鲁迅：看在你讲得这么好饶了你！）

而今天我们主要介绍有关$RMQ$、$RSQ$问题的、较为基础的高级数据结构。

二、先来介绍分块思想吧

（一）基本性质与证明

其实从本质上来讲，分快更像是一种思想。分块，顾名思义，就是将一个区间分成几块，然后对于每个询问，整合一个或者多个甚至全部区间的信息。但是在这种整合不是随便整合，必须要有技巧、有目的地整合，才会减小时间复杂度。

先看一道例题：

现在你有一个长度为$n$的序列，有$m$个操作：

1.修改某位置的元素的值

2.将一段区间的元素加上或减去一个值。

3.求一段区间的元素的最大值。

$n$,$m$≤$50000$

让我们考虑分块:
首先第一步，进行区间划分，在这一步我们考虑将整个序列划分成$\sqrt{n}$块，这可以使得其总查询时间最快

证明：

对于搜查整个序列中的一段区间，设这段区间内的完整分块块数是$C$块，每一段均匀的分块都$S$个元素，那么这一段区间的最复杂形式为:有$C$个完整区间，并且闭区间[$l$,$r$]还在两端包括有不完整的分好的块：

——|—【————|——————|——————|————】—|————

上图中【】表示区间，|与|之间表示分好的均匀块（qwq博主不知道怎么画精美的图啦）

我们可以发现该区间内有$C$段完整区间，$2$段不完整区间；而同时，不完整区间的元素数量之和，绝对小于等于$2S$；那么我们对于这一个区间而言，共需要进行最多$C+2S$次查询——因为一个分块可以供给块内所有元素的信息。那么查询的时间复杂度便是$O$（$C+2S$）,从渐进意义上来讲，时间复杂度为$O$（$C+S$)，渐进整合后便是$O(max(C,S))$（渐进的时间复杂度，可以认为等于对数值改变影响最大的数值的复杂度）

在知道这一点之后，我们可以这么想：因为$C\times{S}$+$2S$>=$r-l+1$,所以我们可以近似地看做有$C\times{S}$=$r-l+1$，所以在同一区间内$C×S$之积可以看作是个定值。那么当且仅当$S$=$C$时，才会使得$max$（$C$，$S$）最小，此时$S$=$C$=$\sqrt{n}$。

（二）分块的运行机制

首先就是确立所分的块与被包含元素之间的关系，我们在此用一个$belong$数组记录每个点与所分的块之间的关系，同时进行区间记录。

    int n,a[MAXN],belong[MAXN];
    int S,C=0,st[MAXN],ed[MAXN];//sum[MAXN],ma_x[MAXN],mi_n[MAXN]; 
    /*
    n:元素个数，a[]：元素，belong[]:每个元素所属的块的编号 
    S:每个块有多少元素 C:分块个数 st/ed:每个块的左边界、右边界 
    sum[MAXN]/ma_x[MAXN]/mi_n[MAXN]用于记录区间信息 
    */ 
    void pretreat()
    {
        S=int(sqrt(double(n)));
        for(int i=1;i<=n;i+=S){
            st[++C]=i;
            ed[C]=min(i+S-1,n);//有可能会越界（sqrt必然有精度误差） 
        }
        for(int i=1;i<=C;i++)
            for(int j=st[i];j<=ed[i];j++)
                {
                belong[j]=i;//初始化belong 
                /*
    //区间操作  sum[i]+=a[j];
                ma_x[i]=max(ma_x[i],j);
                */
                }
    }

其次便是区间修改&单点修改：由于区间操作只能针对于某个已经被分好的块，所以对于某些不完整区间的改动，需要进行单点修改。

对于区间修改，还有一点，为了帮助我们对区间讯息的整合，所以会引进一个$delta mark$，记录某个区间整体的变化情况。
注意：当且仅当一个块被统一修改，才会改变这个。块的$delta$。
值

//区间单点修改 ，此处以求区间和为例 
    inline void updata_single(int x,int k)
    {
        a[x]+=k;
        sum[belong[x]]+=k;
    }

    //区间修改，同上
    int delta[MAXN];//用于记录一个！完整！区间的修改 
    void updata_range(int x,int y,int k)
    {
        int l=belong[x],r=belong[y];
        if(l==r&&st[l]==x&&st[r]==y)
        {delta[l]=k; return ;}//ma_x[]
        //这个if纯粹是为了减少底下的运算，毕竟判断只有O(1) qwq
        else
        {
            for(int i=x;i<=ed[l];i++)
                updata_single(i,k);//如果不是完整区间，就单点修改 
            if(st[l]>x&&st[r]<y)return ; 
            //如果查询区间被某个块完全包含且不相等，
            //不需要进行以下操作 
            for(int i=st[r];i<=y;i++)
                updata_single(i,k);
            //如果所查询区间与块有交集且不想等
            //不需进行以下操作 
            for(int i=l+1;i<r;i++)
                delta[i]+=k;;
        }
    }

紧接着就是区间询问了，此时我们的$delta$就派上用场啦！

    int query(int x,int y)//依然为区间和 
    {
        int l=belong[x],r=belong[y],ans=0;
        if(l==r){
            for(int i=x;i<=y;i++)
                ans+=a[i]+delta[belong[i]];
        }
        else{
            for(int i=x;i<=ed[l];i++)
                ans+=a[i]+delta[belong[i]];
            for(int i=l+1;i<r;i++)
                ans+=sum[i]+delta[i]*(ed[i]-st[i]+1);
                //对于每个区间的O(1)运算 
            for(int i=st[r];i<=y;i++)
                ans+=a[i]+delta[belong[i]];
        }
        return ans;
    }

我们会发现，对于一个分块程序来说，期望的时间总复杂度为：O（$\sqrt{n}$*$m$）的，对于$50000$来说完全能跑开

三、树状数组浅谈

（一）关于树状数组的正确释义$emmmm$

首先要知道一个很重要的点：

树状数组用的是树结构的思想(也就是树型逻辑结构)，而不是真正的“树形结构”，初学者不要被强行拉入坑啊qwq（换句话说，从某种意义上，树状数组跟树其实——————没有特别大的关系）

那它为什么被叫作树状数组呢qwq？

（二）树状数组的存储特点

首先解释，树状数组支持的操作：1、区间和、区间异或和、区间乘积和$RMQ$（显然，支持的操作都具有交换律，这也算是树状数组的一大特性吧）2、单点修改（朴素的树状数组结构不支持区间修改，当然也可以普及成区间修改结构$emm$但我们先不提）

$emmmm$那为什么不直接用前缀和或者差分数组呢？

我们知道，前缀和数组的维护是$O$（$n$）的，查询、修改是$O$($1$)的,然而，树状数组的维护却是$O$（$logn$）的。并且查询、修改也是$O$($1$)的——这便是一个很大的优化。

等等，$logn$？有点眼熟诶。再提示提示，这个$log$实际意义其实是$log$以$2$为底———————

对，没猜错，就是二进制表示法，也就是二叉树上数据之间的特殊逻辑关系!

实际上，对于树状数组$tree$的每一个i，其实际意义应该为：算上其本身的讯息，总共存储了$2^k$个元素的信息，其中$k$表示$i$在二进制下，末尾零的个数，同时也可以表示最小的含1位的二进制权值——换句话讲，$2^k$即可表示成：对于每个二进制意义下的i，从最末位数$k+1$位，保留这$k+1$位并删除$k+1$位以左的所有数位上的数，留下的新二进制数的实际大小。

晕了？从头来看这张图：

(10)(2)

1： 1

2： 10

3： 11

4： 100

5： 101

6： 110

7： 111

8：1000

结合这张二进制转换表，是不是看出什么规律来了？对于上面的加粗$emmmm$多读几遍还是会读懂的（毕竟只是个找规律啊$qwq$）

而对于每一个x的最低含一位，即上文中的$2^k$,可以借助一个$lowbit$函数实现——而这个的实现方式是很玄学的：

    inline int lowbit(int x)
    {
        //return (x^(x-1))&x;
        return x&(-x);
    }

上文代码中给了两种不同的实现方式，而这两种中，有一种是通过数学+二进制的方式得出，另一种则是通过计算机编码特性得出$emmm$我实在懒得证了

（三）树状数组的建立、维护和查询

建立：此处拿求区间和为样例

void build() 
{
for(int i=1;i<=n;i++)       
{cin>>a[i];tree[i]=i;}//一开始先赋初值
}

维护：看注释

void updata(int x,int k)
{
    for(;x<=n;x+=lowbit(x))
        tree[x]+=k;
//此处可以如是想：lowbit取出的是当前x的最低含一位
//权值位，相加后等于向高位进位，并且已有的数位永远为零
//这就可以推出：每当x值+=lowbit(x)时，都会有进位，并且
//进位后的新x值一定包含所有原来的x值，也就是说，这一步
//充分地向上进位，达到区间和更新的目的。 
}

询问：从大到小枚举，比较方便。

    long long query(int x){
        int ans;
        for(;x;x-=lowbit(x))
            ans=ans+tree[x];
        return ans;
    }

整合：相减即可

    inline long long my_union(int x,int y)
    {
        return query(x)-query(y-1);
     }

$SO$，每次操作的复杂度均为$O(logn)$