概述
对于一个数组,当采用暴力做法时,修改其中某个元素的时间复杂度为O(1), 区间查询的时间复杂度为O(n), 当数据庞大且进行多次查询操作时,这是不可接受的。为此,可以使用一种叫树状数组的数据结构,使得单点修改和区间查询的时间复杂度均为O(logn).
思路
对于某段区间和,我们可以先求区间两端的前缀和,然后用区间两端相减即可。于是问题就转化为了如何快速求出某个区间的前缀和,而树状数组就是把一些区间的和通过树组织起来。如下图:
其中a表示原始数组,c表示树状数组,c[i]的意思表示以a[i]结尾,长度为lowbit(i)的区间的和,lowbit(i)表示i在二进制下从右往左起遇到第一个1的值。
以16为例,16的二进制为10000, 那么lowbit(16)为10000,所以c[16]则表示以a[16]结尾长度为16的区间和,即a[1] + a[2] + … + a[16]。
但对于15来说,c[15]仅代表区间[15, 15], 这样那么如何求出1~15的和呢?
根据前面c数组的定义,我们不妨在二进制表示下分出如下区间(左开右闭)
00000 ~ 01000
01000 ~ 01100
01100 ~ 01110
01110 ~ 01111
我们可以发现,这些区间之和相加恰好等于c[15],每个区间都刚好对应着某个c[i](i 为区间的右端点),而且区间i与上一个区间的差为lowbit(i)。
利用这一规律,我们可以快速求出某个区间的值, 即找到图中某个节点的所有子节点。
同理,当我们对某个值进行修改时,只需沿着该子节点向上修改其所有父节点即可。
代码
lowbit
int lowbit(int x)
{
return x & -x;
}
add
void add(int x, int c)
{
for(int i = x; i <= n; i += lowbit(i)) {
tr[i] += c;
}
}
sum
int sum(int x)
{
int res = 0;
for(int i = x; i > 0; i -= lowbit(i)) {
res += tr[i];
}
return res;
}