树状数组模板

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;
}