树状数组原理及实现

应用

树状数组又称二进制索引树，通过二进制分解划分区间。多用于高效的计算数列的前缀和，在查询前缀和与点更新操作上，其时间复杂度均可在O(log n)下完成。

原理

树状数组引用了分级管理制度且设置了管理小组，管理小组中的每一个成员都管理一个或多个的连续元素。通过下标进行对数组中连续元素的管理。
其逻辑结构表现如图所示：

其中数组a代表着数组中的原始数据，数组c表示着前n个元素的和。即c为数组的前缀和。同样，对于每个数组c中的元素值为图中箭头相连的数据之和。

前缀和查询

例如计算数组中前8个元素的和，即c[8]的值，将如下图所示：

c[8]只要将c[4],c[6],c[7],a[8]相加，则计算出的结果便是前八个元素的和。
但是这里的例子并没有很好的展现树状数组如何进行前缀和查询的，因为由图可以看出c[8]本身存的便是前八项的和。
那么我们可以再举例，计算前7项的数据和。
这里我们不能再去根据c[7]得到前7项的和，因为c[7]中存储的数据仅仅是a[7]的值。但是观察图可以看出，c[4]包含了前四项的和，c[6]包含了第五和第六项的和，那么再加上c[7],这样得到的就是前7项的前缀和。即如图所示

通过以上两个例子，我们其实可以发现，当逻辑上数组c[]形成的树形结构，其根结点中的值就是其下所有子树范围中的数据之和，若c[i]的二进制表示末尾有$k$个连续的0，则c[i]所存储的区间长度为$2^k$,从$a[i]$开始的前$2^k$个元素。在计算前7项数据的例子中，不难看出其实就是计算c[7]及其左侧所有树的根结点之和。

点更新

当我们需要对原始数据中某一个数据进行更新时，我们需要同时将它所贡献的所有数组c中元素进行更新。因为通过前面计算前缀和的过程，我们已经知道了，在查询时，仅对根结点进行计算，不再计算其子树中的结点值。如图

在对a[3]数据进行更新时，只需更新其有贡献的c[3],c[4],c[8]元素即可(数据范围在1~11)。

算法实现

区间长度

前面已经知道了$c[i]$中的值就是其下所有子树范围中的数据之和，当$c[i]$的二进制表示末尾有$k$个连续的0，区间长度也就为$2^k$,是从$a[i]$开始的前$2^k$个元素。那么如何去跳过这$2^k$长度加上左侧相邻的数据和呢？
因为是末尾$k$个0，那么可以将下标$i$按位取反并加1后与原$i$相与，这样可以得到的是$i$最末端1所对应的大小，也就是需要跳过的区间长度。根据整数在计算机中的存储方式，负数为补码存储，已经是完成了对其相反数的按位取反并加一。

代码

int lowbit(int x){
	return (-x)&x;
}

前驱后继

直接前驱：c[i-lowbit(i)],即c[i]左侧相邻的子树根。
直接后继：c[i+lowbit(i)],即c[i]的父节点。
前驱：c[i]的左侧所有子树的根。
后继：c[i]的所有祖宗节点。

查询前缀和

查询时，计算c[i]的前驱之和即可。

int getsum(int x){
	int ans = 0;
	for(int i = x;i;i-=lowbit(i))
		ans+=c[i];
	return ans;
}

点更新

更新时，一并更新其所有后继即可。

void add(int x,int k){//a[x]+=k;
	for(int i = x;i<=maxn;i+=lowbit(i))//maxn为数组的最大范围
		c[i]+=k;
}

区间和

当计算m~n的区间范围和时，计算出m-1的前缀和与n的前缀和大小，getsum(n)-getsum(m-1)即为区间和。

多维树状数组

仅需将上文中的得到的一维数组c[i]看做原始数据数组，再应用同样的计算方法，更新即可得到多维的树状数组，查询[0,0]到[m,n]的区间和。点更新同上。

分析

树状数组求取前缀和需要预处理，每一个数据都必须以更新的形式插入到数组中去，前n个数据的初始化需要用时$O(nlogn)$，后续的查询，更新同样都是$O(logn)$。即在区间更新与点查询中效率较低。同样的，树状数组不可以解决类似于求取区间最值的问题。

注意：树状数组下标必须从1开始，因为当下标为0时，其lowbit值为0

例题解析

POJ 2352 数星星

POJ 3067 公路交叉数

POJ 3321 子树查询

感想

对于树状数组的实现较为容易，在逻辑上理解并不存在较大困难，但是关键在与如何去将一组数据，一份题意抽取转化为树状数组可以解决的问题，树状数组混合了其它知识点后如何进行对应的分析。以及在树状数组和线段树中选择更加适合的算法进行实现。