树状数组知识点整理

Liuyi Jushi

已于 2022-09-04 22:13:34 修改

阅读量332

点赞数 1

分类专栏：学习文章标签：数据结构

于 2022-09-03 20:56:31 首次发布

本文链接：https://blog.csdn.net/baokeyuan1/article/details/126680700

版权

学习专栏收录该内容

5 篇文章 0 订阅

订阅专栏

0.前言

先简单介绍一下树状数组：

树状数组，是一种修改和查询都为 $O_{log n}$ 时间复杂度的数据结构，常用于数组的多次修改与访问。

树状数组就是由完全二叉树减去一部分节点形成的，类似于前缀和，但是其思想又超越了前缀和，故此具有更好的时间复杂度与更高的难度。

~~（加点官方资料提升档次）~~

记住，待会儿要讲！

树状数组的结构示意图

1.lowbit

首先，我们要讲一讲lowbit这东西。lowbit，翻译成人话就是最后的比特。何为最后的比特？就像这样——

$\left ( 10 \right )_{10}$ = $\left(1010 \right )_{2}$ $,lowbit\left ( \left ( 10 \right )_{10} \right )=\left ( 10 \right )_{2}$

$\left ( 15 \right )_{10}=\left ( 1111 \right )_{2},lowbit\left ( \left ( 15 \right )_{10} \right )=\left ( 1 \right )_{2}$

lowbit，就是一个数字2进制中从右往左数第一个1及其右边的0所构成的二进制数字。

那lowbit怎么求呢？~~（还能怎么求，用for循环一位一位看呗）~~

Wrong Answer ↑

正确操作：x&（-x）

~~（？）~~

~~（小朋友，你是否有很多问号？）~~

求lowbit的原理解释：

首先明确一点：当一个负数参加与运算时，会将其转换为补码

当 -x 转换为补码时，末尾全部的0变成1，最后的1变成0。再加1之后末尾所有的1（原来的0）都进位为0，直到碰见一个0（原来的1），就不会再进位，该位变成1。所以最低位到最右边的1的部分都不会变。而在其之左的部分因为取反，进行与运算后都会变成0。这就是lowbit的原理。

那lowbit有什么用

呢？

不要着急，慢慢来看——

2.树状数组的向上推导

树状数组的向上推导，常用于单点修改。每次修改的时间复杂度为 $O\left ( logn \right )$ 。为何？看图便知——

以101（二进制）举例，每次向上推导时都会提高一个“层次”，且每个“层次”都只会访问一个节点。仔细观察不难发现，自下而上数第一层节点个数为四，第二层节点数为二，第三层节点数为一——随着层次增高，每层的节点个数以指数数量减少。因此，每一次向上推导都是 $O\left ( logn \right )$ 级别的。

向上推导的原理？

那每次具体加多少呢？聪明的你想必已经猜到——lowbit。那为什么是lowbit呢？

（先思考，再看下文）

使用数学归纳法就可以发现每次加上lowbit是正确的。当然，我们也可以推理出结论。众所周知，二进制逢二进一。还是以101举例，101其实就是1* $2^{2}$ +0* $2^{1}$ +1* $2^{0}$ 。而树状数组和其有异曲同工之妙——每两个相同长度的部分数组，都会合并成一个更大、层数更高的部分数组。（实际中还要看位置关系）（想一想为什么这两个部分数组高度一定相同）于是，向上推导的过程就变成了一个把（n-i）拆分成若干个2的自然数次方的和的形式。为什么这个拆分会和lowbit有关呢？想一想，在某一位上缺1，那么这一位上一定就是1。既然我们是每次从小到大增加2的自然数次方，那么增加的自然就是lowbit。同时，这也从另一种角度解释了为什么向上推导的时间复杂度为 $O\left ( logn \right )$ ——在极端情况下，（指原数约等于1）从1加到 $2^{n}$ 要加n次，对于 $2^{n}$ 来说就是log级别。

void ad(int x, int k) {
	while (x <= n) {
		tree[x] += k;
		x += lowbit(x);
	}
}

3.树状数组的向下推导

其实向上推导和向下推导是相通的。向上推导主要应用于单点修改，而向下推导则主要应用于求[1,x]的区间和~~（哎，终于有点正常数组的样子了）~~只要理解了向上推导，就一定能理解向下推导。废话少说，先放图——

向下推导的原理？

如图，从1000出发，那么[1,1000]的区间和就是 $tree_{100}$ + $tree_{110}$ + $tree_{111}$ + $a_{1000}$ 。同样的，我们把1000前面的大小为七的原数组拆分成2的自然数次方的形式：7= $2^{2}$ + $2^{1}$ + $2^{0}$ 。于是，通过同样的操作，我们一步步减去lowbi，一步步求和，直到减为0为止，求和也就用 $O\left ( logn \right )$ 的时间复杂度给解决了。

4.树状数组求区间和

在前言中已经介绍过，树状数组常用于数组的多次修改与访问，且类似于前缀和（本人观点）。那树状数组是如何求区间和的呢？下面让我们来一探究竟。

回忆一下前缀和求区间值。比如[l,r]=sum[r]-sum[l-1]。那树状数组是不是一样的呢？答案是大同小异。运用我们刚刚学会（各位dalao给个面子配合一下）的向下推导，可以得到如下伪代码——

int getsum(int x) {
	int sum = 0;
	while (x) {
		sum += tree[x];
		x -= lowbit(x);
	}
	return sum;
}

关于求特定区间，使用两次查询再作差即可，时间复杂度依然是 $O_{log n}$ 。

下面就是完整代码：

#include<iostream>
#define int short
#define lowbit(x) x&(-x)
using namespace std;
int n, m; //数组长度  操作次数
int tree[100005];
void ad(int x, int k) {
	while (x <= n) {
		tree[x] += k;
		x += lowbit(x);
	}
}
int getsum(int x) {
	int sum = 0;
	while (x) {
		sum += tree[x];
		x -= lowbit(x);
	}
	return sum;
}

signed main() {
	cin >> n >> m;
	for (int i = 1; i <= n; i++) {
		int x;
		cin >> x;
		ad(i, x);
	}
	while (m--) {
		int flag;
		cin >> flag;
		if (flag == 0) {//操作0：把a[x]增加k
			int x, k;
			cin >> x >> k;
			ad(x, k);
		} else {//操作1：求出区间[l,r]的和
			int l, r;
			cin >> l >> r;
			cout << getsum(r) - getsum(l - 1) << endl;
		}
	}
}
//代码动了点小手脚，不要无脑抄袭！

！完结撒花！

为了试炼一下手感，写几道题目吧！

【模板】树状数组1

【模板】树状数组2

【模板】线段树1