树状数组维护区间
顾名思义,就是用数组来模拟树形结构。那么衍生出一个问题,为什么不直接建树?答案是没必要,因为树状数组能处理的问题就没必要建树。和Trie树的构造方式有类似之处。树状数组可以解决大部分基于区间上的更新以及求和问题。
1. 树状数组和线段树的区别在哪里?
树状数组可以解决的问题都可以用线段树解决,这两者的区别在哪里呢?树状数组的系数要少很多,
2.树状数组的优点和缺点
修改和查询的复杂度都是O(logN),而且相比线段树系数要少很多,比传统数组要快,而且容易写。缺点是遇到复杂的区间问题还是不能解决,功能还是有限。
前面的博客中提到ST解决RMQ问题,其中也可以采用树状数组来进行求解,需要根据实际问题实际解决,考虑问题的时间复杂度和空间复杂度。
先看树状数组的图
通过图可以明显的看出以数组的形式来表示树,黑色数组代表原来的数组(下面用A[i]代替),红色结构代表我们的树状数组(下面用C[i]代替),每个位置只有一个方框,令每个位置存的就是子节点的值的和。可以看出:
C[1] = A[1];
C[2] = A[1] + A[2];
C[3] = A[3];
C[4] = A[1] + A[2] + A[3] + A[4];
C[5] = A[5];
C[6] = A[5] + A[6];
C[7] = A[7];
C[8] = A[1] + A[2] + A[3] + A[4] + A[5] + A[6] + A[7] + A[8];
C[i] = A[i - 2^k+1] + A[i - 2k+2] + … + A[i]; //k为i的二进制中从最低位到高位连续零的长度.对于k怎么求,涉及到lowbit,前面博客已经介绍,自行查看了解。
代码如下:
int n;
int a[ N ] , c[ N ] ;
int lowbit ( int x ) {
return x& ( - x) ;
}
void updata ( int i, int k ) {
while ( i <= n) {
c[ i] += k;
i += lowbit ( i) ;
}
}
int getsum ( int i ) {
int res = 0 ;
while ( i > 0 ) {
res += c[ i] ;
i -= lowbit ( i) ;
}
return res;
}
初始化C数组即使用updata即可。
这个方便单点更新,区间查询。如果是区间更新的话,肯定是不能采用循环单点更新的,效率极低,可以采用维护查分数组,将区间更新转换为两点更新。具体的自行参考查分知识。