高级数据结构(1)

前缀和

• 对于一个序列$a$，它的“前缀和”序列$s$可以通过递推计算
  $$s[i]=\sum _{j=1}^{i}a[j]=s[i-1]+a[i]$$

• 区间和，即序列$a$在$[l,r]$之间的数之和，可以通过“前缀和”相减求得
  $$\sum _{i=l}^{r}a[i]=s[r]-s[l-1]$$

二维前缀和

• 在二维数组中，二维前缀和如下：
  $$\begin{gathered} s[i,j]=\sum _{x=1}^i\sum _{y=1}^{j}a[x,y] \\ =s[i-1,j]+s[i,j-1]-s[i-1,j-1]+a[i,j] \end{gathered}$$
• 区间和，以边长为$r$的正方形为例：
  $$\begin{gathered} \sum _{x=i-r+1}^i\sum _{y=j-r+1}^{j}a[x,y] \\ =s[i,j]-s[i-r,j]-s[i,j-r]+s[i-r,j-r] \end{gathered}$$
• $O(N^2)$递推求出二维前缀和，$O(N^2)$枚举边长为$r$的正方形的右下角坐标$(i,j)$，即可$O(1)$计算正方形内数字之和。

差分

• 对于一个序列$a$，定义基于$a$的差分序列$b$：
  $$\begin{gathered} b[1]=a[1] \\ b[i]=a[i]-a[i-1](2\le i\le n) \end{gathered}$$
• 前缀和与差分是互逆运算，差分序列的前缀和序列即为原序列$a$，而前缀和序列的差分序列也是原序列$a$。
• 把区间$a[l...r]$中的每一项加上$d$（区间修改），只要将其差分序列$b[l]+d$, $b[r+1]-d$，其它元素不变，即将“区间修改”，变为“单点修改”。

ST算法

• 当频繁进行区间最值查询（$RMQ$）时，$ST$算法的时间复杂度是$O(1)$，预处理$ST$表($sparse$ $table$)的时间复杂度是$O(n\ast logn)$。
• 使用该算法时，不支持对原序列进行修改。
• 当我们要查询区间$a[l...r]$的最大值时，可以把区间分成左右两个子集，每个子集的最大值中更大的那个，就是区间$a[l...r]$的最大值。即使两个子集有交集，得到的结果仍然是我们想要的。这个性质适用于求最大值和最小值，但不适用于求和运算。
  
• 每次二分的区间长度均为$2$的幂次方，这样便于不断拆分，直至区间内剩下唯一的一个元素。我们用$f[i][j]$表示区间$a[i...i+2^j-1]$的最大值，当区间内只有一个元素$a[i]$时，$f[i][0]$就等于$a[i]$。这样一来，区间$a[l...r]$的最大值，就可以通过以下方式进行计算：
  $$maxx=max(f[l][k],f[r-2^k+1][k])$$
• 如何预处理$f$数组呢？可以采用递推的方式。只要已知$f[i][j-1]$和$f[i+2^{j-1}][j-1]$的大小，就可以推算出$f[i][j]$，即区间$a[i...i+2^j-1]的最大值$
  $$f[i][j]=max(f[i][j-1],f[i+2^{j-1}][j-1])$$
• 模板题，数列区间最大值 http://ybt.ssoier.cn:8088/problem_show.php?pid=1541

#include <bits/stdc++.h>
using namespace std;

const int N = 1e5 + 10; 
int n, m, a[N], f[N][20];

int main() {
	scanf("%d%d", &n, &m);
	for (int i = 1; i <= n; i ++) {
		scanf("%d", &a[i]);
		f[i][0] = a[i];
	}
	
	int t = log2(n);
	for (int j = 1; j <= t; j ++) {
		for (int i = 1; i + (1 << j) - 1 <= n; i ++) {
			int k = j - 1;
			f[i][j] = max(f[i][k], f[i + (1 << k)][k]);
		}
	}
 	
 	while (m --) {
 		int x, y;
 		scanf("%d%d", &x, &y);
 		int k = log2(y - x + 1);	//分成2组，每一组元素个数为2^k个 
 		
 		int maxx = max(f[x][k], f[y + 1 - (1 << k)][k]);
 		printf("%d\n", maxx); 		
	} 
 
	return 0;
}

树状数组

• 我们思考“单点修改，区间查询”的问题，即修改a序列的某个元素，查询a序列某个区间的和的问题。如果用朴素的方法，修改的时间复杂度是$O(1)$，而累加求和的时间复杂度是$O(n)$；如果用前缀和，虽然可以做到$O(1)$查询区间和，但某个元素更改后，需要$O(n)$更新前缀和序列，鱼和熊掌不可兼得。
• 如何平衡“修改”和“查询”这两个操作的时间复杂度？接下来的方法用$O(logn)$的时间复杂度进行修改和查询。
• 举例说明查询区间和的方法：
  – 由于$12=8+4$，我们可以把$a[1...12]$分成$a[1...8]$、$a[9...12]$两组
  – 由于$11=8+2+1$，我们可以把$a[1...11]$分成$a[1...8]$、$a[9...10]$、$a[11]$三组
  – 由于$10=8+2$，我们可以把$a[1...10]$分成$a[1...8]$、$a[9...10]$两组
  – 当我们计算$a[1...n]$之和时，我们先把$n$展开成$2$的幂次方之和，以此将区间$a[1...n]$分成几个子区间，每个子区间的长度都是2的幂次方。如果预先处理出每个子区间元素之和，就可以通过不超过$o(logn)$次加法运算，计算出$a[1...n]$之和。
  – 如果要计算$a[l...r]$之和，可以分别计算$a[1...r]$和$a[1...l-1]$，然后求差
• lowbit函数
  – 我们要将$n$展开成$2$的幂次方之和，每个数字可以通过lowbit函数来求，举例当$n=11$时，
  – lowbit(n) = n & -n，得到1，也就是第一个子区间的长度为$1$。n -= lowbit(n)，n更新为$10$
  – lowbit(n) = n & -n，得到2，也就是第二个子区间的长度为$2$。n -= lowbit(n)，n更新为$8$
  – lowbit(n) = n & -n，得到8，也就是第三个子区间的长度为$8$。n -= lowbit(n)，n更新为$0$
  – 循环停止，$a[1...11]$一共分为三个区间
• 我们需要预处理出哪项区间和呢？
  – $a[1...1]$无法再分解，我们用$c[1]$表示$a[1]$
  – $a[1...2]$无法再分解，我们用$c[2]$表示$a[1...2]$之和
  – $a[1...3]$分解成$a[1...2]$和$a[3]$，我们用$c[3]$表示$a[3]$
  – $a[1...4]$无法再分解，我们用$c[4]$表示$a[1...4]$之和
  – $a[1...5]$分解成$a[1...4]$和$a[5]$，我们用$c[5]$表示$a[5]$
  – $a[1...6]$分解成$a[1...4]$和$a[5...6]$，我们用$c[6]$表示$a[5...6]$之和
  – $a[1...7]$分解成$a[1...4]$、$a[5...6]$、$a[7]$，我们用$c[7]$表示$a[7]$
  – $a[1...8]$无法再分解，我们用$c[8]$表示$a[1...8]$之和
  –