树状数组将线性结构转化成树状结构,在单点修改和前缀和(可以
O
(
1
)
O(1)
O(1) 求得区间和)方面表现优异(log级),相比线段树,应用范围窄,代码短,好写。
更好的阅读体验:我的博客
基本知识
- 一个数字(非0)与它的相反数与,结果是二进制下这个数最靠右的1的位置,操作称作lowbit。
inline int lowbit(int x) { return x & -x; }
- 树状数组的存放规则:第k位存放从k往前数lowbit(k)个数的和
- 复杂度:空间 O ( N ) O(N) O(N),查询&修改时间复杂度 O ( log N ) O(\log N) O(logN)
基本操作:单点修改,区间查询
目标
对于一个数组,支持在线单点修改操作与区间和查询操作
单点修改
下标不断+自己的lowbit,更新该下标的值,直到n为止
void update(int x, int k)
{
while (x <= n)
{
tree[x] += k;
x += lowbit(x);
}
}
区间查询
查询
[
1
,
x
]
[1,x]
[1,x] 区间和,x作为下标不断减去自己的lowbit,直到0 ,每次将tree[x]
加入答案中,利用前缀和可以求出任意区间
[
x
,
y
]
[x,y]
[x,y] 的和query(y)-query(x-1)
int query(int x)
{
int sum = 0;
while (x > 0)
{
sum += tree[x];
x -= lowbit(x);
}
return sum;
}
改进:实现区间修改与区间查询
-
设差分数组 d i d_i di ,则每个点的值 a i = ∑ i = 1 n d i a_i=\sum_{i=1}^{n}d_i ai=∑i=1ndi 。
-
区间修改 [ l , r ] [l,r] [l,r] :每个元素 + k +k +k ,即 d l ← d l + k , d r + 1 ← d r + 1 − k d_l\leftarrow d_l+k,d_{r+1}\leftarrow d_{r+1}-k dl←dl+k,dr+1←dr+1−k ,将差分数组建成树状数组,则区间修改对应修改单点值。
-
单点查询:求 [ 1 , x ] [1,x] [1,x] 区间和即可
// 第一种写法:用差分值直接建树,对于每次查询输出就可以
//原始值
for (int i = 1; i <= n; i++)
{
cin >> val;
update(i, val);
update(i + 1, -val);
}
//修改[l,r]+k
update(l, k);
update(r+1, -k);
//查询x
cout << query(x) << endl;
// 第二种写法:储存原始值,每次查询输出原始值+差分数组值
//原始值
for (int i = 1; i <= n; i++)
cin >> a[i];
//修改操作同第一种
//查询x
cout << a[x] + query(x) << endl;
- 区间查询: ∑ i = 1 n a i = ∑ i = 1 n ∑ j = 1 i d j = ∑ i = 1 n ( n − i + 1 ) d i = ( n + 1 ) ∑ i = 1 n d i − ∑ i = 1 n i d i \sum_{i=1}^{n}a_i=\sum_{i=1}^{n}\sum_{j=1}^{i}d_j=\sum_{i=1}^{n}(n-i+1)d_i=(n+1)\sum_{i=1}^{n}d_i-\sum_{i=1}^{n}id_i ∑i=1nai=∑i=1n∑j=1idj=∑i=1n(n−i+1)di=(n+1)∑i=1ndi−∑i=1nidi ,维护两个树状数组, d i d_i di 和 i d i id_i idi ,修改相应单点修改的参数就可以了。
// 将树状数组封装成结构体,T1是差分数组,T2是id_i,修改[l,r]+k
T1.update(l, k);
T1.update(r + 1, -k);
T2.update(l, l * k);
T2.update(r + 1, (r + 1) * (-k));
// [1,x]区间和查询
inline int query(int x)
{
return (x + 1) * T1.query(x) - T2.query(x);
}