线段树与树状数组

线段树（Segment Tree）是一种二叉搜索树，它将一个区间划分成一些单元区间，每个单元区间对应线段树中的一个叶结点。

对于线段树中的每一个非叶子节点[a,b]，它的左子树表示的区间为[a,(a+b)/2]，右子树表示的区间为[(a+b)/2+1,b]。因此线段树是平衡二叉树。叶节点数目为N，即整个线段区间的长度。

使用线段树可以快速的查找某一个节点在若干条线段中出现的次数，时间复杂度为O(logN)。而未优化的空间复杂度为2N，因此有时需要离散化让空间压缩。

基本操作

给定整个线段区间，建立一棵线段树的时间复杂度是 。单点修改的时间复杂度是 。单点查询的时间复杂度是 。如果允许惰性赋值而加上延迟标记的话，许多的区间修改的时间复杂度也会是 ，但是单点查询的时间复杂度会变成 。

代码中, rt指的是root, 当前子树的根节点; l, r指的是当前子树所统计的区间 利用完全二叉堆的性质来保存节点编号, 所以rt << 1是左子树的节点, rt << 1 | 1是右子树的节点 在查询和成端更新操作中的L和R是指修改或者查询的区间

                   ------wiki

由于线段树维护了一个区间，可以快速的对该区间进行查改操作，因此适用于对区间进行频繁查改操作的算法。如果只对区间进行求和操作而不修改则应该考虑其它的算法，比如：如果频繁求某个给定区间的和，但是区间的值永远不变，则应该利用公式：sum[m,n] = sum[1,n]-sum[1,m-1]。从而只需要保存：sum[i],i form 0 - N 即可。该方法无论从时间还是空间均比线段树要好。正如刘未鹏大神所说：联想很重要，但是我们应该多利用推理来求解答案。

树状数组：

数组a[1..n]，那么查询a[1]+...+a[n]的时间是log级别的，而且是一个在线的数据结构，支持随时修改某个元素的值，复杂度也为log级别。

来观察这个图：

树状数组的结构图

令这棵树的结点编号为C1，C2...Cn。令每个结点的值为这棵树的值的总和，那么容易发现：

C1 = A1

C2 = A1 + A2

C3 = A3

C4 = A1 + A2 + A3 + A4

C5 = A5

C6 = A5 + A6

C7 = A7

C8 = A1 + A2 + A3 + A4 + A5 + A6 + A7 + A8

...

C16 = A1 + A2 + A3 + A4 + A5 + A6 + A7 + A8 + A9 + A10 + A11 + A12 + A13 + A14 + A15 + A16

这里有一个有趣的性质：

设节点编号为x，那么这个节点管辖的区间为2^k（其中k为x二进制末尾0的个数）个元素。因为这个区间最后一个元素必然为Ax，

所以很明显：Cn = A(n – 2^k + 1) + ... + An

算这个2^k有一个快捷的办法，定义一个函数如下即可：

1 2 3

intlowbit(intx){ returnx&(x^(x–1)); }

利用机器补码特性，也可以写成：

1 2 3

intlowbit(intx){ returnx&(-x); }

当想要查询一个SUM(n )(求a[n]的和），可以依据如下算法即可：

step1:　令sum = 0，转第二步；

step2:　假如n <= 0，算法结束，返回sum值，否则sum = sum + Cn，转第三步；

step3: 令n = n – lowbit(n)，转第二步。

可以看出，这个算法就是将这一个个区间的和全部加起来，为什么是效率是log(n)的呢？以下给出证明：

n = n – lowbit(n)这一步实际上等价于将n的二进制的最后一个1减去。而n的二进制里最多有log(n)个1，所以查询效率是log(n)的。

那么修改呢，修改一个节点，必须修改其所有祖先，最坏情况下为修改第一个元素，最多有log(n)的祖先。

所以修改算法如下（给某个结点i加上x）：

step1: 当i > n时，算法结束，否则转第二步；

step2: Ci = Ci + x， i = i + lowbit(i)转第一步。

i = i +lowbit(i)这个过程实际上也只是一个把末尾1补为0的过程。

------百度百科

之前一直想不明白为什么第二步是 i  = i + lowbit(i)。没办法很好地感知，但是我有不想死记。后来终于想到了证明方法了

证：

设下一步的 i 的增量为 k，则当 k 小于 lowbit(i) 的时候，必有 lowbit(k+i) < lowbit(i) 且 lowbit(k+i) == lowbit(k)

又 C(k+i) = A( k+i - lowbit(k+i) + 1 )....+ A(k+i)。即  C(k+i) = A( k+i - lowbit(k) + 1 )....+ A(k+i)

而 k+i - lowbit(k) +1 > i 所以 C(k+i) 不需要更新，同理易得最小的增量是 lowbit(i)