树状数组BIT

树状数组

一、Lowbit运算

$lowbit(x)=x\&(-x)$

  正数在计算机中一般采用的是补码存储，并且把一个补码表示的整数 $x$ 变成其相反数的过程相当于把 $x$ 的二进制每一位都取反，然后末尾加一。等价于直接把 $x$ 的二进制最右边的 $1$ 左边的每一位都取反。

$$x=(0000001101001100{)}_2$$

$x$ 最右边的 $1$ 是在 2 号位，因此把它左边的所有位全部取反，于是有$-x$

$$-x=(1111110010110100{)}_2$$

  通过它可以很容易推得 lowbit(x)=x&(-x)就是取 $x$ 的二进制最右边的 $1$ 和它右边所有的 $0$，因此它一定是 $2$ 的幂次，即$1、2、4、8$等。

  例如对上面的例子来说，$x\&(-x)=(0000000000000100{)}_2=4$；而对$x=6=(110{)}_2$来说，$x\&(-x)=(010{)}_2=2$。显然，$lowbit(x)$也可以理解为能整除$x$的最大2的幂次。

图1-1 x&(-x)示意图

二、树状数组的应用

2.1 提出背景

  给出一个整数序列 $A$，元素个数为 $N(N\le 10^5)$，接下来查询 $K$ 次$(K\le 10^5)$，每次查询将给出一个正整数 $x(x\le N)$，求前 $x$ 个整数之和。

  例如对 $5$ 个整数 $2、4、1、5、3$ 来说，

• 如果查询前 $3$ 个整数之和，就需要输出 $7$；

• 如果查询前 $5$ 个整数之和，就需要输出 $15$。

  对于这个问题，一般的做法是开一个$sum$数组，其中 $sum[i]$ 表示前 $i$ 个整数之和（数组下标从1开始），这样 $sum$ 数组就可以在输入 $N$ 个整数时就预处理出来。接着每次查询前 $x$ 个整数之和时，输出 $sum[x]$ 即可。显然每次查询的复杂度是 $O(1)$ ，因此查询的总复杂度是 $O(k)$ 。

  假设在查询过程中可能随时给第 $x$ 个整数加上一个整数 $v$ ，要求在查询中能实时输出前 $x$ 个整数之和（更新操作和查询操作的次数总和为 $K$ 次）。

  例如同样对整数 $2、4、1、5、3$ 来说，

• 一开始查询前 $3$ 个整数之和，将输出 $7$ ；

• 接着把第 $2$ 个整数增加 $3$ ，此时序列会变成 $2、7、1、5、3$ ；

• 之后又进行一次查询，要求查询前 $4$ 个整数之和，此时应当输出 $15$ 而不是 $12$。

  对于升级后的问题，如果还是之前的做法，虽然单词查询的时间复杂度仍然是 $O(1)$ ，但在进行更新时却需要给 $sum[x]、sum[x+1]、\cdot \cdot \cdot 、sum[N]$ 都加上整数 $v$ ，这样就会使得单次更新的时间复杂度为 $O(N)$ ，那么如果 $K$ 此操作中大部分都是更新操作，操作的总复杂度就会是 $O(KN)$ ，显然无法承受。

  如果不设置 $sum$ 数组，直接对原数组进行更新和查询，显然，虽然单次更新的时间复杂度变为了 $O(1)$ ，但是单次查询的时间复杂度却变为了$O(N)$。

  下面就来讲述 树状数组 是如何解决这个问题的。

2.2 树状数组

  树状数组（Binary Indexed Tree,BIT）。它仍然是一个数组，并且与 $sum$ 数组类似,是用来记录和的数组，只不过它存放的不是前 $i$ 个整数之和，而是 在 $i$ 号位之前（含 $i$ 号位，下同）$lowbit(i)$ 个整数之和。如图 2-1 所示，数组 $A$ 是原始数组，有 $A[1]～A[16]$ 共 $16$ 个元素；数组 $C$ 是树状数组，其中 $C[i]$ 存放数组 $A$ 中 $i$ 号位之前 $lowbit(i)$ 个元素之和，可以结合图 2-2 理解，(为了能够讲的更清楚，我会尽可能减少二进制的出现)。显然 $C[i]$的覆盖长度是$lowbit(i)$(也可以理解成管辖范围)，它是 $2$ 的幂次，即 $1、2、4、8$ 等。

  需要注意的是，树状数组仍旧是一个平坦的数组，画成树形是为了让存储的元素更容易观察。

图2-1 树状数组定义图

  如果还没能理解树状数组的定义，下面给出了 $C[1]～C[16]$ 的定义，结合图 2-1 进行理解，已经理解的可以跳过。

图2-2 树状数组定义辅助理解图

$C$数组	$A$数组	长度
$C[1]=$	$A[1]$	$lowbit(1)=1$
$C[2]=$	$A[1]+A[2]$	$lowbit(2)=2$
$C[3]=$	$A[3]$	$lowbit(3)=1$
$C[4]=$	$A[1]+A[2]+A[3]+A[4]$	$lowbit(4)=4$
$C[5]=$	$A[5]$	$lowbit(5)=1$
$C[6]=$	$A[5]+A[6]$	$lowbit(6)=2$
$C[7]=$	$A[7]$	$lowbit(7)=1$
$C[8]=$	$A[1]+A[2]+A[3]+A[4]+A[5]+A[6]+A[7]+A[8]$	$lowbit(8)=8$

  强调，树状数组的定义非常重要，特别是“$C[i]$的覆盖长度是$lowbit(i)$”这点；另外，树状数组的下标必须从 $1$ 开始，务必注意⚠️。

  接着我们就要去解决之前提出的问题：

1. 涉及函数getSum(x)，返回 $x$ 个数之和`$A[1]+\cdot \cdot \cdot +A[x]$。
2. 涉及函数update(x,v)，实现将第 $x$ 个数上加上一个数 $v$ 的功能，即$A[x]+=v$ 。

2.2.1 getSum函数

  对于第一个问题，假设想要查询 $A[1]+\cdot \cdot \cdot +A[14]$ ，那么从树状数组的定义出发，从图 2-2 很容易发现 $A[1]+\cdot \cdot \cdot +A[14]=C[8]+C[12]+C[14]$。又比如查询 $A[1]+\cdot \cdot \cdot +A[11]$，同样可以从图中得到 $A[1]+\cdot \cdot \cdot +A[11]=C[8]+C[10]+C[11]$。

图2-2 树状数组定义辅助理解图

  记$sum(1,x)=A[1]+\cdot \cdot \cdot +A[x]$，由于$C[x]$的覆盖长度是$lowbit(x)$，因此

$$\begin{array}{r}C[x]=A[x-lowbit(x)+1]+\cdot \cdot \cdot +A[x]\end{array}$$

  于是我们可以马上得到
$$\begin{array}{rl}sum(1,x)& =A[1]+\cdot \cdot \cdot +A[x]\\ & =A[1]+\cdot \cdot \cdot +A[x-lowbit(x)]+A[x-lowbit(x)+1]+\cdot \cdot \cdot +A[x]\\ & =sum(1,x-lowbit(x))+C[x]\end{array}$$
  这样就把 $sum(1,x)$ 转化为 $sum(1,x-lowbit(x))$ 了，示意图如下

图2-3 树状数组求和示意图

  接着就很容易写出getsum函数了：

int getSum(int x){
    int sum=0;
    for(int i=x;i>0;i-=lowbit(i)){//注意⚠️是i>0，而不是i>=0
        sum+=c[i];//累计C[i]，然后把问题缩小为sum(1,i-lowbit(i))
    }
    return sum;//返回和
}

getSum时间复杂度分析

  前面已经讲过$lowbit(i)$函数，即定位$i$ 的二进制中最右边的 $1$ ，因此 $i=i-lowbit(i)$ 事实上是不断把 $i$ 的二进制中最右边的 $1$ 置为 $0$ 的过程。所以 getSum函数的for循环执行次数为 $x$ 的二进制中 $1$ 的个数，也就是说，getSum函数的时间复杂度为$O(logN)$。

  从另一个角度理解，结合图 2-1 和图 2-2 就会发现，getSum函数实际上是在沿着一条不断左上的路径行进（可以想一下getSum(14)和getSum(11)的过程），如图 2-4 所示。（再次强调，不要过深陷入图中的二进制，因为这与理解getSum函数没有关系）。由于“树🌲”高是 $O(logN)$ 级别，因此可以同样得到getSum函数的时间复杂度就是 $O(logN)$。另外，如果要求数组下标在区间$[x,y]$内的数之和，即$A[x]+A[x+1]+\cdot \cdot \cdot +A[y]$，可以转换成getSum(y)-getSum(x-1)来解决，这是一个很重要的技巧。

图2-4 getSum函数二进制路径图

2.2.2 update函数

  接着来看第二个问题，即如何设计函数update(x,v)，实现将第 $x$ 个数加上一个数 $v$ 的功能。

  继续看图 2-1，来看两个例子。加入要让 $A[6]$ 加上一个数 $v$，那么就要寻找树状数组 $C$ 中能覆盖了 $A[6]$ 的元素，让他们都加上 $v$。也就是说，如果要让 $A[6]$ 加上 $v$ ，实际上就是要让 $C[6]、C[8]、C[16]$ 都加上 $v$。同样，如果要将 $A[9]$ 加上一个数 $v$ ，实际上就是要让 $C[9]、C[12]、C[16]$ 都加上 $v$ 。那么问题就转变为——在给 $A[x]$ 加上 $v$ 时，怎样去寻找树状数组中的对应项。

图2-1 树状数组定义图

  要让 $A[x]$ 加上 $v$ ，就是要寻找树状数组 $C$ 中能覆盖 $A[x]$ 的元素，让他们都加上 $v$ 。从图 2-1 中直观的看，只需要总是离当前“矩形” $C[x]$ 最近的“矩形” $C[y]$ ，使得 $C[y]$ 能够覆盖 $C[x]$ 即可。

  那么要怎么找呢？首先，可以得到一个显然的结论：$lowbit(y)$ 必须大于 $lowbit(x)$ (不然没办法覆盖呀)。于是问题等价于求一个尽可能小的整数 $a$ 使得 $lowbit(x+a)>lowbit(x)$。显然，由于 $lowbit(x)$ 是取 $x$ 的二进制最右边的 $1$ 的位置，因此如果 $lowbit(a)<lowbit(x)$，$lowbit(x+a)$ 就会小于 $lowbit(x)$。为此 $lowbit(a)$ 必须不小于 $lowbit(x)$。接着发现，当 $a$ 取 $lowbit(x)$ 时，由于 $x$ 和 $a$ 的二进制最右边的 $1$ 的位置相同，因此 $x+a$ 会在这个 $1$ 的位置上产生进位，使得进位过程中的所有连续的 $1$ 变成 $0$，直到把它们左边第一个 $0$ 置为 $1$ 时结束。于是 $lowbit(x+a)>lowbit(x)$ 显然成立，最小的 $a$ 就是 $lowbit(x)$。

  于是update函数的做法就很明确了，只要让 $x$ 不断加上 $lowbit(x)$，并让每步的 $C[x]$ 都加上 $v$ ，直到 $x$ 超过给定的数据范围为止（因为在不给定数据范围的情况下，更新操作是无上限的）。

update函数：

void update(int x,int v){
    for(int i=x;i<=N;i+=lowbit(i)){ //注意 i 必须能取到 N
        c[i]+=v;    //让C[i]加上v,然后让C[i+lowbit(i)]加上 v
    }
}

update函数时间复杂度分析

  显然，这个过程是从右到左不断定位 $x$ 的二进制最右边的 $1$ 左边的 $0$ 的过程，因此 ，update函数的时间复杂度为$O(logN)$。

  同样，从另一个角度理解，结合图 2-1 和图 2-2 会发现，update函数的过程实际上是在沿着一条不断右上的路径行进，如图 2-5 所示。于是由于“树🌲”高是 $O(logN)$ 级别，因此可以同样得到 update函数的时间复杂度就是 $O(logN)$。

图2-5 update函数二进制路径图