对于树状数组的简要理解

树状数组

应用情况

前缀和能够做到求解区间和，但是如果某一个元素发生了修改那么此时需要重新求解前缀和，才能去求解区间和，那么利用树状数组可以能够在logn的时间复杂度内完成：区间求和，单点修改这两个操作。

树状数组的构造：

看图：

观察这些下标的二进制
1(001) c[1] = a[1]
2(010) c[2] = a[1] + a[2]
3(011) c[3] = a[3]
4(100) c[4] = a[1]+a[2]+a[3]+a[4]
5(101) c[5] = a[5]
6(110) c[6] = a[5] + a[6]
7(111) c[7] = a[7]
8(1000) c[8] = a[1]+a[2]+a[3]+a[4]+a[5]+a[6]+a[7]+a[8]
由此可以得到规律： c[i]等于从第i个元素开始往后加$2^k$个元素（$2^k$代表的是最低位1的权值）
其中$2^k$能够利用 lowbit() 得到
代码：

int lowbit(int x){
	return x&-x;
} 

单点修改：

由这个图我们知道，如果我要修改a[3]的值，那么同时我需要修改的是c[3],c[4],c[8]他们的进位是对应的lowbit()。
单点修改代码：

void updata(int x,int y){
	for(int i=x; i<=n; i+=lowbit(i)){
		cnt[i] += y;
	}
}

区间求和

由此我们观察到，如果求前七个元素之和的化，从这个元素不断的减lowbit()即可
代码：

ll getsum(int x){
	ll sum = 0;
	for(int i=x; i; i-=lowbit(i)){
		sum += cnt[i];
	}
	return sum;
}

树状数组的应用

利用树状数组能够求解逆序对，这也是较为普遍的应用，他的本质是利用树状数组存储了元素出现的次数。从而达到求解逆序对的方式，但是如果数据会比较大的话需要利用离散化（后续我专门写一篇文章来介绍以下离散化）以下数据。
关键代码：

	ll ans = 0;
	for(int i=1; i<=n; i++){
		int x = mp[b[i]];//离散化之后的数据
		updata(x,1);
		ans += i - getsum(x);
	} 
	cout<<ans;

今天就到这了拜拜六！！！