数状数组学习

树状数组的相关学习：
问题引入：
求数组的区间和，给一个数组求任意区间的和，首先想到的做法就是前缀和，这个做法的话，预处理需要有o(n),然后求区间和的时间是o（1）。总的时间就是o（n），但是当数组里面的元素在动态的更新的时候，数组的更新操作需要查找o（n），更新o（1），但是区间和的更新需要o（n）；假如有m个更新的操作，就需要有o（nm）的时间复杂度，显然这个复杂度有点大，比如下面这道题：
第一行包含两个整数N、M，分别表示该数列数字的个数和操作的总个数。
第二行包含N个用空格分隔的整数，其中第i个数字表示数列第i项的初始值。
接下来M行每行包含3个整数，表示一个操作，具体如下：
操作1： 格式：1 x k 含义：将第x个数加上k
操作2： 格式：2 x y 含义：输出区间[x,y]内每个数的和
1<=N<=500000，1<=M<=500000
很显然NM达到了2.5*10^11的量级，显然用前缀和是不够的，但是如果有一种方法的查找和修改的时间都达到logn 级别的就可以解决问题了。
下面来介绍树状数组：
树状数组的优点：修改和查询的复杂度都是O(logN)

下面给出树状数组最基本的代码：

这中间我看到了二进制的应用很快捷，
比如说，tree[]数组和原数组a[n]之间的关系，二进制的应用；
求和时的ans和tree树的二进制的应用；

int lowbit(int t)
	//核心部位：二进制上面的应用大大加快了运行速度。
	{
	return t&(-t);
	}
	void add(int x,int y)//修改函数
	{
	for(int i=x;i<=n;i+=lowbit(i))
	tree[i]+=y;
	}
	int getsum(int x)//求和函数
	{
	int ans=0;
	for(int i=x;i>0;i-=lowbit(i))
	ans+=tree[i];return ans;
}   

树状数组 重点是在树状的数组
大家都知道二叉树吧
叶子结点代表A数组A[1]~A[8]

…
现在变形一下

现在定义每一列的顶端结点C[]数组
如下图

C[i]代表 子树的叶子结点的权值之和// 这里以求和举例
如图可以知道
C[1]=A[1];
C[2]=A[1]+A[2];
C[3]=A[3];

C[4]=A[1]+A[2]+A[3]+A[4];
C[5]=A[5];

C[6]=A[5]+A[6];

C[7]=A[7];

C[8]=A[1]+A[2]+A[3]+A[4]+A[5]+A[6]+A[7]+A[8];
下面观察如下图

将C[]数组的结点序号转化为二进制
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];
对照式子可以发现 C[i]=A[i-2^k+1]+A[i-2k+2]+…A[i]; （k为i的二进制中从最低位到高位连续零的长度）。
例如i=8时，k=3; $2^3=8;8-2^3+1=1;$
故c[8]= A[1]+A[2]+A[3]+A[4]+A[5]+A[6]+A[7]+A[8];
如 i=5时，k=0；$2^0=1;5-2^0+1=5;$
故 c[5]=A[5];
如 i=4 ，k = 2； $2^2=4;4-2^2+1=1;$
故 c[4] = A[1]+A[2]+A[3]+A[4];
现在引入lowbit(x)
lowbit(x) 其实就是取出x的最低位1 换言之 lowbit(x)=2^k （k为i的二进制中从最低位到高位连续零的长度）。
下面说代码
int lowbit(int t)
{
return t&(-t);
}
//-t 代表t的负数 计算机中负数使用对应的正数的补码来表示
这里利用的负数的存储特性，负数是以补码存储的，对于整数运算 x&(-x)有
当x为0时，即 0 & 0，结果为0；
当x为奇数时，最后一个比特位为1，取反加1没有进位，故x和-x除最后一位外前面的位正好相反，按位与结果为0。结果为1。
当x为偶数，且为2的m次方时，x的二进制表示中只有一位是1（从右往左的第m+1位），其右边有m位0，故x取反加1后，从右到左第有m个0，第m+1位及其左边全是1。这样，x& (-x) 得到的就是x。
当x为偶数，却不为2的m次方的形式时，可以写作x= y * (2^{k)。其中，y的最低位为1。实际上就是把x用一个奇数左移k位来表示。这时，x的二进制表示最右边有k个0，从右往左第k+1位为1。当对x取反时，最右边的k位0变成1，第k+1位变为0；再加1，最右边的k位就又变成了0，第k+1位因为进位的关系变成了1。左边的位因为没有进位，正好和x原来对应的位上的值相反。二者按位与，得到：第k+1位上为1，左边右边都为0。结果为2}k。
总结一下：x&(-x)，当x为0时结果为0；x为奇数时，结果为1；x为偶数时，结果为x中2的最大次方的因子。
//例如 :
// t=6（0110） 此时 k=1
//-t=-6=(1001+1)=(1010)
// t&(-t)=(0010)=2=2^1
C[i]=A[i-2^k+1]+A[i-2k+2]+…A[i];
C[i]=A[i-lowbit(i)+1]+A[i-lowbit(i)+2]+…A[i];

区间查询
ok 下面利用C[i]数组，求A数组中前i项的和
举个例子 i=7;
sum[7]=A[1]+A[2]+A[3]+A[4]+A[5]+A[6]+A[7] ; 前i项和
C[4]=A[1]+A[2]+A[3]+A[4]; C[6]=A[5]+A[6]; C[7]=A[7];
可以推出: sum[7]=C[4]+C[6]+C[7];
序号写为二进制: sum[(111)]=C[(100)]+C[(110)]+C[(111)];

再举个例子 i=5
sum[7]=A[1]+A[2]+A[3]+A[4]+A[5] ; 前i项和
C[4]=A[1]+A[2]+A[3]+A[4]; C[5]=A[5];
可以推出: sum[5]=C[4]+C[5];
序号写为二进制: sum[(101)]=C[(100)]+C[(101)];

细细观察二进制 树状数组追其根本就是二进制的应用
结合代码

int getsum(int x)
{
int ans=0;
for(int i=x;i>0;i-=lowbit(i))
ans+=C[i];
return ans；
}

对于i=7 进行演示
7(111) ans+=C[7]
lowbit(7)=001 7-lowbit(7)=6(110) ans+=C[6]
lowbit(6)=010 6-lowbit(6)=4(100) ans+=C[4]
lowbit(4)=100 4-lowbit(4)=0(000)
sum[7]=C[4]+C[6]+C[7]
对于i=5 进行演示
5(101) ans+=C[5]
lowbit(5)=001 5-lowbit(5)=4(100) ans+=C[4]
lowbit(4)=100 4-lowbit(4)=0(000)
sum[5]=C[4]+C[5];

单点更新

当我们修改A[]数组中的某一个值时 应当如何更新C[]数组呢？
回想一下 区间查询的过程，再看一下上文中列出的图

结合代码分析

void add(int x,int y)
{
for(int i=x;i<=n;i+=lowbit(i))
tree[i]+=y;
}
//可以发现 更新过程是查询过程的逆过程
//由叶子结点向上更新C[]数组

如图：
当更新A[1]时 需要向上更新C[1] ,C[2],C[4],C[8]
C[1], C[2], C[4], C[8]
写为二进制 C[(001)],C[(010)],C[(100)],C[(1000)]
1(001) C[1]+=A[1]
lowbit(1)=001 1+lowbit(1)=2(010) C[2]+=A[1]
lowbit(2)=010 2+lowbit(2)=4(100) C[4]+=A[1]
lowbit(4)=100 4+lowbit(4)=8(1000) C[8]+=A[1]

然后自己总结下，自己的感想：一个就是看到二进制的快捷应用，感到很神奇，速度一下子就提高了好多，然后在一个就是需要注意的是更新的时候需要下向上更新，求和的时候从上向下求和。
接下来 就介绍一些相关的题目的代码：
1.敌兵布阵

#include <iostream>
#include<string.h>
#include<stdio.h>
#include<string>
using namespace std;
const int N=50050;
int n;
int tree[N];
int lowbit(int x){
	return x&(-x);
}
long long query(int x){
	long long ans=0;
	for(int i=x;i>0;i-=lowbit(i)){
		ans+=tree[i];
	}
	return ans;
}
void  update(int x,int y){
	for(int i=x;i<=n;i+=lowbit(i)){
		tree[i]+=y;
	}
}
int main(){
	int t,sum,ans,x,y,num,j;
	string str;

	cin>>t;
	for(int i=1;i<=t;i++){
		memset(tree,0,sizeof(tree));
		cin>>n;
		for(j=1;j<=n;j++){
			scanf("%d",&num);
			add(j,num);
		}
	printf("Case %d:\n",i);
		while(cin>>str){
			if(str[0]=='E')break;
			else {
				cin>>x>>y;
				if(str[0]=='Q')printf("%lld\n",query(y)-query(x-1));
				if(str[0]=='A')update(x,y);
				if(str[0]=='S')update(x,-y);
			}
			str.clear() ;
		}
	}
	return 0;
} 

poj2299
利用树状数组可以在o(log(n))的时间复杂度求出当前数字的前缀和，进而可以求出在当前数字后面数字的个数（i-sum(x)）(i表示已经加入的总数字的数目，sum(x)表示小于等于x的数字的数目，它们之差就是大于x的数字的数目)
这样就把逆序对问题和树状数组联系起来了。
树状数组求逆序对的问题还是很有意思的。

#include <iostream>
#include<algorithm>
#include <string.h>
#include<stdio.h>
using namespace std;
const int N=5e5+50;
int n;
int tree[N];
int lowbit(int x){
	return x&(-x);
}

long long query(int x){
	long long ans=0;
	for(int i=x;i>0;i-=lowbit(i)){
		ans+=tree[i];
	}
	return ans;
}
void  update(int x,int y){
	for(int i=x;i<=n;i+=lowbit(i)){
		tree[i]+=y;
	}
}
 struct node{
	int val;
	int id;
};
struct node a[N];
int b[N];
bool cmp(struct node c,struct node b){
	return c.val<b.val;
}
int main(){
	int t,sum,x,y,num,j,i;

	while(cin>>n){
		if(n==0)break;
		else{
		long long	ans=0;
			memset(tree,0,sizeof(tree));
			for(j=1;j<=n;j++){
				scanf("%d",&num);
				a[j].val=num;
				a[j].id=j;
			}
			sort(a+1,a+1+n,cmp);
				for(i=1;i<=n;i++){
				b[a[i].id]=i;
			}
			for(i=1;i<=n;i++){
				update(b[i],1);
				ans+=(i-query(b[i]));
			}cout<<ans<<endl;
		}	
	}
	return 0;
}