树状数组详解（附图解，模板及经典例题分析）

导言

深藏于算法与数据结构中的思想非常的美妙，尤其是当我们一个一个攻克其中的难点，体会其中蕴含的"哲理"时， A 题的自信力也会有所增加，心情也会格外的舒爽。最近重新接触了树状数组和线段树的题目，决定对其进行一定程度上的系统梳理，并与大家分享，如有不足之处，还请指教，大家共同进步

树状数组

1.基本概念

​ 顾名思义，就是像树一样的数据结构，与 Trie 树类似，其结构类型为完全二叉树，节点排列非常的有规律，故我们直接可以使用数组来模拟，以达到简洁而高效的目的

假设我们有一长为 n 的序列 {a1, a2 , ····，an}, 进行以下操作

（1）$单点修改$: add(x， v)

​ 表示在 第 x 位置上 加上一个数值 v

（2）$区间查询$: query(x)，x <= n

​ 表示区间 [1, x] 上的和，即 query(x) = a1 + a2 + ··· + ax。那么我们可以得出区间[x, y] 上的区间和即为 query(y) - query(x - 1) (前缀和思想)

对于上述操作在 n很小的情况下，我们完全可以使用差分与前缀和来操作，复杂度是 O(n）。但是，如果 n很大的情况下，这样的做法效率就会非常低。此时我们就需要一种高效的数据结构来用空间换取时间，也就是树状数组

2.原理推导及如何建立树状数组

如下图所示，我们有

• 数组A： 传入数据的原数组
• 数组C：建立起来的树状数组

$(1)区间查询--O(logn)$

从图中我们可以得出，对于树状数组 C 来说

$C[1]$ = A[ 1 ]

$C[2]$ = A[ 2 ] + $C[1]$

$C[3]$ = A[ 3 ]

$C[4]$ = A[ 4 ] + $C[3]$ + $C[2]$

$C[5]$ = A[ 5 ]

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

$C[7]$ = A[ 7 ]

$C[8]$ = A[ 8 ] + $C[7]$ + $C[6]$+ $C[4]$

​        ~~~~~~        = A[ 1 ] + A[ 2 ] + A[ 3 ] + A[ 4 ] + A[ 5 ] + A[ 6 ] + A[ 7 ] + A[ 8 ]

初步发现，对于每一个 C[ x ]，我们有

1. 若 x 为 $奇数$，C[ x ] = A[ x ]

2. 若 x 为 $偶数$，则不然:

   C[ 2 ] = A[ 2 ] + A[ 1 ]

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

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

   C[ 8 ] = A[ 8 ] + A[ 7 ] + A[ 6 ] + A[ 5 ] + A[ 4 ] + A[ 3 ] + A[ 2 ] + A[ 1 ]

根据数学归纳可以得出，此时 $C[x]=A[x-2^k+1]+A[x-2^k+2]+A[x-2^k+3]+\cdot \cdot \cdot +A[x]$

带入发现对于 X 为奇数时，也满足这个规律，所以在树状数组中，

$（核心）$ C[ x ] 表示 区间$【x-2^k+1,x】$ 的和

k 表示 x 的二进制表示中从最低位到最高位连续零的长度，也就是最后一位 1 的位置，我们可以通过一个名为 $lowbit$ 的操作将其求出

int lowbit (int x)
{
	return x & -x ;//返回 x 的最后一位 1 
}

如 x = 1010，则 lowbit（x）= 10

​ x = 101000，则lowbit（x）= 1000

所以， C[ x ] = $【x-2^k+1,x】$

​ =$【x-lowbit(x)+1,x】$的和

有了以上结论，对于树状数组来说，我们如何求出下图区间【1， x】 的区间和呢？

既然 C[ x ] 表示区间【x - lowbit（x） + 1， x】的和，那么【1， x】区间的和就是 C[ x ] + 递归段，即 C[ x ] + C[ x - lowbit(x) ] + ··· + C[ 1 ]

int query(int x)// 求出区间 【1 ，x】的和
{
    int ans = 0;
    for(int i = x; i ; i -= lowbit(i))
        	ans += c[i];
    
   return ans;
}

$(2)单点修改--O(logn)$

​ 对于单点修改，也就是 在某个位置 x 加上一个数值 V，如下图所示，假设我们对数组C[ 3 ]位置进行更新时，那么它相应的父亲节点存储的和也需要进行更新，可以发现更新就是一个 “爬树” 的过程。一直把修改信息往上传递，直到到达树的最大高度，也就是树状数组的最大容量 MAXN

对于区间查询，我们可以形象化为一个 “下树” 的过程，那么单点修改可以看作它的 “逆运算”，即往高的区间走，所以我们就可以得到下列单点修改的代码段了:

const int MAXN = 100010; 
void add(int x, int v)
{
    for(int i = x; i < MAXN; i += lowbit(i) )
        c[i] += v;
}

关于树状数组的正确性证明，大家感兴趣的话可以参考一下这篇博客 树状数组正确性证明

3.代码模板

目前为止，我们尚未提及如何来用原数组 A 来初始化树状数组 C，其实对于树状数组的初始化，我们主要有两种方式

1. $暴力构造树状数组C[x]$ : 就是直接对每个位置 x 进行一次单点修改，一共进行 n 次操作，时间复杂度为 $O(nlogn)$

   void init()
   {
       for(int i = 1; i <= n; i ++ )
           add(i, a[i]);
   }
   

2. $线性构造树状数组C[x]$：考虑到树状数组的本质，我们知到一个C[x] 管辖的区域是【x - lowbit(x) + 1 ，x】中所有数的和，所以我们可以先对数组A求一个前缀和，利用前缀和 S[ x ] - S[x - lowbit(x)] 来更新数组C[x]，即 C[ x ] = S[x] - S[x - lowbit(x)]，这样就能线性构造了，时间复杂度为$O(n)$

   void init()
   {
       for(int i = 1; i <= n; i ++ )// 求a的前缀和
           s[i] = s[i - 1] + a[i];
       for(int i = 1; i <= n; i ++ )// 用前缀和求出c
   		c[i] = s[i] - s[i - lowbit(i)];
   }
   

故此我们即可得到完整的树状数组的模板

const int MAXN = 100010;
// 注意树状数组最大空间一般开到 1e5 + 10

int a[MAXN];// 原数组
int c[MAXN];// 树状数组
int n; // 题目所给的数组 A 数据长度

int lowbit(int x)// 返回最后一位 1，即 2^k
{
    return x & -x;
}
int query(int x)// 查询区间 [1, x] 的和
{
    int ans = 0;
    for(int i = x; i ; i -= lowbit(i))
		ans += c[i];
   
    return ans;
}
void add(int x, int v)//修改位置 x 的值
{
    for(int i = x; i < MAXN; i += lowbit(i))
        c[i] += v;
}
void init()// 初始化, 这里我选用O(nlogn)的方式
{
    for(int i = 1; i <= n; i ++ )
        add(i, a[i]);
}

以上内容尚未完全，随着今后学习的推进，我会继续对其进行补充与完善。另外，大家如果觉得我写的还行的话，还请赠予我一个可爱的赞，你的赞对于我是莫大的支持。


【预告】

1. 树状数组的拓展及例题
2. 线段树详解