树状数组详解

为什么要使用树状数组

事实上，树状数组的所有操作均可以使用线段树完成。然而，打个比方，你可以用高精度写完只要你算 \(A + B\) 且结果比较小的题目，但是你不会去写高精度，因为那太麻烦了，而且时间和空间效率都不是很高。而树状数组相对于线段树的优势也就是在时间和空间的优势上，掌握了树状数组与没掌握，在做一些题目时就是 \(AC\) 与 \(TLE\) 的区别了。

树状数组的原理

以单点修改求区间和为例，区间树状数组事实上可以看成是一种特殊的前缀和数组，他的过程是这样的（假设原数组为 \([1,2,3,4,5,6,7,8,9]\) ）：

1. 将数组中的偶数位分离出来 ( \([2,4,6,8]\) )
2. 每个偶数位的数加上与它相邻的左边一位的数，得到一个新的序列 （ \([3,7,11,15][2,4,6,8]\) ）
3. 对新的序列重新进行步骤一至步骤二，直到不能进行操作为止 （ \([3,7,11,15][2,4,6,8]\to [10,26][4,8]\to [34][8]\) ）
4. 将原来的奇数位混插回去，得到树状数组 （ \([1,3,3,10,5,11,7,36,9]\) ）

注：\([a,b][c,d]\) 表示序列中有两个元素 \(a,b\) ，他们在原数组中对应的位置是 \(c,d\) 。

如果记原数组为 \(A\) ,树状数组为 \(C\) ，从上面的过程我们可以看出（为了方便表述，我们将下标表示为二进制形式）：

\(C_{0001} = A_{0001}\ (C_1 = A_{1})\)

\(C_{0010} = A_{0010} + A_{0001}\ (C_{2} = A_1 + A_2)\)

\(C_{0011} = A_{0011}\ (C_{3} = A_3)\)

\(C_{0100} = A_{0100} + A_{0011} + A_{0010} + A_{0001}\ (C_{4} = \sum\limits_{i = 1}^4 A_i)\)

\(C_{0101} = A_{0101}\ (C_{5} = A_5)\)

\(C_{0110} = A_{0110} + A_{0101}\ (C_{6} = A_5 + A_6)\)

\(C_{0111} = A_{0111}\ (C_7 = A_7)\)

\(C_{1000} = C_{1000} + C_{0111} + C_{0110} + C_{0101} + C_{0100} + C_{0011} + C_{0010} + C_{0001}\ (C_8 = \sum\limits_{i = 1}^8 A_i)\)

\(C_{1001} = A_{1001}\ (C_9 = A_9)\)

我们可以发现，\(C_i = \sum\limits_{i = l}^r A_i\)，其中 \(r = i\) ，\(l\) 是 \(i\) 去掉最低位的 \(1\) 再在最低位补 \(1\) 后得到的数，即 \(l = (i\ \&\ (i\ \hat\ \ (i - 1))) + 1\) ，我们给了 \(i\ \&\ (i\ \hat\ \ (i - 1))\) 另外一个名称，即 \(lowbit(i)\) ，它还可以表示为 \(i\ \&\ (-i)\) ，至于为什么，就和计算机中负整数补码有关了，网络上有很多相关资料，在此不做赘述。

再放一张图以帮助理解，蓝色为 \(A\) ，橙色为 \(C\)：

所以我们现在就理清了树状数组和原数组的关系：\(C_i = \sum\limits_{j = lowbit(i) + 1}^i A_j\)

我们还可以发现 \(lowbit(i)\) 表示的就是 \(i\) 的二进制表示只保留最低位的 \(1\) 的数。

updating……

转载于:https://www.cnblogs.com/lornd/p/11188363.html