树状数组(Markdown版本)

​

什么是树状数组：

树状数组(Binary Indexed Tree(B.I.T), Fenwick Tree)是一个查询和修改复杂度都为$log(n)$的数据结构。

它能用来干什么：

最经典的应用就是查询某一段区间元素的和，而且支持在线修改操作。如果没有修改操作，就没必要用树状数组了。

它和线段树有什么关系：

实际上树状数组就是没有右儿子的线段树，它实现起来比线段树简单，而且效率更高，空间占用的也更少。但是能用树状数组解决的问题，基本上都能用线段树解决。(反过来就不是了)
我还是不知道树状数组是什么：
不多解释了，先上几张图：

我们用数组A表示原序列：$A1、A2\dots \dots An$。
用数组$C$代表树状数组，从上图中我们可以发现：
$C1=A1$
$C2=A1+A2$
$C3=A3$
$C4=A1+A2+A3+A4$
$C5=A5$
$C6=A5+A6$
$C7=A7$
$C8=A1+A2+A3+A4+A5+A6+A7+A8$
考虑数组$C$下标的二进制表示与求和元素个数的关系：
$C1$的下标1的二进制表示 1 末尾有0个连续的0 该节点管理1个元素
$C2$的下标2的二进制表示 10 末尾有1个连续的0 该节点管理2个元素
$C3$的下标3的二进制表示 11 末尾有0个连续的0 该节点管理1个元素
$C4$的下标4的二进制表示 100 末尾有2个连续的0 该节点管理4个元素
……
由此我们得到一个规律：我们设$i$的二进制表示的末尾有$k$个连续的0，那么$Ci$管理$2^k$个元素，即等于$2^k$个元素之和（这里的和只是运算符的一种形式，事实上问题并不一定是求和，所以用管理更为恰当）。那么有什么办法可以很快的算出来$2^k$呢？我们有一个名为$lowbit$的神奇操作：$lowbit(x)=x\&(-x)$ 。它就是我们想要的答案。且对于节点$i$，$i+lowbit(i)$就是节点$i$的父节点，$i-lowbit(i)$就是节点$i$的左兄弟节点。

知道这些有什么用呢？

我们可以对照上文中的图，若求$[1,7]$的区间和，那么$sum=C_7+C_6+C_4$，三次操作就得到了我们想要的结果，再看看$lowbit$发挥了怎样的作用吧：$7-lowbit(7)=6$、$6-lowbit(6)=4$、$4-lowbit(4)=0$，而$C_7$的左兄弟是$C_6$，$C_6$的左兄弟是$C_4$，它们合起来就是区间$[1,7]$的和。可以发现，我们求和的操作就是从区间右端点$r$开始，不断地累加$C_r$，同时对$r$作减去$lowbit$操作。那么修改操作呢？看图会发现，对于任意的$A_i$，它影响到了多个$C_j$，即从叶子节点到根节点整条路径上的$C_j$，所以需要逆着来，即从要开始的子节点$i$开始，不断修改$C_i$，同时对$i$做加上$lowbit$操作。有人可能会问，你这求的是$[1,r]$的和啊，我要求$[l,r]$的和怎么办呢？很简单，把$[1,r]$和$[1,l-1]$的和均求出来，然后用前者减去后者即可得到答案。

树状数组的基本操作：

这里我以求某段区间和作为例题来介绍一下树状数组的基本操作(注意树状数组的下标是从1开始的)。
$lowbit$操作：

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

更新操作(单点修改)，比如$a_i$加上$v$：

void update(int i,int v)
{
	for(;i<=n;i+=lowbit(i))
		tree[i]+=v;
}

查询操作，比如求$[1,l]$的和：

int sum(int l)
{
	int s=0;
	for(;l;l-=lowbit(l))
		s+=tree[l];
	return s;
}

注意树状数组的初始化需要把元素逐一插入到树状数组中，所以初始化的复杂度是$O(nlgn)$的。

二维树状数组

举一个简单的例子，我们有16个元素：$A1、A2、A3、A4、\dots \dots A16$构成了一个4*4的矩阵，我想查询某个矩阵内所有元素的和，并且可能会修改该矩阵的某个元素怎么做呢？朴素算法肯定是遍历统计和，复杂度$O(n^2)$，那有没有$O((lgn{)}^2)$的算法呢？有，利用二维树状数组。对于矩阵的每一行，我们用一个树状数组来管理，对于这$n$个矩阵，我们用一个树状数组来管理。
我们先写出三个一维树状数组：
$tree1[1]=A1tree1[2]=A1+A2tree1[3]=A3tree1[4]=A1+A2+A3+A4$
$tree2[1]=A5tree2[2]=A5+A6tree2[3]=A7tree2[4]=A5+A6+A7+A8$
$tree3[1]=A9tree3[2]=A9+A10tree3[3]=A11tree3[4]=A9+A10+A11+A12$
……
然后再写出我们的二维树状数组：

$Tree[1][1]=A1$
$Tree[1][2]=A1+A2$
$Tree[1][3]=A3$
$Tree[1][4]=A1+A2+A3+A4$

$Tree[2][1]=A1+A5$
$Tree[2][2]=A1+A2+A5+A6$
$Tree[2][3]=A3+A7$
$Tree[2][4]=A1+A2+A3+A4+A5+A6+A7+A8$

$Tree[3][1]=A9$
$Tree[3][2]=A9+10$
$Tree[3][3]=A11$
$Tree[3][4]=A9+A10+A11+A12$

……

也就是说$Tree[i]$维护的是：$treei+tree(i-1)+\dots \dots +tree(i-lowbit(i)+1)$ 比如上面$Tree[2]$维护的就是$tree2$和$tree1$。
那么我们求这个矩阵从第1行到第x行，第1列到第y列的操作就很简单了：(就是原来的一维变成了二维)。
求中间某个矩阵的和也可以使用类似一维树状数组的思想，把这个矩阵分为四个以左上角为原点的子矩阵。

void add(int x,int y,int v)
{
	for(int i=x;i<=n;i+=lowbit(i))
		for(int j=y;j<=n;j+=lowbit(j))
			tree[i][j]+=v;
}

int query(int x,int y)
{
	int sum=0;
	for(int i=x;i;i-=lowbit(i))
		for(int j=y;j;j-=lowbit(j))
			sum+=tree[i][j];
	return sum;
}

树状数组处理$RMQ$问题：

修改：

void updata(int x)
{
	int lx,i;
	while(x<=n)
	{
		h[x]=a[x];
		lx=lowbit(x);
		for(i=1;i<lx;i<<=1)
			h[x]=max(h[x],h[x-i]);
		x+=lowbit(x);
	}		
}

查询：

int query(int x,int y)
{
	int ans=0;
	while(y>=x)
        {
		ans=max(a[y],ans);
		y--;
		for(;y-lowbit(y)>=x;y-=lowbit(y))
			ans=max(h[y],ans);
	}
	return ans;
}

针对区间$[1，r]$的查询：

int query(int r)//查询[1,r]
{
    int ans=INF;
    while(r)
    {
        ans=min(ans,tree[r]);
        r-=lowbit(r);
    }
    return ans;
}

​