树状数组详解

# Markdown版本

请点击这个链接：树状数组(Markdown版本)_xiji333的博客-CSDN博客。

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……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

对应数组C下标的二进制表示：

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。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：x&(-x) 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。

知道这些有什么用呢：

我们可以对照上图，若我们求[1，7]的区间和，那么sum=C7+C6+C4，即三次操作就得到了我们想要的结果，这也是为什么查询的复杂度是O(lgn)的，那么我们看看lowbit发挥了怎样的作用吧：7-lowbit(7)=6     6-lowbit(6)=4    4-lowbit(4)=0。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Cr，同时对r作lowbit操作。那么修改操作呢，就逆着来，即从要开始的子节点i开始，不断修改Ci，同时对i做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线段树的基本操作。(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)

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

查询操作：

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

一位树状数组的内容就到这里了~大家可以做题体会一下~

下面我们来说说二维树状数组：

举一个简单的例子，我们有16个元素：A1、A2、A3、A4、……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？肯定有，这就是我们要介绍的二维数组，首先要知道对于Tree[i][j]的每一个Tree[i]肯定是一个一维的树状数组，但是其存储的东西可能跟你想的有点区别：(并不是简简单单的Tree[1]管理A1-A4   Tree[2]管理A5-A8哦)

我们先写出四个一维的树状数组：

tree1[1]=A1    tree1[2]=A1+A2     tree1[3]=A3     tree1[4]=A1+A2+A3+A4

tree2[1]=A5    tree2[2]=A5+A6     tree2[3]=A7     tree2[4]=A5+A6+A7+A8

tree3[1]=A9    tree3[2]=A9+A10    tree3[3]=A11     tree3[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)+……+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)

至于怎么求中间的某个矩阵的和就留给大家思考了~

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;
}