树状数组

问题提出：已知数组a[],元素个数为n,现在更改a中的元素,要求得新的a数组中i到j区间内的和(1<=i<=j<=n).

思考：对于这个问题,我们可以暴力地来解决,从a[i]一直累加到a[j],最坏的情况下复杂度为O(n),对于m次change&querry,合起来的复杂度为O(m*n),在n或m很大的情况下,这样的复杂度是让人无法忍受的.另外,如果没有元素的变更,我们完全可以存储sum[1,k](k=1,2,……),然后对任意给定的查找区间[i,j],都可以方便的用ans=sum[1,j]-sum[1,i-1],当然这只是没有元素改变的情况下的比较优化的解法.那么对于有元素变更的问题是否有更高效的方法呢?(废话!没有我还写啥?!)可以想一下,每次更改的元素是比较少的,有时候甚至每次只改变一个元素,但是在用暴力方法求区间和的时候,却对区间内所有的元素都累加了一遍,这样其实造成了许多无谓的运算.这时候也许会想到如果能把一些结果存起来会不会减少很多运算?答案是肯定的,但问题是怎么存,存什么?如果存任意区间的话,n比较大的时候不但内存吃不消,而且存储的量太大,不易更改,反而得不偿失;那么也许可以考虑存储特定的一些区间(比如说线段树,其实现在讨论的问题用线段树完全可以解,以后再详细写线段树).那么现在重新回过头来,看下这个问题,我们已经确定了要存储一些特定区间sum的想法,接下来我们要解决的无非是两个问题:1、减少更改元素后对这些区间里的sum值的更改时间.2、减少查找的时间.

好了废话了这么半天,无非是想让自己以及看到的人明白为什么要用树状数组.

接下来正式入题.

首先我们可以借鉴元素不变更问题的优化方法,先得到前i-1项之和and前j项之和,以s[i]表示前i项之和,那么sum[i,j]=s[j]-s[i-1].那么现在的问题已经转化为求前i项之和了.另外,我们已经确定要存储一些特定区间的和,现在就要来揭示这些特定的区间究竟指什么.

在文字说明之前先引入一个非常经典的,在网上找到的树状数组文章里几乎都要出现的一个图片

从图中不难发现,c[k]存储的实际上是从k开始向前数k的二进制表示中右边第一个1所代表的数字个元素的和(这么说可能有点拗口,令lowbit为k的二进制表示中右边第一个1所代表的数字,然后c[k]里存的就是从a[k]开始向前数lowbit个元素之和)这么存有什么好处呢?无论是树状数组还是线段树,都用到了分块的思想,而树状数组采用这样的存储结构我想最主要的还是这样方便计算,我们可以用位运算轻松地算出lowbit.分析一下这样做的复杂度:对于更改元素来说,如果第i个元素被修改了,因为我们最终还是要求和,所以可以直接在c数组里面进行相应的更改,如图中的例子,假设更改的元素是a[2],那么它影响到得c数组中的元素只有c[2],c[4],c[8],我们只需一层一层往上修改就可以了,这个过程的最坏的复杂度也不过O(logN);对于查找来说,如查找s[k],只需查找k的二进制表示中1的个数次就能得到最终结果,比如查找s[7],7的二进制表示中有3个1,也就是要查找3次,到底是不是呢,我们来看上图,s[7]=c[7]+c[6]+c[4],可能你还不知道怎么实现这个过程.

还以7为例,二进制为0111,右边第一个1出现在第0位上,也就是说要从a[7]开始向前数1个元素(只有a[7]),即c[7];

然后将这个1舍掉,得到6,二进制表示为0110,右边第一个1出现在第1位上,也就是说要从a[6]开始向前数2个元素(a[6],a[5]),即c[6];

然后舍掉用过的1,得到4,二进制表示为0100,右边第一个1出现在第2位上,也就是说要从a[4]开始向前数4个元素(a[4],a[3],a[2],a[1]),即c[4].

代码实现是：

int lowbit(int x)//计算lowbit
{
    return x&(-x);
}
void add(int i,int val)//将第i个元素更改为val
{
    while(i<=n)
    {
        c[i]+=val;
        i+=lowbit(i);
    }
}
int sum(int i)//求前i项和
{
    int s=0;
    while(i>0)
    {
        s+=c[i];
        i-=lowbit(i);
    }
    return s;
}

 update:2013-10-25：14：40

彻底弄懂二维树状数组
当要频繁的对数组元素进行修改,同时又要频繁的查询数组内任一区间元素之和的时候,可以考虑使用树状数组.

通常对一维数组最直接的算法可以在O(1)时间内完成一次修改,但是需要O(n)时间来进行一次查询.而树状数组的修改和查询均可在O(log(n))的时间内完成.

一、回顾一维树状数组
假设一维数组为A[i](i=1,2,...n),则与它对应的树状数组C[i](i=1,2,...n)是这样定义的：

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
……
C16 = A1 + A2 + A3 + A4 + A5 + A6 + A7 + A8 + A9 + A10 + A11 + A12 + A13 + A14 + A15 + A16
......

(1)C[t]展开以后有多少项？由下面公式计算： 

int lowbit(int t){//计算c[t]展开的项数   
   return t&(-t);   
  } 

C[t]展开的项数就是lowbit(t),C[t]就是从A[t]开始往左连续求lowbit(t)个数的和. 




(2)修改 
    比如修改了A3,必须修改C3,C4,C8,C16,C32,C64... 
    当我们修改A[i]的值时，可以从C[i]往根节点一路上溯，调整这条路上的所有C[]即可，对于节点i，父节点下标 p=i+lowbit(i)  

//给A[i]加上 x后，更新一系列C[j]   
update(int i,int x){    
 while(i<=n){   
    c[i]=c[i]+x;    
    i=i+lowbit(i);    
     }    
} 

(3)求数列A[]的前n项和，只需找到n以前的所有最大子树，把其根节点的C加起来即可。

  如：Sun(1)=C[1]=A[1];
      Sun(2)=C[2]=A[1]+A[2];
      Sun(3)=C[3]+C[2]=A[1]+A[2]+A[3];
      Sun(4)=C[4]=A[1]+A[2]+A[3]+A[4];
      Sun(5)=C[5]+C[4];
      Sun(6)=C[6]+C[4];
      Sun(7)=C[7]+C[6]+C[4];
      Sun(8)=C[8];
      ,,,,,,
  
int Sum(int n) //求前n项的和.   
{    
    int sum=0;    
    while(n>0)    
    {    
         sum+=C[n];    
         n=n-lowbit(n);    
    }        
    return sum;    
}  
 
lowbit(1)=1       lowbit(2)=2       lowbit(3)=1      lowbit(4)=4  
 lowbit(5)=1       lowbit(6)=2       lowbit(7)=1      lowbit(8)=8  
 lowbit(9)=1      lowbit(10)=2      lowbit(11)=1      lowbit(12)=4  
lowbit(13)=1      lowbit(14)=2      lowbit(15)=1      lowbit(16)=16  
lowbit(17)=1      lowbit(18)=2      lowbit(19)=1      lowbit(20)=4  
lowbit(21)=1      lowbit(22)=2      lowbit(23)=1      lowbit(24)=8  
lowbit(25)=1      lowbit(26)=2      lowbit(27)=1      lowbit(28)=4  
lowbit(29)=1      lowbit(30)=2      lowbit(31)=1      lowbit(32)=32  
lowbit(33)=1      lowbit(34)=2      lowbit(35)=1      lowbit(36)=4  
lowbit(37)=1      lowbit(38)=2      lowbit(39)=1      lowbit(40)=8  
lowbit(41)=1      lowbit(42)=2      lowbit(43)=1      lowbit(44)=4  
lowbit(45)=1      lowbit(46)=2      lowbit(47)=1      lowbit(48)=16  
lowbit(49)=1      lowbit(50)=2      lowbit(51)=1      lowbit(52)=4  
lowbit(53)=1      lowbit(54)=2      lowbit(55)=1      lowbit(56)=8  
lowbit(57)=1      lowbit(58)=2      lowbit(59)=1      lowbit(60)=4  
lowbit(61)=1      lowbit(62)=2      lowbit(63)=1      lowbit(64)=64  

二、树状数组可以扩充到二维。 
问题：一个由数字构成的大矩阵，能进行两种操作 
1) 对矩阵里的某个数加上一个整数（可正可负） 
2) 查询某个子矩阵里所有数字的和,要求对每次查询，输出结果。 

一维树状数组很容易扩展到二维，在二维情况下:数组A[][]的树状数组定义为： 

  C[x][y] = ∑ a[i][j], 其中， 
    x-lowbit(x) + 1 <= i <= x, 
    y-lowbit(y) + 1 <= j <= y. 

例：举个例子来看看C[][]的组成。 
     设原始二维数组为： 
　 A[][]={{a11,a12,a13,a14,a15,a16,a17,a18,a19}, 
         {a21,a22,a23,a24,a25,a26,a27,a28,a29}, 
         {a31,a32,a33,a34,a35,a36,a37,a38,a39}， 
         {a41,a42,a43,a44,a45,a46,a47,a48,a49}}; 
那么它对应的二维树状数组C[][]呢？ 

记: 
  B[1]={a11,a11+a12,a13,a11+a12+a13+a14,a15,a15+a16,...} 这是第一行的一维树状数组 
  B[2]={a21,a21+a22,a23,a21+a22+a23+a24,a25,a25+a26,...} 这是第二行的一维树状数组 
  B[3]={a31,a31+a32,a33,a31+a32+a33+a34,a35,a35+a36,...} 这是第三行的一维树状数组 
  B[4]={a41,a41+a42,a43,a41+a42+a43+a44,a45,a45+a46,...} 这是第四行的一维树状数组 
那么： 
C[1][1]=a11,C[1][2]=a11+a12,C[1][3]=a13,C[1][4]=a11+a12+a13+a14,c[1][5]=a15,C[1][6]=a15+a16,... 
   这是A[][]第一行的一维树状数组 

C[2][1]=a11+a21,C[2][2]=a11+a12+a21+a22,C[2][3]=a13+a23,C[2][4]=a11+a12+a13+a14+a21+a22+a23+a24, 
C[2][5]=a15+a25,C[2][6]=a15+a16+a25+a26,... 
   这是A[][]数组第一行与第二行相加后的树状数组 

C[3][1]=a31,C[3][2]=a31+a32,C[3][3]=a33,C[3][4]=a31+a32+a33+a34,C[3][5]=a35,C[3][6]=a35+a36,... 
   这是A[][]第三行的一维树状数组 

C[4][1]=a11+a21+a31+a41,C[4][2]=a11+a12+a21+a22+a31+a32+a41+a42,C[4][3]=a13+a23+a33+a43,... 
    这是A[][]数组第一行+第二行+第三行+第四行后的树状数组 


搞清楚了二维树状数组C[][]的规律了吗？ 仔细研究一下,会发现: 


（1）在二维情况下，如果修改了A[i][j]=delta,则对应的二维树状数组更新函数为： 
 private void Modify(int i, int j, int delta){
         
         A[i][j]+=delta;
     
       for(int x = i; x< A.length; x += lowbit(x))
        for(int y = j; y <A[i].length; y += lowbit(y)){
          C[x][y] += delta;
        
        }
     }


（2）在二维情况下，求子矩阵元素之和∑ a[i][j](前i行和前j列)的函数为 
    int Sum(int i, int j){
      int result = 0;
      for(int x = i; x > 0; x -= lowbit(x)) {
        for(int y = j; y > 0; y -= lowbit(y)) {
            result += C[x][y];
        }
      }
    return result;
   }
比如：
    Sun(1,1)=C[1][1];  Sun(1,2)=C[1][2]; Sun(1,3)=C[1][3]+C[1][2];...
    Sun(2,1)=C[2][1];  Sun(2,2)=C[2][2]; Sun(2,3)=C[2][3]+C[2][2];...
    Sun(3,1)=C[3][1]+C[2][1]; Sun(3,2)=C[3][2]+C[2][2];


例：测试一下： 
import java.util.Arrays;
public class Test{
      int[][] A;//原二维数组
      int[][] C;//对应的二维树状数组
      public Test(){   
         A=new int[5][6];
         C=new int[5][6];
        
         for(int i=1;i<5;i++)
           for(int j=1;j<6;j++)
              Modify(i,j,1);//给A[][]每个元素加1
          for(int i=1;i<5;i++){
            for(int j=1;j<6;j++)
              System.out.print(A[i][j]+"  ");//输出A[][]
            System.out.println();
          }
         System.out.println(Sum(3,4));//求子二维数组的和
         Modify(2,3,4);//将A[2][3]加4
         System.out.println(Sum(3,4));//显示修改后的和
         
      }
    
    
    private int lowbit(int t){  
       return t&(-t);   
    }  
 
    int Sum(int i, int j){
      int result = 0;
      for(int x = i; x > 0; x -= lowbit(x)) {
        for(int y = j; y > 0; y -= lowbit(y)) {
            result += C[x][y];
        }
      }
    return result;
   }
     private void Modify(int i, int j, int delta){
         
         A[i][j]+=delta;
     
       for(int x = i; x< A.length; x += lowbit(x))
        for(int y = j; y <A[i].length; y += lowbit(y)){
          C[x][y] += delta;
        
        }
     }
     public static void main(String args[]){
       Test t=new Test();
     }
   }
         
C:\java>java  Test
1  1  1  1  1
1  1  1  1  1
1  1  1  1  1
1  1  1  1  1
12
16