【概述】
樹狀數組又稱二叉索引樹,常用于高效計算數列的字首和、區間和,其查詢、修改的時間複雜度為 log(n),空間複雜度為 O(n)
樹狀數組通過将線性結構轉化成樹狀結構,進而進行跳躍式掃描。
優點:
- 代碼短小,實作簡單
- 容易擴充到高緯度的資料
缺點:
- 隻能用于求和,不能求最值
- 不能動态插入
- 資料多時,空間壓力大
【原理】
1.對于一個普通的二叉樹,葉子結點代表 A 數組的 A[1]~A[8]
2.将其進行簡單的變形
3.然後定義每一列的頂端結點 C[] 數組,令 C[i] 代表子樹的葉結點的權值之和
如上圖,可知:
- C[1]=A[1]
- C[2]=A[1]+A[2]
- C[3]=A[3]
- C[4]=A[1]+A[2]+A[3]+A[4]
- C[5]=A[5]
- C[6]=A[5]+A[6]
- C[7]=A[7]
- C[8]=A[1]+A[2]+A[3]+A[4]+A[5]+A[6]+A[7]+A[8]
4.将 C[] 數組的結點序号轉化為二進制
如上圖,有:
- 1=(001),C[1]=A[1]
- 2=(010),C[2]=A[1]+A[2]
- 3=(011),C[3]=A[3]
- 4=(100),C[4]=A[1]+A[2]+A[3]+A[4]
- 5=(101),C[5]=A[5]
- 6=(110),C[6]=A[5]+A[6]
- 7=(111),C[7]=A[7]
- 8=(1000),C[8]=A[1]+A[2]+A[3]+A[4]+A[5]+A[6]+A[7]+A[8]
可以發現 C[i]=A[i-2^k+1]+A[i-2^k+2]+......A[i],其中,k 為 i 的二進制中從最低位到高位連續零的長度,例如:i=8 時,k=3
要注意的是,樹狀數組隻能計算 A[1] 開始的和,A[0] 這個元素是不能用的
【具體實作】
1.lowbit(x)
lowbit(x) 就是取出 x 的最低位 1,換言之 lowbit(x)=2^k,k 為 i 的二進制中從最低位到高位連續零的長度
那麼有:C[i] = A[i-2^k+1]+A[i-2^k+2]+......A[i] = A[i-lowbit(i)+1]+A[i-lowbit(i)+2]+......A[i]
對于一個數 x,想求其 lowbit,可借助 x 的負數 -x,進行與運算
例如:
t = 6(0110),此時 k=1
-t = -6 = (1001+1) = (1010)
t&(-t) = (0010) = 2=2^1
//傳回i的二進制最右邊1的值
int lowbit(int t){
return t&(-t);
}
2.區間查詢
利用 C[] 數組,求 A 數組中前 i 項的和 sum[i]
-
以 i=7 為例:sum[7] = A[1]+A[2]+A[3]+A[4]+A[5]+A[6]+A[7]
其中:C[4] = A[1]+A[2]+A[3]+A[4],C[6] = A[5]+A[6],C[7]=A[7]
那麼:sum[7] = C[4]+C[6]+C[7]
改寫為二進制:sum[(111)] = C[(100)]+C[(110)]+C[(111)]
-
以 i=5 為例:sum[5] = A[1]+A[2]+A[3]+A[4]+A[5]
其中:C[4] = A[1]+A[2]+A[3]+A[4],C[5]=A[5]
那麼:sum[5] = C[4]+C[5]
改寫為二進制:sum[(101)] = C[(100)]+C[(101)];
仔細觀察最後改寫為二進制的數組,可以發現,樹狀數組根本上來說就是二進制的應用。
對于要求的前 x 項的和,每次加上 C[x],然後令 x=x-lowbit(x),如此循環往複,直到 x-lowbit(x)=0 為止
-
以 i=7 進行示範
7(111),ans+=C[7]
7-lowbit(7) = 7-lowbit(111) = 7-1 = 6(110),ans+=C[6]
6-lowbit(6) = 6-lowbit(110) = 6-2 = 4(100),ans+=C[4]
4-lowbit(4) = 4-lowbit(100) = 4-4 = 0(000)
故有:sum[7] = C[4]+C[6]+C[7]
-
以 i=5 進行示範
5(101),ans+=C[5]
5-lowbit(5) = 5-lowbit(101) = 5-1 = 4(100),ans+=C[4]
4-lowbit(4) = 4-lowbit(100) = 4-4 = 0(000)
故有:sum[5]=C[5]+C[4]
//傳回A[1]+...A[i]的和
int getSum(int i){
int res=0;
while(i>0){
res+=C[i];
i-=lowbit(i);
}
return res;
}
3.單點更新
當修改 A[] 數組中的某一個值時,需要對 C[] 數組進行更新
如圖:
當更新 A[1] 時,需要向上更新 C[1]、C[2]、C[4]、C[8], 将 C[1]、C[2]、C[4]、C[8] 改寫為二進制:C[(001)]、C[(010)]、C[(100)]、C[(1000)]
則:
1(001),C[1]+=A[1]
1+lowbit(1) = 1+lowbit(1) = 1+1 = 2(010),C[2]+=A[1]
2+lowbit(2) = 2+lowbit(010) = 2+2 = 4(100),C[4]+=A[1]
4+lowbit(4) = 4+lowbit(100) = 4+4 = 8(1000),C[8]+=A[1]
可以發現:更新過程是查詢過程的逆過程。
//令A[i]+=val
void add(int i,int val){
while(i<=n){
C[i]+=val;
i+=lowbit(i);
}
}
【模版】
const int N=10000+5;//最大元素個數
int n;//元素個數
int c[N];//c[i]==A[i]+A[i-1]+...+A[i-lowbit(i)+1]
//傳回i的二進制最右邊1的值
int lowbit(int i){
return i&(-i);
}
//傳回A[1]+...A[i]的和
int getSum(int i){
int res=0;
while(i>0){
res+=c[i];
i-=lowbit(i);
}
return res;
}
//令A[i]+=val
void add(int i,int val){
while(i<=n){
c[i]+=val;
i+=lowbit(i);
}
}