AcWing 241 楼兰图腾（树状数组详解）

最新推荐文章于 2022-11-14 21:18:59 发布

昂昂累世士

最新推荐文章于 2022-11-14 21:18:59 发布

阅读量545

点赞数 2

CC 4.0 BY-SA版权

分类专栏：算法提高课经典算法文章标签：树状数组逆序对

本文链接：https://blog.csdn.net/qq_30277239/article/details/125388614

树状数组是一种数据结构，用于实现单点修改和区间查询操作，复杂度均为O(logn)。通过lowbit运算，每个节点管理lowbit个子节点，从而降低修改和查询的复杂度。在区间求和、逆序对计数等问题中，树状数组能提供高效的解决方案。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

树状数组

问题引入

树状数组是一种实现起来比较简单的高级数据结构。

我们知道，对于一个数组a[i]，其前缀和s[i]表示a数组里面前i个元素之和，而求区间l到r的元素之和可以用s[r] - s[l-1]来求。

现在有个单点修改，区间查询的问题，也就是修改原始数组a中某个元素，然后查询某段区间内元素之和。

暴力做法修改a中某个元素的时间复杂度是O（1），查询区间和复杂度是O（n）；如果将前缀和数组利用起来，那么查询区间和操作的复杂度固然可以降为O（1），但是单次修改操作后更新前缀和数组的复杂度却是O（n）的。

现在我们需要实现修改和查询操作复杂度均是O（logn）的一个算法。

lowbit运算

二进制位运算可以很简单的实现一些功能，比如x & (x - 1)就可以将x的二进制表示中最后一个1去掉，而lowbit运算则可以只保留一个整数的最后一个1，lowbit(x) = -x & x是怎么实现这个功能的呢？（如果不想了解其中原理，可以跳过后面三段，减轻思维负担。）

首先，二进制的编码方式分为原码、补码和反码，正数的原码与补码、反码相同，负数的反码等于原码除符号位外按位取反，负数的补码等于原码除符号位外按位取反后加上1，而计算机中存储的就是整数的补码形式。

比如x = 0,1010，开头的0表示符号位，-x的原码就是1,1010，反码是1,0101，补码就是1,0110，

那么x & -x = 0,0010，与x的0,1010相比只保留了最后一个1.更加清楚的解释就是开始x最后一个1后面跟着若干个0，比如说1000对x按位取反后最后一个1变成了0,后面的数都是1，也就是0111，再加上个1就会连续进位成为1000，和x最开始的样子保持一致，而x的最后一个1之前的元素都取反了与x相与自然都变成了0.这样就保留了x的最后一个1。

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

树状数组的定义

现在我们知道了lowbit(x)可以提取x的最后一个1，那么要如何在对数时间复杂度内实现单点修改和区间查询操作呢？我们先来分析下使用前缀和数组进行单点修改的复杂度为什么是O（n）的，s[i]存储着前i个元素的和，换句话说，s[i]管理着前i个元素，而a[i]被后面n - i个元素管理着。如果我们修改了a[i]，那么从s[i]一直到s[n]这n - i + 1个元素的前缀和都改变了，归根结底就是因为s[n]存储着n个元素的和，一旦修改，牵一发而动全身。如果我们定义一个新的前缀和数组tr[n]来存储n前面logn个元素的和呢？那么相当于tr[i]只管理着logi个元素，只有这logi个元素其中的一个改变了，tr[i]才会改变，修改的复杂度就会大大降低了。

现在我们定义tr[n]为第n个元素及其之前的lowbit(n) - 1个元素之和，比如n = 6时，6 = （0110），lowbit（6） = （10） = 2，tr[6] = a[6] + a[5]。
在这里插入图片描述
如图所示，图中的C数组就是我们说的tr数组，我们将tr[i]管理的元素视为i的孩子节点，比如tr[6]是求第五个和第六个元素的和，那么tr[5]就是tr[6]的孩子节点。为什么tr[i]要管理着前面的lowbit(i)个元素呢？这是由二进制分组决定的，比如7 = 0111 = 0001 + 0010 + 0100 = 1 + 2 + 4，我们将前七个元素分为三组，第一组7，第二个6 5，第三组4 3 2 1，可以看出，每组的个数恰好是lowbit的值，lowbit(7) = 1，剩下6个元素，lowbit(6) = 2，剩下4个元素，lowbit(4) = 4。也就是:

tr[7] = a[7]
tr[6] = a[6] + a[5]
tr[4] = a[4] + a[3] + a[2] + a[1]

我们求前7个元素之和s7 = tr[7] + tr[6] + tr[4]，求前x个元素之和时，x中有几个1，lowbit运算就会执行几次，前x个元素也就会分成多少组，而x中1的个数必然不超过x的字长，也就是区间求和操作最多对logn个元素进行求和，实现了求和的O(logn)的复杂度。

那么修改操作的复杂度呢？我们知道对于节点x而言，其前面的lowbit(x) - 1个元素都是x的孩子节点，它们的改变都会引起tr[x]的改变，所以我们修改了x，对于下标小于x的元素而言，是没有影响的，因为tr[i]只会管理前面的元素，修改x，首先改变的就是a[x]，继而改变了tr[x]，然后一路沿着x的父节点往上，影响着x的祖先节点的值，那么如何求x的父节点呢？也就是管理着x的节点。

比如tr[12]，12 = 1100，lowbit（12） = 4，也就是12管理着12,11,10,9四个节点，对于其中的任一个孩子节点比如10 = 1010而言lowbit(10) = 2,10 + 2 = 12，10的父节点就是12，再比如9 = 1001，lowbit(9) = 1,9 + 1 = 10也就是说，9的父节点是10。lowbit(9) = 1，所以9只管理着自己，然后10管理着10,9，12管理着12,11,10,9，再之后就是16管理着前16个元素。我们得出的结论是，节点x的父节点是x + lowbit(x)。