前言
在数组，我们常常会遇上区间求和相关的问题，即求数组A中第i个元素到第j个元素(i<j)之和。
这个问题看起来比较简单，只需要累加即可：
$$Sum(i,j) = A[i]+A[i+1]+...+A[j]$$
但是在面对大数据量的时候，它的时间复杂度也很高，而且如果需要进行多次查询，我们可能会进行大量重复的计算，这时一种效率上的浪费。
那有的同学可能会想到，如果要区间求和，可以使用前缀和数组啊，我们用S[i]记录第一个元素到第i个元素之和，那么做差不就可以得到区间和了吗？
$$Sum(i,j) = S[j]-S[i-1]$$
如果这个数组是一个常量，那么用前缀和数组确实完事大吉了，可是万一数组要更新呢，假如元素A[x]要更新，那个从第x个元素开始，所有S数组的值都要改变，这又带来了很多时间上的开销。相比之下，前一种方法就简单多了，只需要更新A[x]即可。
| 区间求和 | 更新元素 | |
| 累加求和 | O(n) | O(1) |
| 前缀数组 | O(1) | O(n) |
由此可见，累加求和和前缀和数组各有缺陷，我们需要一种新的数据结构和算法，既能高效地查询区间之和，更新元素时又比较方便。于是乎，树状数组就出现了。
树状数组是被应用于区间相关计算的经典数据结构，它巧妙地运用了二进制，提升了区间求和，元素更新的效率。
树状数组和二进制
设树状数组为C,其元素C[i]和前缀和数组S[i]一样，记录的也是到第i个元素为止，原数组部分元素的和，但是到底是几个元素的和，就要看i的二进制表示了。我们要找到下标转化为二进制中最后一个1位置，以此来确定树状数组所覆盖的原数组的长度，所以也可以看出，C[i]所覆盖数组的长度，也就是能整除i的最大2的幂次。这么说可能比较抽象，我们来举几个例子，假设树状数组为C，求C[14],C[15],C[16]各自覆盖的元素的长度，现将其转化为二进制：
14最后一个1出现在倒数第二位，那么它覆盖的原数组的长度就是2^1 = 2,15最后一个1出现在倒数第一位，那么它覆盖的原数组的长度就是2^0 = 1,16最后一个1出现在第一位，那么它覆盖的原数组的长度就是2^5 = 16。
用一张图来比较树状数组和原数组
区间求和
从上图可以看见，树状数组通过二进制，用一个数组表示多个不同长度的部分和。这样，在计算前缀和时，只需要挑选合适的值组合在一起就好了，例如,前11个元素之和即为：
$$Sum(1,11) = C[11]+C[10]+C[8]$$
如果采用累加求和的方式，需要进行10次加法运算，但是使用树状数组，就只需要两次加法运算，计算量大大降低了，如果要求区间之和，只需要求前缀和之差就可以了。
单点更新
当原数组元素更新时，树状数组的对应元素也要跟着一同更新，但它和前缀和不同，只需要更新部分值。 具体来说，就是树状数组中那些涵盖了更新元素的值。例如，当原数组A[5]更新时，涵盖它的C[5],C[6],C[8],C[16]都要同步更新。同用是更新，前缀和数组需要更新12个元素。
代码实现
从之前的分析可以看出，使用树状数组可以同时提高区间求和和单点更新的效率，但是我们还有很多细节性的问题没有解决，其中最重要的就是两点：
- 更新原数组时，树状数组中哪些元素要跟着更新呢？
- 区间求和时，该如何选择对应的元素呢？
下面就来揭晓这些问题的答案。首先，回到最初的问题，假设数组下标为x，我们说要找到x二进制中最后一个1的位置，以确定树状数组所覆盖的部分和长度，这该如何实现呢？这里其实要用到位运算，设lowbit(x)为取x最后一个1对应的2的幂次，有:
$ lowbit(x) = x&(-x) $
在计算机中，整数x取反相当于把x二进制的每一位都取反，然后加1，所以-x和x的最后一个1的位置相同，其他所有1的位置均不同，然后两者按位与，即可得到最后一个1的位置：
确定了这个最低位1的位置,问题就清晰很多了，我们知道,C[i]代表到A[i]为止之前(包括A[i])，lowbit(i)个元素之和。这样就可以将A[i]至A[i]之和分为两部分，从而可以缩小问题规模:
$$Sum(1,i) = Sum(1,i-lowbit(i))+C[i]$$
对应的代码也不难得到：
1 int getSum(int x){
2 int sum = 0;
3 for(int i=x;i>0;i-=lowbit(i)){
4 sum+=C[i];
5 }
6 return sum;
7 }
求区间和Sum(i,j),只要作差即可：
$$Sum(i,j) = Sum(1,j)-Sum(1,i-1)$$
下面解决另一个关键问题，当原数组A有元素更新时，树状数组C要如何更新呢？很明显，当A[i]更新时，C必定是从C[i]处开始更新(C[i]之前没有覆盖到A[i])。如果C[i]被更新，那么之后i之后，覆盖C[i]的元素也一定会更新，实际上，这种更新时逐层的，例如更新C[3]会导致C[4]更新，C[4]更新导致C[8]更新。因此，若已知C[i]被更新，则C中下一个被更新的元素是离C[i]最近，覆盖了C[i]的值。设这个元素在i之后第a位，即C[i+a],若C[i+a]可以覆盖C[i]中的元素，则必须满足，C[i+a]覆盖的第一个A中元素的下标小于等于都C[i]覆盖的第一个A中元素的小标，即：
$$i+a-lowbit(i+a)<=i-lowbit(i)\\a<=lowbit(i+a)-lowbit(i)$$
这样，该问题就变成了，求满足上式最小的a。
思考lowbit函数的定义，我们可以发现，a不可能比lowbit(i)小，否则i+a二进制中最后一个1的位置一定在中最后一个1的后面，lowbit(i+a)-lowbit(i)<0。那a可以取lowbit(i)吗，可以的。因为i+lowbit(i)最后一个1的位置相同，两种相加会导致进位，只要进位，就等于两个lowbit(i)之和了，所以
$$lowbit(i)<=lowbit(i+a)-lowbit(i)\\lowbit(i)+lowbit(i)<=lowbit(i+lowbit(i))$$
所以a取lowbit(i)。
更新代码如下：
1 void updata(int x,int v) //将第x个整数加上v
2 {
3 for(int i=x;i<=N;i+=lowbit(i)){
4 c[i]+=v;
5 }
6 }
标签：树状,二进制,lowbit,Sum,元素,更新,数组 来源： https://www.cnblogs.com/xyhj/p/15437908.html
本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享； 2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关； 3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关； 4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除； 5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。