树状数组(Binary Index Tree, BIT)是用用数组来模拟树形结构。最简单的树状数组支持两种操作,时间复杂度均为 O ( log n ) O(\log n) O(logn):
- 单点修改:更改数组中一个元素的值
- 区间查询:查询一个区间内所有元素的和

数组的构建:
int[] tree = new int[len];
求前n项和:
求和时需要如此计算SUM_i=C[i]+C[i-2^(k1)]+C[i-2^(k1)-2^(k2)]+···,那么2^k应该通过i&(-i)。求和就是不断地去掉二进制数最右边的一个1的过程。
public int query(int n) {
int res = 0;
for (int i = n; i > 0; i -= lowbit(i)) res += tree[i];
}
以计算前7项的和为例,最终结果会依次将C[7]、C[6]、C[4]求和。
为什么使用
i&(-i)替代2^k呢?这里利用的负数的存储特性,负数是以补码存储的,对于整数运算
x&(-x)有:
- 当
x为0时,0&0=0- 当
x为奇数时,最后一个比特位为1,取反加1没有进位,故x和-x除最后一位外前面的位正好相反,按位与结果为0。结果为1。- 当
x为偶数,且为2的m次方时,x的二进制表示中只有一位是1(从右往左的第m+1位),其右边有m位0,故x取反加1后,从右到左第有m个0,第m+1位及其左边全是1。这样,x&(-x)得到的就是x。- 当
x为偶数,却不为2的m次方的形式时,可以写作x=y*(2^k),y的最低位为1,x就是一个奇数左移k位来表示。这时,x的二进制表示最右边有k个0,从右往左第k+1位为1。当对x取反时,最右边的k位0变成1,第k+1位变为0;再加1,最右边的k位就又变成了0,第k+1位因为进位的关系变成了1。左边的位因为没有进位,正好和x原来对应的位上的值相反。二者按位与,得到:第k+1位上为1,左边右边都为0。结果为2^k。总结一下:
x&(-x),当x为0时结果为0;x为奇数时,结果为1;x为偶数时,结果为x中2的最大次方的因子。public int lowbit(int x) { return x & -x; }
区间求和:
public int query(int a, int b) {
return query(b) - query(a - 1);
}
单点修改:
public void update(int p, int v) {
for (int i = p; i < len; i += lowbit(i)) tree[i] += v;
}
下面针对775. 全局倒置与局部倒置问题使用树状数组进行解决:
class Solution {
public boolean isIdealPermutation(int[] nums) {
int len = nums.length;
int l = 0, g = 0;
// local
for (int i = 1; i < len; i++) {
if (nums[i - 1] > nums[i]) {
l++;
}
}
// global
int[] tree = new int[len + 1];
for (int i = 1; i <= len; i++) {
update(tree, nums[i - 1] + 1, 1);
g += i - query(tree, nums[i - 1] + 1);
}
return l == g;
}
public int lowbit(int x) {
return x & -x;
}
public void update(int[] tree, int p, int v) {
for (int i = p; i < tree.length; i += lowbit(i)) {
tree[i] += v;
}
}
public int query(int[] tree, int n) {
int ans = 0;
for (int i = n; i > 0; i -= lowbit(i)) {
ans += tree[i];
}
return ans;
}
}
参考文献:
树状数组(BIT)详解:原理与应用

树状数组是一种数据结构,支持单点修改和区间查询,时间复杂度为O(logn)。它利用i&(-i)计算低bit,优化区间求和。在全局和局部倒置问题中,树状数组能有效解决。
1056

被折叠的 条评论
为什么被折叠?



