树状数组(Binary Index Tree)

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。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

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

在这里插入图片描述

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:

  • x为0时,0&0=0
  • x为奇数时,最后一个比特位为1,取反加1没有进位,故x-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
  • x为偶数,且为2m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m0,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
  • x为偶数,却不为2m次方的形式时,可以写作x=y*(2^k)y的最低位为1x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k0,从右往左第k+1位为1。当对x取反时,最右边的k0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x0时结果为0x为奇数时,结果为1x为偶数时,结果为x2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:

  1. 算法学习笔记(2) : 树状数组
  2. 树状数组详解
### 树状数组的概念 树状数组Binary Indexed Tree, BIT),也称为Fenwick树,是一种用于高效处理前缀和以及动态更新的数据结构。它的核心思想是通过一种特殊的稀疏树形结构来存储部分前缀和的信息,从而能够在 \(O(\log n)\) 的时间内完成单点更新和区间查询操作[^1]。 --- ### 树状数组的实现 #### 初始化 在构建树状数组之前,通常会有一个初始数组 `a` 表示原始数据。树状数组的核心是一个辅助数组 `tree[]`,该数组用来保存特定范围内的前缀和信息。初始化过程可以通过遍历输入数组并调用 `update()` 函数逐一填充 `tree[]` 数组[^2]。 以下是 Python 中树状数组的一个基本实现: ```python class BinaryIndexedTree: def __init__(self, size): self.size = size self.tree = [0] * (size + 1) # 获取低比特位函数 def lowbit(self, x): return x & (-x) # 更新某个位置的值 def update(self, index, delta): while index <= self.size: self.tree[index] += delta index += self.lowbit(index) # 查询前缀和 def query(self, index): res = 0 while index > 0: res += self.tree[index] index -= self.lowbit(index) return res # 区间查询 [left, right] def range_query(self, left, right): return self.query(right) - self.query(left - 1) ``` 在这个实现中: - `lowbit(x)` 是获取整数 `x` 的最低有效位所对应的数值。 - `update(index, delta)` 方法用于更新指定索引处的值,并同步调整受影响的节点。 - `query(index)` 方法返回从起始位置到给定索引的前缀和。 - `range_query(left, right)` 方法可以计算任意区间的和。 --- ### 应用场景 #### 单点修改 + 区间查询 这是树状数组最常见的应用场景之一。当需要频繁地对数组中的某些元素进行增减操作,并且还需要快速查询某一段区间的总和时,树状数组能够提供高效的解决方案[^2]。 例如,在解决逆序对问题时,可以用树状数组记录已经访问过的数字的数量分布情况,进而统计当前数字之前的较大数字数量。 #### 高效位运算支持 由于树状数组依赖于二进制位的操作,因此它非常适合涉及大量按位逻辑的应用场合。这种设计使得树状数组不仅简单易懂而且性能优越[^3]。 其他可能的应用还包括但不限于: - 动态频率表维护; - 历史版本管理系统的差分文件生成; - 大规模离散化后的累积概率密度估计等问题。 ---
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值