树状数组(一维)

本文主要介绍树状数组相关知识。定义了顶端结点C[]数组,阐述利用C[i]数组求A数组前i项和的区间查询方法,通过二进制形式演示计算过程。还说明了当修改A[]数组某值时更新C[]数组的单点更新方法,最后提及区间更新和区间查找的相关内容。

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

 

 

 

 

 

 

 

 

 

 

变形一下

现在定义每一列的顶端结点C[]数组 

 

 

下面说代码

  1. int lowbit(int t)
  2. {
  3. return t&(-t);
  4. }
  5. //-t 代表t的负数 计算机中负数使用对应的正数的补码来表示
  6. //例如 :
  7. // t=6(0110) 此时 k=1
  8. //-t=-6=(1001+1)=(1010)
  9. // t&(-t)=(0010)=2=2^1

C[i]=A[i-2^k+1]+A[i-2^k+2]+......A[i];

C[i]=A[i-lowbit(i)+1]+A[i-lowbit(i)+2]+......A[i];

 

区间查询

ok 下面利用C[i]数组,求A数组中前i项的和 

举个例子 i=7;

sum[7]=A[1]+A[2]+A[3]+A[4]+A[5]+A[6]+A[7] ;   前i项和

C[4]=A[1]+A[2]+A[3]+A[4];   C[6]=A[5]+A[6];   C[7]=A[7];

可以推出:   sum[7]=C[4]+C[6]+C[7];

序号写为二进制: sum[(111)]=C[(100)]+C[(110)]+C[(111)];

 

再举个例子 i=5

sum[5]=A[1]+A[2]+A[3]+A[4]+A[5] ;   前i项和

C[4]=A[1]+A[2]+A[3]+A[4];   C[5]=A[5];

可以推出:   sum[5]=C[4]+C[5];

序号写为二进制: sum[(101)]=C[(100)]+C[(101)];

 

细细观察二进制 树状数组追其根本就是二进制的应用

结合代码

  1. int getsum(int x)
  2. {
  3. int ans=0;
  4. for(int i=x;i>0;i-=lowbit(i))
  5. ans+=C[i];
  6. return ans;
  7. }

对于i=7 进行演示 

                                  7(111)          ans+=C[7]

lowbit(7)=001  7-lowbit(7)=6(110)    ans+=C[6]

lowbit(6)=010  6-lowbit(6)=4(100)    ans+=C[4]

lowbit(4)=100  4-lowbit(4)=0(000)    

对于i=5 进行演示 

                                  5(101)           ans+=C[5]

lowbit(5)=001  5-lowbit(5)=4(100)    ans+=C[4]

lowbit(4)=100  4-lowbit(4)=0(000)   

 

*************************************************分割线

单点更新

 

当我们修改A[]数组中的某一个值时  应当如何更新C[]数组呢?

回想一下 区间查询的过程,再看一下上文中列出的图

 

结合代码分析

  1. void add(int x,int y)
  2. {
  3. for(int i=x;i<=n;i+=lowbit(i))
  4. tree[i]+=y;
  5. }
  6. //可以发现 更新过程是查询过程的逆过程
  7. //由叶子结点向上更新C[]数组

 

如图: 

当更新A[1]时  需要向上更新C[1] ,C[2],C[4],C[8]

                     C[1],   C[2],    C[4],     C[8]

写为二进制  C[(001)],C[(010)],C[(100)],C[(1000)]

                                      1(001)        C[1]+=A[1]

lowbit(1)=001 1+lowbit(1)=2(010)     C[2]+=A[1]

lowbit(2)=010 2+lowbit(2)=4(100)     C[4]+=A[1]

lowbit(4)=100 4+lowbit(4)=8(1000)   C[8]+=A[1]

 

区间更新,区间查找

对于sum1数组的修改同问题2中对d数组的修改。

对于sum2数组的修改也类似,我们给 sum2[l] 加上 l * x,给 sum2[r + 1] 减去 (r + 1) * x。

 1 void add(ll p, ll x){
 2     for(int i = p; i <= n; i += i & -i)
 3         sum1[i] += x, sum2[i] += x * p;
 4 }
 5 void range_add(ll l, ll r, ll x){
 6     add(l, x), add(r + 1, -x);
 7 }
 8 ll ask(ll p){
 9     ll res = 0;
10     for(int i = p; i; i -= i & -i)
11         res += (p + 1) * sum1[i] - sum2[i];
12     return res;
13 }
14 ll range_ask(ll l, ll r){
15     return ask(r) - ask(l - 1);
16 }
View Code

 

转载于:https://www.cnblogs.com/zxz666/p/10572347.html

<think>好的,我现在需要帮助用户了解二维树状数组的实现和应用。首先,我得回顾一下用户之前的提问和引用内容,确保回答符合他们的需求。用户提到了二维树状数组,引用中也有关于二维前缀和、单点修改以及例题的信息,比如poj2352和Codeforces的题目。 首先,我需要解释二维树状数组的基本概念。二维树状数组树状数组在二维空间的扩展,主要用于处理二维数组的前缀和查询和单点更新。用户可能已经了解一维树状数组,所以可以在此基础上进行扩展。 接下来是实现部分。用户需要具体的代码示例,尤其是Python的实现。根据引用3,一维树状数组的Python实现,我需要将其扩展到二维。二维树状数组的操作包括初始化、单点更新和前缀和查询。需要注意的是,二维情况下,每个更新和查询操作都需要双重循环,遍历每个维度上的索引。 然后是应用场景。用户可能想知道在什么情况下使用二维树状数组。根据引用2和4,二维树状数组适用于子矩阵求和、动态二维网格数据更新等场景,比如处理二维偏序问题或实时更新矩阵中的元素值。例如,在POJ 1195这道题中,需要处理手机的更新和区域查询,这正是二维树状数组的典型应用。 另外,用户可能关心时间复杂度。每个操作的时间复杂度是O((log n)^2),因为每个维度都需要log n的时间。相比暴力方法,这在处理大规模数据时更高效。 最后,生成相关问题。根据用户之前的问题,可能需要关于优化、应用场景以及与其他数据结构的比较的问题。比如,二维树状数组与二维线段树的区别,或者如何扩展到更高维度。 需要确保代码正确无误,并符合Python语法。同时,引用相关文献,比如引用2中的二维树状数组应用和引用4中的例题,来增强回答的可信度。还要注意用户的中文回答要求,保持结构清晰,分步骤解释。</think>### 二维树状数组实现与应用详解 #### 一、核心原理 二维树状数组是树状数据结构在二维空间的扩展,主要用于高效处理**子矩阵和查询**和**单点更新**。其核心原理基于二维二进制索引结构: 1. 每个节点存储特定子矩阵的和 2. 通过**lowbit(x)**运算确定覆盖范围 3. 时间复杂度:单次查询/更新 $O((\log n)^2)$ #### 二、Python实现代码 ```python class BinaryIndexedTree2D: def __init__(self, rows, cols): self.n = rows self.m = cols self.tree = [[0]*(cols+1) for _ in range(rows+1)] def update(self, x, y, delta): # 单点更新操作 i = x while i <= self.n: j = y while j <= self.m: self.tree[i][j] += delta j += j & -j i += i & -i def query(self, x, y): # 查询(1,1)(x,y)的子矩阵和 res = 0 i = x while i > 0: j = y while j > 0: res += self.tree[i][j] j -= j & -j i -= i & -i return res def range_query(self, x1, y1, x2, y2): # 查询任意子矩阵和 return (self.query(x2, y2) - self.query(x1-1, y2) - self.query(x2, y1-1) + self.query(x1-1, y1-1)) ``` #### 三、典型应用场景 1. **动态矩阵求和**:实时更新矩阵元素值并查询子矩阵和 - 例:POJ 1195 Mobile phones[^4] 2. **二维偏序问题**:统计满足 $x_i < x_j$ 且 $y_i < y_j$ 的点对数量 3. **图像处理**:区域像素值统计与更新 4. **游戏地图**:动态更新地形数据并快速统计区域属性 #### 四、操作时间复杂度对比 | 操作类型 | 暴力方法 | 二维树状数组 | |----------------|------------|--------------| | 单点更新 | $O(1)$ | $O((\log n)^2)$ | | 子矩阵查询 | $O(n^2)$ | $O((\log n)^2)$ | | 区域更新+查询 | $O(n^2)$ | $O((\log n)^2)$ | #### 五、实战技巧 1. **坐标偏移**:当坐标从0开始时,统一+1转换为从1开始 2. **离散化处理**:当坐标范围过大时先进行离散化 3. **差分技巧**:处理区间更新操作 ```python # 给子矩阵(x1,y1)-(x2,y2)统一加delta bit.update(x1, y1, delta) bit.update(x1, y2+1, -delta) bit.update(x2+1, y1, -delta) bit.update(x2+1, y2+1, delta) ```
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