Algorithm 需要一个明确的解释范围更新和范围查询二进制索引树
我已经阅读了一些关于范围更新的教程——二叉索引树的范围查询。我一个也听不懂。我不明白再建一棵树的必要性Algorithm 需要一个明确的解释范围更新和范围查询二进制索引树,algorithm,data-structures,fenwick-tree,Algorithm,Data Structures,Fenwick Tree,我已经阅读了一些关于范围更新的教程——二叉索引树的范围查询。我一个也听不懂。我不明白再建一棵树的必要性 有人能用简单的英语给我解释一下吗?让我试着解释一下 为什么我们需要第二棵树?我不能回答这个问题。严格地说,我不能证明仅仅使用一个二叉索引树是不可能解决这个问题的(我从来没有在任何地方见过这样的证明) 怎么能想出这个办法呢?再说一遍,我不知道。我不是这个算法的发明者。所以我不知道为什么它看起来像这样。我将试图解释的唯一一件事是为什么以及如何使用这种方法 为了更好地理解这个算法,我们首先应该忘记二
有人能用简单的英语给我解释一下吗?让我试着解释一下
O(logn)
time中执行范围和查询。我们只想使用一个或多个这样的“黑匣子”来构建一个能够高效执行范围更新和查询的数据结构T1
和T2
。我将使用以下符号:T.add(pos,delta)
用于通过delta
值在位置pos
执行点更新,而T.get(pos)
用于求和[0…pos]
。我声明,如果更新函数如下所示:
void update(left, right, delta)
T1.add(left, delta)
T1.add(right + 1, -delta);
T2.add(left, delta * (left - 1))
T2.add(right + 1, -delta * right);
范围查询的回答是这样的(对于前缀[0…pos]
):
那么结果总是正确的左、右、DELTA
更新,现在我们正在执行pos
查询(即,0…pos sum)。让我们考虑3种情况:i)
pos
。更新不会影响此查询。答案是正确的(由于归纳假设)。ii)
L试图以更直观的方式(我理解的方式)解释。我将把它分为四个步骤:
假设更新是在A和B之间,并带有V,并且查询是一个前缀查询,因为任何索引=A都会受到它的影响。然后将V从B+1中删除,因此任何查询X>=B+1都不会看到V添加到A中。这里没有令人惊讶的地方
为范围更新/点树添加前缀查询
T1.sum(X)
是对X处第一棵树的点查询。我们乐观地假设X之前的每个元素都等于X处的值。这就是为什么我们要T1.sum(X)*X
。显然这不太正确,这就是为什么我们:
使用修改的范围更新/点查询树修复结果(T2)
在更新范围时,我们还更新了第二棵树,以告诉我们需要修复第一个T1.sum(X)*X
查询多少。此更新包括从任何查询X>=A中删除(A-1)*V
。然后我们为X>=B添加B*V
。我们这样做是因为对第一个树的查询不会为X>=B+1返回V(因为T1.add(B+1,-V)
),所以我们需要以某种方式告诉您,对于任何查询X>=B+1,都有一个矩形区域(B-A+1)*V
。我们已经从A中删除了(A-1)*V
,我们只需要将B*V
添加回B+1即可
把它包装在一起
我花了很多天来理解范围更新,在这里用示例写了简单的解释:
这是我见过的最好的解释。你能解释一下“我们乐观地假设X之前的每个元素都等于X处的值”这句话吗?举个例子可能会很有帮助!你能解释一下你是如何得到这个T2.add(左,delta*(左-1))T2.add(右+1,-delta*右)代码>?@user3739818我是怎么得到它的?好的,构造一个算法是一个创造性的过程,所以一个公平的答案是:你可以用前缀和画一些图片,然后看到它应该是这样的。在你弄明白这一点之后,你可以严格地证明这一点。
int getSum(pos)
return T1.sum(pos) * pos - T2.sum(pos)
#include <bits/stdc++.h>
using namespace std;
// Binary index tree.
struct BIT {
vector<int> f;
BIT(int n = 0) {
f.assign(n, 0);
}
int get(int at) {
int res = 0;
for (; at >= 0; at = (at & (at + 1)) - 1)
res += f[at];
return res;
}
void upd(int at, int delta) {
for (; at < f.size(); at = (at | (at + 1)))
f[at] += delta;
}
};
// A tree for range updates and queries.
struct Tree {
BIT f1;
BIT f2;
Tree(int n = 0): f1(n + 1), f2(n + 1) {}
void upd(int low, int high, int delta) {
f1.upd(low, delta);
f1.upd(high + 1, -delta);
f2.upd(low, delta * (low - 1));
f2.upd(high + 1, -delta * high);
}
int get(int pos) {
return f1.get(pos) * pos - f2.get(pos);
}
int get(int low, int high) {
return get(high) - (low == 0 ? 0 : get(low - 1));
}
};
// A naive implementation.
struct DummyTree {
vector<int> a;
DummyTree(int n = 0): a(n) {}
void upd(int low, int high, int delta) {
for (int i = low; i <= high; i++)
a[i] += delta;
}
int get(int low, int high) {
int res = 0;
for (int i = low; i <= high; i++)
res += a[i];
return res;
}
};
int main() {
ios_base::sync_with_stdio(0);
int n = 100;
Tree t1(n);
DummyTree t2(n);
for (int i = 0; i < 10000; i++) {
int l = rand() % n;
int r = rand() % n;
int v = rand() % 10;
if (l > r)
swap(l, r);
t1.upd(l, r, v);
t2.upd(l, r, v);
for (int low = 0; low < n; low++)
for (int high = low; high < n; high++)
assert(t1.get(low, high) == t2.get(low, high));
}
return 0;
}
update(A, B, V):
T1.add(A, V) # add V to any X>=A
T1.add(B+1, -V) # cancel previously added V from any X>=B+1
T2.add(A, (A-1)*V) # add a fix for (A-1)s V that didn't exist before A
T2.add(B+1, -B*V) # remove the fix, and add more (B-A+1)*V to any query
# X>=B+1. This is really -(A-1)*V -(B-A+1)*V, but it
# simplifies to -B*V
sum(X):
return T1.sum(X)*X - T2.sum(X)