在学习Fenwick树时,我发现了此实现:
资料来源:https : //algorithmist.com/wiki/Fenwick_tree
class Fenwick_Tree_Sum
{
vector<int> tree;
Fenwick_Tree_Sum(const vector<int>& Arg)//Arg is our array on which we are going to work
{
tree.resize(Arg.size());
for(int i = 0 ; i<tree.size(); i++)
increase(i, Arg[i]);
}
// Increases value of i-th element by ''delta''.
void increase(int i, int delta)
{
for (; i < (int)tree.size(); i |= i + 1)
tree[i] += delta;
}
// Returns sum of elements with indexes left..right, inclusive; (zero-based);
int getsum(int left, int right)
{
return sum(right) - sum(left-1); //when left equals 0 the function hopefully returns 0
}
int sum(int ind)
{
int sum = 0;
while (ind>=0)
{
sum += tree[ind];
ind &= ind + 1;
ind--;
}
return sum;
}
};
我可以在代码中看到i |= i + 1
和ind &= ind + 1; ind--
。
我知道i |= i + 1
只是设置下一个未设置的位。
但是,(i & (i + 1)) - 1
实际上是做什么的呢?
这里有些例子:
-------------------------------------
i | (i & (i + 1)) - 1
-------------------------------------
0 - 0000000000 | -1 - 1111111111
1 - 0000000001 | -1 - 1111111111
2 - 0000000010 | 1 - 0000000001
3 - 0000000011 | -1 - 1111111111
4 - 0000000100 | 3 - 0000000011
5 - 0000000101 | 3 - 0000000011
6 - 0000000110 | 5 - 0000000101
7 - 0000000111 | -1 - 1111111111
8 - 0000001000 | 7 - 0000000111
9 - 0000001001 | 7 - 0000000111
10 - 0000001010 | 9 - 0000001001
11 - 0000001011 | 7 - 0000000111
12 - 0000001100 | 11 - 0000001011
13 - 0000001101 | 11 - 0000001011
14 - 0000001110 | 13 - 0000001101
15 - 0000001111 | -1 - 1111111111
16 - 0000010000 | 15 - 0000001111
17 - 0000010001 | 15 - 0000001111
18 - 0000010010 | 17 - 0000010001
19 - 0000010011 | 15 - 0000001111
20 - 0000010100 | 19 - 0000010011
21 - 0000010101 | 19 - 0000010011
22 - 0000010110 | 21 - 0000010101
23 - 0000010111 | 15 - 0000001111
24 - 0000011000 | 23 - 0000010111
25 - 0000011001 | 23 - 0000010111
26 - 0000011010 | 25 - 0000011001
27 - 0000011011 | 23 - 0000010111
28 - 0000011100 | 27 - 0000011011
29 - 0000011101 | 27 - 0000011011
30 - 0000011110 | 29 - 0000011101
如果该位模式i
就像是...0111
,的位模式i+1
会...1000
。因此,i & (i+1)
均值i - 2^{number of leading ones}
并将所有前导1
s转换为零。例如,如果i
是,i & (i+1)
则等于i
。另一方面,-1
意味着将所有前导零转换为1
(包括上一步的所有前导零为零)并将连续1
的零转换为零。
这样做的-1
下一步,i & (i+1)
将降低i
由2^{leading 1's and zeros after 1's}
的前值i
。
是什么原因?它有助于表明找到累积总和的时间复杂性将O(log n)
在最坏的情况下发生。
为了找到这个计算背后的原因,你需要关注每个节点上i
会负责计算指数i
来(i - (1 << r) + 1
。并且“r
表示索引中设置的最后1位i
”。为了找到对应于指数总和i
,我们需要从总结所有相关的值0
来i
。注意,由于指定的属性,我们不需要对所有索引求和。因此,我们需要总结指数i
,i - (1 << r)
......等等等等。
本文收集自互联网,转载请注明来源。
如有侵权,请联系 [email protected] 删除。
我来说两句