3.7 KiB
建堆操作 *
如果我们想要根据输入列表来生成一个堆，这样的操作被称为「建堆」。
两种建堆方法
借助入堆方法实现
最直接地，考虑借助「元素入堆」方法，先建立一个空堆，再将列表元素依次入堆即可。
基于堆化操作实现
然而，存在一种更加高效的建堆方法。设元素数量为 n ，我们先将列表所有元素原封不动添加进堆，然后迭代地对各个结点执行「从顶至底堆化」。当然，无需对叶结点执行堆化，因为其没有子结点。
=== "Java"
```java title="my_heap.java"
[class]{MaxHeap}-[func]{MaxHeap}
```
=== "C++"
```cpp title="my_heap.cpp"
[class]{MaxHeap}-[func]{MaxHeap}
```
=== "Python"
```python title="my_heap.py"
[class]{MaxHeap}-[func]{__init__}
```
=== "Go"
```go title="my_heap.go"
[class]{maxHeap}-[func]{newMaxHeap}
```
=== "JavaScript"
```javascript title="my_heap.js"
[class]{MaxHeap}-[func]{constructor}
```
=== "TypeScript"
```typescript title="my_heap.ts"
[class]{MaxHeap}-[func]{constructor}
```
=== "C"
```c title="my_heap.c"
[class]{maxHeap}-[func]{newMaxHeap}
```
=== "C#"
```csharp title="my_heap.cs"
[class]{MaxHeap}-[func]{MaxHeap}
```
=== "Swift"
```swift title="my_heap.swift"
[class]{MaxHeap}-[func]{init}
```
=== "Zig"
```zig title="my_heap.zig"
[class]{MaxHeap}-[func]{init}
```
复杂度分析
对于第一种建堆方法，元素入堆的时间复杂度为 O(\log n) ，而平均长度为 \frac{n}{2} ，因此该方法的总体时间复杂度为 O(n \log n) 。
那么，第二种建堆方法的时间复杂度是多少呢？我们来展开推算一下。
- 完全二叉树中，设结点总数为
n，则叶结点数量为(n + 1) / 2，其中/为向下整除。因此在排除叶结点后，需要堆化结点数量为(n - 1)/2，即为O(n)； - 从顶至底堆化中，每个结点最多堆化至叶结点，因此最大迭代次数为二叉树高度
O(\log n)；
将上述两者相乘，可得时间复杂度为 O(n \log n) 。然而，该估算结果仍不够准确，因为我们没有考虑到 二叉树底层结点远多于顶层结点 的性质。
下面我们来尝试展开计算。为了减小计算难度，我们假设树是一个「完美二叉树」，该假设不会影响计算结果的正确性。设二叉树（即堆）结点数量为 n ，树高度为 h 。上文提到，结点堆化最大迭代次数等于该结点到叶结点的距离，而这正是“结点高度”。因此，我们将各层的“结点数量 \times 结点高度”求和，即可得到所有结点的堆化的迭代次数总和。
$$
T(h) = 2^0h + 2^1(h-1) + 2^2(h-2) + \cdots + 2^{(h-1)}\times1
化简上式需要借助中学的数列知识，先对 T(h) 乘以 2 ，易得
$$
\begin{aligned}
T(h) & = 2^0h + 2^1(h-1) + 2^2(h-2) + \cdots + 2^{h-1}\times1 \newline
2 T(h) & = 2^1h + 2^2(h-1) + 2^3(h-2) + \cdots + 2^{h}\times1 \newline
\end{aligned}
使用错位相减法，令下式 2 T(h) 减去上式 T(h) ，可得
$$
2T(h) - T(h) = T(h) = -2^0h + 2^1 + 2^2 + \cdots + 2^{h-1} + 2^h
观察上式，T(h) 是一个等比数列，可直接使用求和公式，得到时间复杂度为
$$
\begin{aligned}
T(h) & = 2 \frac{1 - 2^h}{1 - 2} - h \newline
& = 2^{h+1} - h \newline
& = O(2^h)
\end{aligned}
进一步地，高度为 h 的完美二叉树的结点数量为 n = 2^{h+1} - 1 ，易得复杂度为 $O(2^h) = O(n)$。以上推算表明，输入列表并建堆的时间复杂度为 O(n) ，非常高效。