4.1 KiB
建堆操作
在某些情况下，我们希望使用一个列表的所有元素来构建一个堆，这个过程被称为“建堆操作”。
借助入堆方法实现
最直接的方法是借助“元素入堆操作”实现。我们首先创建一个空堆，然后将列表元素依次执行“入堆”。
设元素数量为 n ，入堆操作使用 O(\log{n}) 时间，因此将所有元素入堆的时间复杂度为 O(n \log n) 。
基于堆化操作实现
有趣的是，存在一种更高效的建堆方法，其时间复杂度可以达到 O(n) 。我们先将列表所有元素原封不动添加到堆中，然后倒序遍历该堆，依次对每个节点执行“从顶至底堆化”。
请注意，因为叶节点没有子节点，所以无须堆化。在代码实现中，我们从最后一个节点的父节点开始进行堆化。
=== "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}
```
=== "JS"
```javascript title="my_heap.js"
[class]{MaxHeap}-[func]{constructor}
```
=== "TS"
```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}
```
=== "Dart"
```dart title="my_heap.dart"
[class]{MaxHeap}-[func]{MaxHeap}
```
=== "Rust"
```rust title="my_heap.rs"
[class]{MaxHeap}-[func]{new}
```
复杂度分析
为什么第二种建堆方法的时间复杂度是 O(n) ？我们来展开推算一下。
- 在完全二叉树中，设节点总数为
n，则叶节点数量为(n + 1) / 2，其中/为向下整除。因此，在排除叶节点后，需要堆化的节点数量为(n - 1)/2，复杂度为O(n)。 - 在从顶至底堆化的过程中，每个节点最多堆化到叶节点，因此最大迭代次数为二叉树高度
O(\log n)。
将上述两者相乘，可得到建堆过程的时间复杂度为 O(n \log n) 。然而，这个估算结果并不准确，因为我们没有考虑到二叉树底层节点数量远多于顶层节点的特性。
接下来我们来进行更为详细的计算。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）节点数量为 n ，树高度为 h 。
如上图所示，节点“从顶至底堆化”的最大迭代次数等于该节点到叶节点的距离，而该距离正是“节点高度”。因此，我们可以将各层的“节点数量 \times 节点高度”求和，从而得到所有节点的堆化迭代次数的总和。
$$
T(h) = 2^0h + 2^1(h-1) + 2^2(h-2) + \dots + 2^{(h-1)}\times1
化简上式需要借助中学的数列知识，先对 T(h) 乘以 2 ，得到
$$
\begin{aligned}
T(h) & = 2^0h + 2^1(h-1) + 2^2(h-2) + \dots + 2^{h-1}\times1 \newline
2 T(h) & = 2^1h + 2^2(h-1) + 2^3(h-2) + \dots + 2^{h}\times1 \newline
\end{aligned}
使用错位相减法，用下式 2 T(h) 减去上式 T(h) ，可得
$$
2T(h) - T(h) = T(h) = -2^0h + 2^1 + 2^2 + \dots + 2^{h-1} + 2^h
观察上式，发现 T(h) 是一个等比数列，可直接使用求和公式，得到时间复杂度为
$$
\begin{aligned}
T(h) & = 2 \frac{1 - 2^h}{1 - 2} - h \newline
& = 2^{h+1} - h - 2 \newline
& = O(2^h)
\end{aligned}
进一步地，高度为 h 的完美二叉树的节点数量为 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。