mirror of
https://github.com/krahets/hello-algo.git
synced 2024-12-26 14:36:28 +08:00
133 lines
4.1 KiB
Markdown
133 lines
4.1 KiB
Markdown
# 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**。
|