[建堆&堆排序的时间复杂度推导]向上建堆&向下建堆&堆排序的时间复杂度分析推导

建堆的时间复杂度计算。

堆建立的不同方式的时间复杂度：从上往下建堆和从小往上建堆

今天我们认识并学习了堆的时间复杂度，并且通过分析对向下调整算法和向上调整算法也有了更深入的了解。还对堆的应用——堆排序、TOP - K问题进行了分析。下一篇博客我们将对二叉树链式结构进行分析及实现。希望我的文章和讲解能对大家的学习提供一些帮助。

本篇文章，我们推到了向下调整建堆算法和向上调整建堆的时间复杂度，还有堆的topk问题，我们从逻辑方面，用数学公式详细的介绍了算法时间复杂度，希望本篇文章能帮助到正在努力的你。2%5E0+2%5E1+2%5E2+...+2%5E2+...+

堆排序是由堆。

优先队列其实就是由各种堆实现，最大堆可以实现最大优先队列，最小堆可以实现最小优先队列。从一个无序的序列调整成最大堆的形式，时间复杂度为O(n)；某个节点进行下沉操作的时间复杂度与该节点所在的高度成正比；堆排序的时间复杂度为O(nlogn)。...

对于一棵如图所示的完全二叉树，树的高度为H。在构建初始堆的过程中，从中间元素自底向上的构造，在最坏的情况下每一次该元素都要与左右孩子比较并交换，交换后的位置同样还要再与孩子比较并交换（如果有孩子的话），直至该节点该值达到叶子节点，那么很明显该节点最多需要比较并交换的次数为该节点当前的高度值（令叶子节点的高度值为0）。 最坏的情况下是从非叶叶子节点开始比较，并且每次比较的时都需要进行一个递归的交换，并且最终交换到叶子节点，对于每一个节点而言最坏的操作数等于当前节点所处于的高度。 下面是详细的推导过程 那么

本来想写堆以及优先队列的，现在就只简单写写堆吧，先不写别的了，先把堆搞明白。 堆是什么 堆是一个 完全二叉树，每一个节点的值都必须 大于等于 或者 小于等于 其孩子节点的值。 堆的特点 插入 的时间复杂度：O(lgn) 删除 的时间复杂度：O(lgn) 获取最大值/最小值的 时间复杂度：O(1) 最大堆/最小堆 最大堆：每一个节点的值都必须 大于等于 其孩子节点的值。 最小堆：每一个节点的值都必须 小于等于 其孩子节点的值。 构建最大堆 构建最大堆的步骤分为一下几步： 把要插入的元素插入到堆中 和父节点

目录1.堆排序1.1 向上调整建堆1.2 向下调整建堆2. 两种建堆方式的时间复杂度比较2.1 向下调整建堆的时间复杂度2.2 向上调整建堆的时间复杂度Topk问题上节内容，我们讲了堆的实现，同时还包含了向上调整法和向下调整法，最后我们用堆实现了对数据的排序： 那以上代码能实现对数据的排序吗?答案是可以的，但是以上方式有两个弊端：1. 要先写一个堆，太麻烦2. 空间复杂度+拷贝数据。上节内容中，用堆对数据进行排序，是将数据一个一个插入堆，然后再调整排序的，那我们能不能直接把数据就建成一个堆？当然可以，建

为什么我们总是习惯采用：向下调整来建堆？🤔 你知道他们的区别有那些吗？

重点讲解堆排序的时间复杂度，详细说明数学推导过程

堆的向上调整、堆的向下调整、堆排序、堆的顺序存储、堆的链式存储、TOP-K问题

本文深度剖析堆的向上调整与向下调整。推导其时间复杂度。

二叉树中堆的应用，堆排序，时间复杂度讲解

可以通过siftdown或者siftup建立二叉堆。 siftdown： 如果节点小于其最大的子节点，将二者进行交换，直到节点大于或等于所有子节点。整个过程节点向下调整。 siftup： 如果节点大于其父节点，将二者交换，直到节点小于或者等于其父节点。整个过程节点向上调整。 siftdown或者siftup在最坏情况下都是O(logn)。siftdown操作次数取决于节点离堆底的距离，siftup的操作次数取决于节点离堆顶的距离。siftdown的效率更高一些，因为建堆时计算每个节点到底部或者顶部的距离

堆的构建，堆排序

一：建堆 第一种情况：时间复杂度O（logn） 若左右子树恰好都是小堆，如何建小堆呢？ 算法：向下调整算法 1. 选出孩子中小的那一个 a）小的孩子跟父亲相比，比父亲小则与父亲交换，并把原来孩子的位置当成父亲的新位置继续往下调整，直到 parent走到叶子节点 b）若比父亲大则不需要处理，调整完成，整个树已经是小堆。 //向下调整算法 void Swap(int* a, int* b) { int tmp = *a; *a = *b; *b = tmp; } void AdjustDown

maxheapify的复杂度是o(lgn)，而建立最大堆的复杂度是o(n),那么是不是堆排序算法的复杂度就是二者相乘呢？当然不是，怎么可能这么简单首先，在建立一次最大堆，消耗n的时间，继续执行，每次将最大的数(根节点)选出来，然后maxheapify，直到将整个数组的元素历遍完毕。好了，回顾一遍堆排序算法后，开始正式推导。首先，设堆的大小为n，堆的高度为lgn，设当前元素所在的高度为h