堆排序--向上向下调整创建堆方法的复杂度（数学错位相减法）以及大堆升序和小堆降序二种方式

引子：  在堆排序中或Top-k相关的问题中，我们知道堆是一个非常重要的结构，具有其他所没有的优势！但是堆的创建是一个值得我们讨论的问题，我们已知向上向下调整法来创建堆！但是这二种方法其实差异很大！并且当我们在用堆排序的时候，我们升序用大堆还是小堆也具有很大差距！对小堆也一样！

那我们来用数学的角度来分析一下他们的复杂度！

分析：

一，向上创建堆

注意：时间复杂度是从最坏的情况来看的！要对二叉树的性质有了解！

首先，我们从向上创建堆的角度来看（我愿意称为多乘多）

如图，是一个树形结构；

ok,老铁我们来看。

我们把总节点数记为N;  h为树的层数（把根节点记作为第一层）； F(h)为该种创建方法下最坏要进行交换的次数！注意：第二层要交换的次数为1次，第三层交换次数为2次,.......第h层要交换的次数为h-1次

所以我们写出，

    F(h)=2^1*1 + 2^2*2 + 2^3*3 + 2^4*4 + 2^5*5 + 2^6*6 + ...... + 2^(h-1)*(h-1);  我们记作1；

2* F(h)=             2^2*1 + 2^3*2 + 2^4*3 + 2^5*4 + 2^6*5 + 2^7*6 + ...... + 2^(h)*(h-1);我们记作2；

2-1=F(h)=2^(h)*(h-1) - [2^1 + 2^2 + 2^3 + 2^4 + 2^5 + 2^6 + 2^7 + 2^8 + 2^9 + ...... + 2^(h-1)] - 4;

我们用等比公式！

等比求和：

所以F(h)=2 ^ ( h ) * ( h - 1 ) - ( 2 ^ ( h + 1 ) - 2)  -  4;

F(h)= ( h - 3 ) * 2 ^ ( h + 1 ) - 2;

我们有二叉树性质得：h=log2(N+1);N=2^h-1;

带入得：( log2(N+1) - 3) * ( N + 1 ) * 2 - 2 ;

根据大O阶所以为 N*log(N)

建堆代码：

void Heapcreat(Heap* hp, HPDataType* a, int n);

二，向下创建堆

注意：向下建堆是从倒属第一个非叶子节点，我们是从下往上做判断的

我愿意称为（少乘少）

推理如下：

向下调整法：

有不懂的铁汁吗？记得发评论区哦！

用堆的升序与降序：

升序：

对于升序，我们是用大根堆还是小根堆呢？如果你不知道，不要紧，我们从小根堆来看，

我们给定一个数组为a={ 10 ,20,30,40,60,80} 如图：

那就是：   10

           20         30

      40    60    80

我们看第一次，我们取10，然后，我们该找第二小的数了也就是次小。

那我们该如何找呢？其实这个时候，小根排序的弊端就出来了！

1，我们如果向前覆盖，那破坏了父子关系，兄弟变父子了，违反常理！

2，如果我们不覆盖，那我们就要重新建堆，那它的复杂度是O（n），不如排序，删掉一个再一遍一遍找最小！

那我们只能用大根堆了！

 思路：那大根堆如何操作呢？其实和Headpop（）原理差不多，我们找到最大的数（根节点）与最后一个数进行交换，在size--，注意此时，并没有删掉最大的数，只是不把它包括在内，然后我们进行向下调整，找到第二大的，放在根节点！

代码如下：

我们先建堆，要用小堆建；

降序：那降序，不言而喻，就是用小堆了

 思路：那大小堆如何操作呢？其实和Headpop（）原理差不多，我们找到最小的数（根节点）与最后一个数进行交换，在size--，注意此时，并没有删掉最小的数，只是不把它包括在内，然后我们进行向下调整，找到第二小的，放在根节点！

也很简单，只要细心一点，写完可私信我哦！

ok,今天就分享到此了，大家多多支持！

下一篇，我们将探讨Top-k以及二叉树遍历！