目录
序列文章
初识树(C语言):http://t.csdnimg.cn/eqFmT
二叉树的基本概念(C语言):http://t.csdnimg.cn/AkwTC
大小堆的实现(C语言):http://t.csdnimg.cn/yoXVC
看了就会的堆排序(C语言):http://t.csdnimg.cn/EWzgM
top K问题(借你五分钟):http://t.csdnimg.cn/1YLT8
堆的相关时间复杂度计算(C语言):http://t.csdnimg.cn/7SET9
二叉树的前、中、后序遍历的实现:http://t.csdnimg.cn/xNHrs
计算二叉树结点个数、叶子结点个数的代码实现:http://t.csdnimg.cn/kiBpd
二叉树查找值为x的结点、树的高度、第k层结点个数的代码实现:http://t.csdnimg.cn/BcFEW
二叉树的创建、销毁、层序遍历、层序遍历进阶的代码实现: http://t.csdnimg.cn/Qlxu0
二叉树的OJ练习(一):http://t.csdnimg.cn/jhOWW
二叉树的OJ练习(二) :http://t.csdnimg.cn/sl7kl
<你想看的我这里都有😎 >
建堆的时间复杂度
关于建堆的时间复杂度计算我们放在了:大小堆的实现(C语言)中讲解
向上调整建堆的时间复杂度
计算方式:此时所处层的结点个数 * 向上调整次数
文字描述: 假设我们有一个具有 N 个节点的满二叉树,并且我们正在对其中某个节点进行向上调整。在最坏情况下,该节点可能需要一直交换到根节点位置才能满足堆性质。
公式描述:
向上调整建堆到叶子结点时就不再调整,假设向下调整建堆的累计调整次数是T(h),那么:
T(h) = 2^1 * 1 + 2^2 * 2 + ...... + 2^(h-2) * (h-2) + 2^(h-1) * (h-1) ①
2*T(h) = 2^2 * 1 + 2^3 * 2 + ...... + 2^(h-1) * (h-2) + 2^h * (h-1) ②由②-①得:
T(h) = -(2^0 + 2^1 + 2^2 + ...... + 2^(h-2) + 2^(h-1)) + 2^h*(h-1) + 2^0 ③
由等比数列求和公式得:
T(h) = -((2^h) - 1) + 2^h*(h-1) + 2^0 ④
又由于满二叉树高度h与总结点个数N之间的关系是h = log(N+1),故将④化简可得:
T(N) = -N + (N+1)(log(N+1)-1) + 1
因此,向上调整建堆的时间复杂度为:O(N*logN)
向下调整建堆的时间复杂度
假设该堆为满二叉树,此时向下调整的情况是最坏的情况:
计算方式:此时所处层的结点个数 * 向下调整次数
文字描述:假设有一个具有 N 个元素的完全二叉树(即堆),其中 h 是该二叉树的高度。在最坏情况下,需要将一个元素从根节点向下移动到底部层次,并且每一次都需要与其子节点进行比较和交换操作。
公式描述:
向下调整建堆到叶子结点时就不再调整,假设向下调整建堆的累计调整次数是T(h),那么:
T(h) = 2^(h-2) * 1 + 2^(h-3) * 1 + ...... + 2^1 * (h-2) + 2^0 * (h-1) ①
2*T(h) = 2^(h-1) * 1 + 2^(h-2) * 1 + ...... + 2^2 * (h-2) + 2^1 * (h-1) ②由②-①得:
T(h) = 2^(h-1) + 2^(h-2) + ...... + 2^1 + 2^0 - h ③
由等比数列求和公式得:
T(h) = 2^h - 1 -h ④
又由于满二叉树高度h与总结点个数N之间的关系是h = log(N+1),故将④化简可得:
T(N) = N - log(N+1)
因此,向下调整建堆的时间复杂度为:O(N)
结论:向下调整建堆的时间复杂度为O(N),向上调整建堆的时间复杂度为O(N*logN),因此更倾向于使用向下调整的方式建堆
向下调整与向下调整建堆的时间复杂度分别为O(logN)与O(N)
维护堆的时间复杂度
//维护
int end = n - 1;
while (end > 0)
{
Swap(&a[0], &a[end]);
AdjustDown(a, end, 0);
--end;
}
维护堆的时间复杂度为O(N*logN)
文字描述:
假设数组
a
的长度为n
,则循环会执行n-1
次迭代,每次迭代都包括以下几个步骤:
交换首尾元素:通过调用 Swap 函数交换数组首尾元素,所需时间复杂度为 O(1)
向下调整:向下调整的时间复杂度为O(logN)
更新结束标志:将结束标志
end
减一,表示缩小待处理区间,所需时间复杂度为 O(1)因此,时间复杂度O(n) = (N-1)logN = N*logN
公式描述:
在满二叉树中的总结点个数N为:
N = (2^0) + (2^1) + ... + 2^(h-1)由等比数列求和公式得到:
N = (2^h - 1)因此堆高度 h 与结点总数N的关系为:
h = log(N + 1)最坏情况下,一个元素需要一直向下移动到叶子节点,此时它经过堆高度上所有层级:
所以时间复杂度为O(logN)
补充:时间复杂度计算的是输入规模与算法最坏执行时间之间的关系,在向下调整操作中,时间复杂度计算了堆的总结点个数 N 与一个结点最坏的调整次数所需的时间,这个时间又与结点的高度h有关而h=log(N+1),所以O(N) = log(N+1) = log(N)
top K问题的时间复杂度
文字描述:
利用堆解决top K问题可以分为两个阶段:
建立初始大小为 K 的最小堆:需要插入 K 个元素到空的初始堆中。每次插入操作都需要执行一次向上调整操作,时间复杂度为 O(logK)
因此,在建立初始大小为 K 的最小堆时所需总比较和交换次数是 O(KlogK)处理剩余 N-K 个元素:对于每个剩余元素,如果它大于当前最小值(即根节点),则替换并执行向下调整操作,以维护最新的 top k 元素,每次替换和向下调整都需要花费 O(logK) 的时间。
因此,在处理剩余 N-K 个元素时所需总比较和交换次数是 O((N-K)logK)因此,使用堆解决 Top K 问题的时间复杂度为 O(KlogK + (N-K)logK),其中 N 是输入元素的总数。如果 K 远小于 N,则该算法的时间复杂度可近似为 O(NlogK),因为 K 的值相对较小可忽略不计。
~over~