【建堆算法：向上调整算法和向下调整算法的时间复杂度计算】

八爪鱼怪111

已于 2022-12-30 14:00:34 修改

阅读量519

点赞数 5

分类专栏：数据结构文章标签：算法数据结构

于 2022-12-30 12:47:13 首次发布

本文链接：https://blog.csdn.net/weixin_56235740/article/details/128493166

版权

数据结构专栏收录该内容

8 篇文章 0 订阅

订阅专栏

因为堆是完全二叉树，而满二叉树也是完全二叉树，且满二叉树算是最坏情况，此处为了简化使用满二叉树来证明(时间复杂度本来看的就是近似值，多几个节点不影响最终结果)：

向下调整算法：

这里需要用到满二叉树的一些性质：

1.假设树的高度为h，根节点视为第一层，则第h层节点的个数为 $2^{h-1}$

2.此二叉树总结点个数N= $2^{h}-1$ ,则 $h=log_{2}(N+1)$

为了保证每次调整后，已经调整过的部分不被打乱，我们需要从倒数第二层开始调整，最坏的情况就是每个节点都向下调整了 $h_{1}$ -1次（ $h_{1}$ 表示以该节点为根节点的子树的高度），设向下调整的总次数为关于h的函数F（h）,则F（h）表示如下：

F（h）= $2^{h-2}*1+2^{h-3}*2+2^{h-4}*3+......+2^{1}+(h-2)+2^{0}*(h-1)$

利用错位相减法，求F（h）很容易：

则：F（h）= $2^{h}-1-h$ ，利用上面的性质2，可得T（N）=N+1-1- $log_{2}(N+1)$

T（N）=N- $log_{2}(N+1)$

因为要计算时间复杂度，所以我们要逐步去掉影响不大的部分：

T(N)=N- $logN$

又当N足够大时， $logN$ 与N相比，可以忽略不计

故向下调整算法时间复杂度：O（N）

向上调整算法：

为了保证每次调整后，已经调整过的部分不被打乱，我们需要从第二层开始调整，最坏的情况就是每个节点都向上调整了 $h_{2}$ -1次（ $h_{2}$ 表示以该节点所在的层数），设向上调整的总次数为关于h的函数F（h）,则F（h）表示如下：

F（h）= $2^{1}*1+2^{2}*2+2^{3}*3+......+2^{h-2}*(h-2)+2^{h-1}*(h-1)$

则：F（h）=2- $2^{h}$ + $2^{h}(h-1)$ =2+ $2^{h}*(h-2)$

T（N）=2+(N+1)* $log_{2}(N+1)$

因为要计算时间复杂度，所以我们要逐步去掉影响不大的部分：

故向上调整算法时间复杂度：O(N* $logN$ )

结论：

向下调整算法时间复杂度:O（N）

向上调整算法时间复杂度:O（N*logN）

其实在写出调整次数的式子时我们就已经可以得出结论了，对于向下调整算法，层数越高的结点，需调整的次数越少，而层数越高结点越多，也就是大多数结点只需要调整少次，而向上调整算法恰恰相反，大多数结点需要调整多数次，而基于满二叉树结构的特点，我们发现最后一层节点数占总结点数的几乎一半，对于最后一层的调整次数对整体影响很大，因此我们需要让最后一层调整少次，对应以上过程，我们选择向下调整算法更优。