对于堆排序的从下到上的建堆过程为什么时间复杂度是O(n)而不是O(nlogn)

堆排序的第一步：建堆过程时间度是O(n)。

以升序为例，我们知道对于堆排序的第一步，是要先建立一个大顶堆。代码如下:

void adjustHeap(vector<int>& arr, int parent, int length){
    int temp = arr[parent];//寻找temp最终应该放的位置
    while(parent*2+1<length){
        int left = parent*2+1;
        if((left+1)<length&&arr[left]<arr[left+1])
            left = left+1;
        if(arr[left]>temp){
            arr[parent] = arr[left];
            //更新parent
            parent = left;
        }else break;
    }
    arr[parent] = temp;
}
for(int i=arr.size()/2-1;i>=0;i--){
        adjustHeap(arr, i, arr.size());
}

给定一个固定的序列，将其从下到上建成一个大顶堆的过程如下:
假定堆以数组实现，建堆的过程，就是不断将一个完全二叉树进行调整使得该完全二叉树满足: 每一棵子树的根节点总是比其左子树和右子树的值大。这个调整过程主要是: 从第一个非叶子结点开始不断地从下往上调整（如果假定下标从0开始，则第一个非叶子结点的下标就是arr.length/2-1），故外循环是O(n)。针对每次调整，调整函数ajustHeap之所以里面加一个while, 主要是因为，针对当前的根节点parent,当和其左孩子和右孩子交换之后，有可能破坏了其左子树或者右孩子的堆结构，因此还要往下继续调整，也就是找到最初的arr[parent]最终应该放置的位置。由于该while循环中，针对parent结点，它在往下调整找合适位置的时候，总是找某一半的子树(每一次要么往左子树走，要么是往右子树走)，所以针对某一次调整，其调整的时间复杂度是树高: O(logn)。所以直观上从整体上来看，建堆的时间复杂度是外层的for循环乘内层的O(logn)的复杂度是：O(nlogn)。其实，这是不正确的。构建二叉堆是自下而上的构建，每一层的最大深度总是小于等于树的深度的，因此，该问题是叠加问题，不是递归问题。那么换个方式，假如我们自上而下建立二叉堆，那么插入每个节点都和树的深度有关，并且都是不断的把树折半来实现插入，因此是典型的递归，而非叠加。时间复杂度是O(nlogn)。
下面给出证明过程：
针对一棵完全二叉树，设树高为h, 则当前层元素最多$2^{x-1}$个，x为层数，由于从第一个非叶子结点进行调整，第一层的非叶子结点的层数也就是倒数第二层，因此开始调整的第一层的个数为$2^{h-2}$，对于该层只需要做一次线性比较就可以调整成功。依次往上考虑，对于倒数第二层，其结点的个数为$2^{h-3}$,其需要再往下调整的层数最多为2。故对于第倒数x层，其元素的个数为$2^{h-x}$, 其往下的比较次数和处理时间复杂度也就是往下的高度减1，即$x-1$。对于第1层，即倒数第h层，有1个元素，往下的调整的层数为$h-1$。设总的时间复杂度为S：
$S=1\ast (h-1)+2\ast (h-2)+4\ast (h-3)+...+2^{h-4}\ast 3+2^{h-3}\ast 2+2^{h-2}\ast 1$ (1)
观察上式，属于等差数列和等比数列的乘积的累加和，可以使用裂项错位相减。
将(1)乘以2得：
$2S=2\ast (h-1)+4\ast (h-2)...+2^{h-3}\ast 3+2^{h-2}\ast 2+2^{h-1}\ast 1$ (2)
(2)-(1) = S = $-(h-1)+2+4+...+2^{h-3}+2^{h-2}+2^{h-1}$
后面是一个等比数列，使用等比数列的求和公式$\frac{a_1-a_n\ast q}{1-q}$则$S=2^h-2-h+1=2^h-h-1$。将h = logn带入得S = n - logn -1，故最终的时间复杂度为O(n-logn-1) = O(n)。