建堆O(n)时间复杂度证明

建堆复杂度先考虑满二叉树,计算完全二叉树建堆复杂度基本相同。

对满二叉树而言,第i层(根为第0层)有2^i个节点。由于建堆过程自底向上,以交换作为主要操作,因此第i层任意节点在最不利情况下,需要经过(n-i)次交换操作才能完成以该节点为堆根节点的建堆过程。因此,时间复杂度计算如下:

T(n) = 2^0 * (n - 0) + 2^1 * (n - 1) + ... + 2^n * (n - n) = sum((n - i) * 2^i)

采用错位相减法:

  • 原式乘2得:
  • T(n) * 2 = 2^1 * (n - 0) + 2^2 * (n - 1) + ... + 2^(n+1) * (n - n)
  • = sum((n - i) * 2^(i+1))
  • 原式如下:
  • T(n) = 2^0 * (n - 0) + 2^1 * (n - 1) + ... + 2^n * (n - n)
  • = sum((n - i) * 2^i)
  • 相减得:
  • 2T(n) - T(n) = -n + 2^1 + 2^2 + ... + 2^n = 2 * (1 - 2^n) / (1 - 2) - n
  • = 2^(n+1) - 2 - n

上面推导中,n为层数编号(自0层根节点开始)。故总节点数为(1 + 2 + 4 + ... + 2^n) = 2^(n+1) - 1。渐进时,忽略减1取N = 2^(n+1)

T(N) = 2^(n+1) - n - 2 = N * (1 - logN / N - 2 / N) ≈ N

故时间复杂度为O(N),得证。

### 排序的时间复杂度分析 排序是一种基于比较的排序算法,其时间复杂度主要由和调整两部分组成。以下是排序时间复杂度的具体分析: #### 1. 时间复杂度 过程是从最后一个非叶子节点开始,逐层向上进行化操作。假设输入数组规模为 \( n \)的高度为 \( h \),则有关系式 \( n = 2^{h+1} - 1 \),可得 \( h = \log_2(n+1) - 1 \)[^5]。 在过程中,第 \( k \) 层的节点数为 \( 2^k \),每个节点的调整时间与其深度成正比,即 \( O(h-k) \)。因此,的总时间复杂度可以表示为: \[ T_{\text{build}} = \sum_{k=0}^{h} 2^k (h-k) \] 通过数学推导可以证明时间复杂度为 \( O(n) \)[^4]。 #### 2. 调整时间复杂度排序过程中,每次将顶元素与底元素交换后,需要对剩余的重新进行化操作。每次化操作的时间复杂度为 \( O(\log n) \),因为的高度为 \( O(\log n) \)[^3]。 假设需要进行 \( n-1 \)化操作,则调整的总时间复杂度为: \[ T_{\text{adjust}} = (n-1) \cdot O(\log n) = O(n \log n) \] #### 3. 总时间复杂度 综合和调整时间复杂度排序的总时间复杂度为: \[ T_{\text{total}} = T_{\text{build}} + T_{\text{adjust}} = O(n) + O(n \log n) = O(n \log n) \] 因此,排序的时间复杂度为 \( O(n \log n) \),无论在最好、最坏还是平均情况下,时间复杂度均为 \( O(n \log n) \)[^1]。 ```python def heapify(arr, i, heap_size): largest = i left = 2 * i + 1 right = 2 * i + 2 if left < heap_size and arr[left] > arr[largest]: largest = left if right < heap_size and arr[right] > arr[largest]: largest = right if largest != i: arr[i], arr[largest] = arr[largest], arr[i] heapify(arr, largest, heap_size) def heap_sort(arr): n = len(arr) # Build a max heap for i in range(n // 2 - 1, -1, -1): heapify(arr, i, n) # Extract elements one by one for i in range(n - 1, 0, -1): arr[0], arr[i] = arr[i], arr[0] # Swap heapify(arr, 0, i) ``` ### 空间复杂度 排序是一种原地排序算法,除了输入数组外,不需要额外的存储空间。因此,排序的空间复杂度为 \( O(1) \)[^4]。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值