qq_69261838的博客

堆排序的排序过程包括了 n-1 次交换和堆调整的操作。因此，排序过程的总时间复杂度为 O((n-1) * log n)，约等于O(n log n)。构建最大堆的时间复杂度是O(n)，其中 n 是待排序序列的长度。堆排序的时间复杂度是相对较好的，且具有原地排序的特点。然而，需要注意的是，堆排序在实际应用中可能会因为其不具备稳定性（相同元素的相对位置可能发生变化）和对缓存的不友好等原因而被其他算法替代。虽然堆排序的时间复杂度较好，但在实际应用中，由于其不具备插入和删除操作的优势，因此在一些特殊方面很少被选择。

该方法的基本思想是：设待排序元素序列有n个元素，首先取一个整数gap（小于序列元素总数）作为间隔，所有间隔为gap的元素放在同一个逻辑数组中，在每一个逻辑数组中分别实行直接插入排序。：在平均情况下，插入排序的时间复杂度为 O(n^2)。这是因为对于每个未排序的元素，平均需要比较 n/2 次（在有序的部分中找到插入位置），而每次比较的复杂度是 O(1)。希尔排序又称为缩小增量排序，是对之前介绍的插入排序的一种优化版本，优化的地方在于：不用每次插入一个元素时，就和序列中有序部分中的所有元素进行比较。

在最坏的情况下，即输入数组是逆序的状态，选择排序每次都需要比较未排序部分的所有元素，找到最小值，然后进行交换。对于长度为 n 的数组，第一次需要比较 n 次，第二次需要比较 n-1 次，以此类推，总的比较次数是 n + (n-1) + (n-2) + …冒泡排序是比较基础的排序算法之一，其思想是相邻的元素两两比较，较大的数下沉，较小的数冒起来，这样一趟比较下来，最大(小)值就会排列在一端。最优：待排序数组是有序的，此时，内层的循环不用交换，只有外层循环遍历，所以时间复杂度为O(n^2)

尽管快速排序是一种高效的排序算法，但它也有一些缺点。以下是一些常见的快速排序缺点：不稳定性： 快速排序是一种不稳定的排序算法。如果原始数据中存在相等元素，它们在排序后的相对顺序可能被改变，这与稳定性排序算法的特性相违背。对重复元素的敏感性： 当待排序的数据中存在大量重复元素时，快速排序的性能可能下降。这是因为在分区过程中，相同的元素可能被分到不同的子数组中，导致递归深度增加，性能减弱。对已经有序的数据表现差： 如果输入数据已经近乎有序，快速排序的性能会明显减弱。

在最坏情况下，递归树的深度达到 log n ,因此空间复杂度是 O(log n)。的排序算法，它的基本思想是将原始数组划分成较小的数组，然后递归地对这些小数组进行排序，最后将排好序的小数组合并成一个整体有序的数组。将一个数组分成许多个小数组(直到最后单个数组有序,也就是只有一个元素),再将这些有序的小数组递归,由下往上返回。归并排序是一种稳定的排序算法，其时间复杂度为 O(n log n)，这使得它在大规模数据集上具有较好的性能。递归的算法类似于二叉树后序遍历的时间复杂度,也就是递归深度,log n。

完全二叉树是一种特殊的二叉树，其中每一层，除了最后一层外，都是完全填充的，并且所有节点都尽可能地向左对齐。这里我们将解析为什么具有n个结点的完全二叉树的深度为 ([ \log_2 n ] + 1) 或者 ([ \log_2 (n+1) ])。这就是具有 (n) 个结点的完全二叉树的深度为 ([ \log_2 n ] + 1) 或者 ([ \log_2 (n+1) ]) 的解析。这个不等式的左边表示深度为 (d-1) 的二叉树最多的节点数，右边表示深度为 (d) 的二叉树最多的节点数。

用一个数组构建二叉树,将数组的每一个元素,像前序遍历一样,第一个赋予根节点,第二个根节点的左子树,第三个根结点的右子树,以此类推:值先给父节点,再给父节点的左子树,再给父节点的右子…在二叉树的销毁中,采用后序遍历是最佳的,因为对比中序和前序,当遍历到此结点时,销毁此节点,会丢失此节点的左右子树结点,不利于遍历到下一个结点.(当然可以设置临时变量记录此节点也是可以实现的)这里下标用的指针,是因为函数栈帧,在递归的时候,若传的是int pi ,那么这个值不会受上一个函数中的pi++影响,pi的值不会改变.

线性表中数据元素之间的关系是一对一的关系，即除了第一个和最后一个数据元素之外，其它数据元素都是首尾相接的（注意，这句话只适用大部分线性表，而不是全部。而插入的第一个结点，要把它变成指向一块区域的结构体指针，需要改变它的值（指针）在之前都知道，int max（int x, int y)并不改变原有的值，只是形参的复制，这里也是一样。先找到需要插入所需的位置，这里以找到val的值，然后插入到val的前面 为例。的存储结构，数据元素的逻辑顺序是通过链表中的指针链接次序实现的。在实际上的物理结构是没有联系的。