6.9 KiB
| comments |
|---|
| true |
9.2. 建堆操作 *
如果我们想要根据输入列表生成一个堆，这个过程被称为「建堆」。
9.2.1. 借助入堆方法实现
最直接的方法是借助“元素入堆操作”实现，首先创建一个空堆，然后将列表元素依次添加到堆中。
设元素数量为 n ，则最后一个元素入堆的时间复杂度为 O(\log n) 。在依次添加元素时，堆的平均长度为 \frac{n}{2} ，因此该方法的总体时间复杂度为 O(n \log n) 。
9.2.2. 基于堆化操作实现
有趣的是，存在一种更高效的建堆方法，其时间复杂度仅为 O(n) 。我们先将列表所有元素原封不动添加到堆中，然后迭代地对各个节点执行“从顶至底堆化”。当然，我们不需要对叶节点执行堆化操作，因为它们没有子节点。
=== "Java"
```java title="my_heap.java"
/* 构造方法，根据输入列表建堆 */
MaxHeap(List<Integer> nums) {
// 将列表元素原封不动添加进堆
maxHeap = new ArrayList<>(nums);
// 堆化除叶节点以外的其他所有节点
for (int i = parent(size() - 1); i >= 0; i--) {
siftDown(i);
}
}
```
=== "C++"
```cpp title="my_heap.cpp"
/* 构造方法，根据输入列表建堆 */
MaxHeap(vector<int> nums) {
// 将列表元素原封不动添加进堆
maxHeap = nums;
// 堆化除叶节点以外的其他所有节点
for (int i = parent(size() - 1); i >= 0; i--) {
siftDown(i);
}
}
```
=== "Python"
```python title="my_heap.py"
def __init__(self, nums: list[int]):
"""构造方法"""
# 将列表元素原封不动添加进堆
self.max_heap = nums
# 堆化除叶节点以外的其他所有节点
for i in range(self.parent(self.size() - 1), -1, -1):
self.sift_down(i)
```
=== "Go"
```go title="my_heap.go"
/* 构造方法，根据切片建堆 */
func newMaxHeap(nums []any) *maxHeap {
// 将列表元素原封不动添加进堆
h := &maxHeap{data: nums}
for i := len(h.data) - 1; i >= 0; i-- {
// 堆化除叶节点以外的其他所有节点
h.siftDown(i)
}
return h
}
```
=== "JavaScript"
```javascript title="my_heap.js"
/* 构造方法，建立空堆或根据输入列表建堆 */
constructor(nums) {
// 将列表元素原封不动添加进堆
this.#maxHeap = nums === undefined ? [] : [...nums];
// 堆化除叶节点以外的其他所有节点
for (let i = this.#parent(this.size() - 1); i >= 0; i--) {
this.#siftDown(i);
}
}
```
=== "TypeScript"
```typescript title="my_heap.ts"
/* 构造方法，建立空堆或根据输入列表建堆 */
constructor(nums?: number[]) {
// 将列表元素原封不动添加进堆
this.maxHeap = nums === undefined ? [] : [...nums];
// 堆化除叶节点以外的其他所有节点
for (let i = this.parent(this.size() - 1); i >= 0; i--) {
this.siftDown(i);
}
}
```
=== "C"
```c title="my_heap.c"
[class]{maxHeap}-[func]{newMaxHeap}
```
=== "C#"
```csharp title="my_heap.cs"
/* 构造函数，根据输入列表建堆 */
MaxHeap(IEnumerable<int> nums)
{
// 将列表元素原封不动添加进堆
maxHeap = new List<int>(nums);
// 堆化除叶节点以外的其他所有节点
var size = parent(this.size() - 1);
for (int i = size; i >= 0; i--)
{
siftDown(i);
}
}
```
=== "Swift"
```swift title="my_heap.swift"
/* 构造方法，根据输入列表建堆 */
init(nums: [Int]) {
// 将列表元素原封不动添加进堆
maxHeap = nums
// 堆化除叶节点以外的其他所有节点
for i in stride(from: parent(i: size() - 1), through: 0, by: -1) {
siftDown(i: i)
}
}
```
=== "Zig"
```zig title="my_heap.zig"
// 构造方法，根据输入列表建堆
fn init(self: *Self, allocator: std.mem.Allocator, nums: []const T) !void {
if (self.max_heap != null) return;
self.max_heap = std.ArrayList(T).init(allocator);
// 将列表元素原封不动添加进堆
try self.max_heap.?.appendSlice(nums);
// 堆化除叶节点以外的其他所有节点
var i: usize = parent(self.size() - 1) + 1;
while (i > 0) : (i -= 1) {
try self.siftDown(i - 1);
}
}
```
9.2.3. 复杂度分析
为什么第二种建堆方法的时间复杂度是 O(n) ？我们来展开推算一下。
- 完全二叉树中，设节点总数为
n，则叶节点数量为(n + 1) / 2，其中/为向下整除。因此，在排除叶节点后，需要堆化的节点数量为(n - 1)/2，复杂度为O(n)； - 在从顶至底堆化的过程中，每个节点最多堆化到叶节点，因此最大迭代次数为二叉树高度
O(\log n)；
将上述两者相乘，可得到建堆过程的时间复杂度为 O(n \log n) 。然而，这个估算结果并不准确，因为我们没有考虑到二叉树底层节点数量远多于顶层节点的特性。
接下来我们来进行更为详细的计算。为了减小计算难度，我们假设树是一个“完美二叉树”，该假设不会影响计算结果的正确性。设二叉树（即堆）节点数量为 n ，树高度为 h 。上文提到，节点堆化最大迭代次数等于该节点到叶节点的距离，而该距离正是“节点高度”。
Fig. 完美二叉树的各层节点数量
因此，我们可以将各层的“节点数量 \times 节点高度”求和，从而得到所有节点的堆化迭代次数的总和。
T(h) = 2^0h + 2^1(h-1) + 2^2(h-2) + \cdots + 2^{(h-1)}\times1
化简上式需要借助中学的数列知识，先对 T(h) 乘以 2 ，得到
\begin{aligned}
T(h) & = 2^0h + 2^1(h-1) + 2^2(h-2) + \cdots + 2^{h-1}\times1 \newline
2 T(h) & = 2^1h + 2^2(h-1) + 2^3(h-2) + \cdots + 2^{h}\times1 \newline
\end{aligned}
使用错位相减法，令下式 2 T(h) 减去上式 T(h) ，可得
2T(h) - T(h) = T(h) = -2^0h + 2^1 + 2^2 + \cdots + 2^{h-1} + 2^h
观察上式，发现 T(h) 是一个等比数列，可直接使用求和公式，得到时间复杂度为
\begin{aligned}
T(h) & = 2 \frac{1 - 2^h}{1 - 2} - h \newline
& = 2^{h+1} - h \newline
& = O(2^h)
\end{aligned}
进一步地，高度为 h 的完美二叉树的节点数量为 n = 2^{h+1} - 1 ，易得复杂度为 O(2^h) = O(n) 。以上推算表明，输入列表并建堆的时间复杂度为 O(n) ，非常高效。