Maktub_Wiki Maktub_Wiki
主站 (opens new window)
  • 服务搭建
  • 网络服务
  • 开源框架
  • 操作系统
  • iOS/MacOS
  • 算法导论(Python)
  • Leetcode
  • 线性代数
主站 (opens new window)
  • 服务搭建
  • 网络服务
  • 开源框架
  • 操作系统
  • iOS/MacOS
  • 算法导论(Python)
  • Leetcode
  • 线性代数
  • 第2章 算法基础

    • 2.1 插入排序
    • 2.2 算法分析
    • 2.3 设计算法
  • 第6章 堆排序

    • 6.2 维护堆的性质
    • 6.3 建堆
      • 说明
        • 代码
        • 时间复杂度
    • 6.4 堆排序算法
    • 6.5 优先队列
  • 第7章 快速排序

    • 7.1 快速排序的描述
  • 第8章 线性时间排序

    • 8.2 计数排序
    • 8.4 桶排序
  • 第12章 二叉树搜索

    • 12.1 什么是二叉树搜索
    • 12.3 插入和删除
  • 第13章 红黑树

    • 13.1 红黑树的性质
    • 13.2 旋转
  • 第15章 动态规划

    • 15.4 最长公共子序列
  • 第23章 最小生成树

    • 23.2 Kruskal算法和Prim算法
  • 第24章 单源最短路径

    • 24.1 Bellman-Ford算法
    • 24.3 Dijkstra算法
  • 第25章 所有结点对的最短路径问题

    • 25.2 Floyd-Warshall算法
    • 25.3 用于稀疏图的Johnson算法
  • 第31章 数论算法

    • 31.2 最大公约数
    • 31.6 元素的幂
  • 第32章 字符串匹配

    • 32.4 Knuth-Morris-Pratt算法
  • 算法导论
  • 第6章 堆排序
Maktub_小明
2024-08-11
目录

6.3 建堆

# 说明

创建最大堆

# 代码

def build_max_heap(A:List[int]):
    n = len(A)//2
    for i in range(n,-1,-1):
        max_heapify(A,i)

param = [4,1,3,2,16,9,10,14,8,7]
build_max_heap(param)
print(param)
#[16, 14, 10, 8, 7, 9, 3, 2, 4, 1]

# 时间复杂度

h为节点高度,n为数量

∑h=0⌊lg⁡n⌋⌈n2h+1⌉O(h)=O(n∑h=0⌊lg⁡n⌋h2h)=O(n∑h=0∞h2h)=O(n)\large \sum_{h=0}^{\lfloor \lg n \rfloor} \lceil \frac{n}{2^{h+1}}\rceil O(h) = O(n\sum_{h=0}^{\lfloor \lg n \rfloor} \frac{h}{2^h}) = O(n\sum_{h=0}^{\infty} \frac{h}{2^h}) = O(n) h=0∑⌊lgn⌋​⌈2h+1n​⌉O(h)=O(nh=0∑⌊lgn⌋​2hh​)=O(nh=0∑∞​2hh​)=O(n)

上次更新: 2025/03/22, 03:52:10
6.2 维护堆的性质
6.4 堆排序算法

← 6.2 维护堆的性质 6.4 堆排序算法→

Theme by Vdoing | Copyright © 2021-2025 Maktub_小明 | MIT License
  • 跟随系统
  • 浅色模式
  • 深色模式
  • 阅读模式