Algorithm 将k个列表与o（nlogk）合并

Merge

算法的运行时间是否为O（n log k）

• k是列表的数量
• n是所有列表中的元素总数（n=n1+n2+…+nk）

---

---

算法合并（前半部分，后半部分，最小堆）//T（n）=O（n log k）？
前半部分不为空，前半部分不为空，请执行以下操作：
如果First_Half.First（）.element（）小于Second_Half.First（）.element（），则
插入（Min_Heap，First_Half.remove（First_Half.First（）））
其他的
插入（Min_Heap，Second_Half.remove（Second_Half.first（））
虽然前半部分不是空的，但是
插入（最小堆，前半部分.remove（前半部分.First（））
虽然后半部分不是空的，但是
插入（Min_Heap，Second_Half.remove（Second_Half.first（））

---

算法插入（A，键）
A[n+1]1）和（A[i]>A[[i/2]]）do
交换A[i]和A[[i/2]]
查看您的代码，您似乎对minHeaps是什么感到非常困惑。您拥有的代码是非常错误的，谈论进行合并排序的时间复杂性几乎毫无意义

您的Merge方法对合并两个列表没有任何作用，它所做的只是将元素插入到MinHeap中，并且也按排序顺序插入，这似乎完全没有意义

如果您使用MinHeap作为可访问所有调用并稍后从中读取的堆，那么它就是O（n logn），因为您正在向堆中插入n个项，并且您并不真正需要所有这些递归调用，只需逐个插入它们

因为这看起来像是家庭作业，我只给你一个提示：在任何时候，堆中的元素都不应该超过k个。
Merge是
O（logn）
，MergeSort是
O（NlogN）
。HeapSort是另一种算法。
我已经将其标记为家庭作业。
algorithm MakingAHalf(List_Of_Lists)
    if List_Of_Lists.size() = 1
        return the only list in List_Of_Lists
    else
        split List_Of_Lists into two halfs (First_Half and Second_Half)
    MakingAHalf(First_Half)
    MakingAHalf(Second_Half)
    Merge(First_Half, Second_Half, Min_Heap)

algorithm Merge(First_Half, Second_Half, Min_Heap)   //T(n) = O(n log k)?
    while First_Half  is not empty and First_Second is not empty do
        if First_Half.first().element() < Second_Half.first().element() then
            Insert(Min_Heap, First_Half.remove(First_Half.first()))
        else
            Insert(Min_Heap, Second_Half.remove(Second_Half.first())  
    while First_Half is not empty do
        Insert(Min_Heap, First_Half.remove(First_Half.first()) 
    while Second_Half is not empty do
        Insert(Min_Heap, Second_Half.remove(Second_Half.first())

algorithm Insert(A, key)
    A[n+1] <-- key
    while (i > 1) and (A[i] > A[[i/2]]) do
        swap A[i] and A[[i/2]]
        i <-- i - 1