Algorithm 关于Sedgewick的澄清“；算法“；希普索尔章节备注（第4版，第2.4章）

目前正在阅读。关于基于优先级队列的实现的问答部分（第328页）有以下内容（让我们关注优先级队列堆，而不是heapsort）：

我仍然不清楚优先队列的目的。到底为什么 我们不只是排序，然后考虑在增加顺序的项目？ 排序数组

A.在一些数据处理示例中，如TopM和Multiway 数据总量太大，无法考虑排序（甚至）。 存储在内存中）。如果你想在一个 十亿项，您真的要对十亿项数组进行排序吗？具有 对于优先级队列，您可以使用10个条目的优先级队列执行此操作。In 在其他示例中，所有数据在任何时候都不存在 及时：我们从优先级队列中取出一些东西，处理它，然后作为 处理它的结果可能会给优先级增加更多的内容 排队

，是优先级队列的简单客户端。这本书讲述了heapsort的两个阶段：

堆构造（作者使用我们感兴趣的优先级队列堆）

腐烂

在我的理解中，堆构造几乎是排序（“堆顺序”）。为了构建堆，您实际上需要访问原始数据集中的每个项目

---

问题：有人能说明我在上面引用的粗体的作者的观点吗？如何在不访问所有项的情况下构建堆？我错过了什么？为clarif干杯。

当然，您必须访问所有参赛作品。光是拜访他们就要花很多时间。但是对它们进行排序通常需要O（n logn）时间。正如作者所说，你不必把所有的分类。只有十大要素。基本程序如下所示：

allocate priority queue q with space for t entries
visit each entry e in the input array
    queueIsFull := size(q) == t
    if !queueIsFull || e > min(q)
        if !queueIsFull                
            insert e into q
        else
            exchange min(q) with e and bubble up
 next

---

这里的基本要点是，一旦知道元素不在top-t条目中，就从队列中删除它们。因此，插入和交换不需要O（logn）时间，而只需要O（logt）。这将总时间从O（n logn）减少到O（n logt），其中logt通常比logn小得多。

Nico，thx for code+您简单的O（）推理给了我缺少的部分：作者基本上谈到了无限“管道处理”，比如：值流->有界优先级队列，它是O（n），是对O（NlogN）这样的复杂性的一种胜利。因此，我们基本上使用优先级队列作为“转换”来获取顶级t元素……简短的版本是堆适合于外部操作，即使用磁盘或磁带；此外，堆与堆不是一回事。Heapsort在概念上形成一个堆，然后弹出每个项目。例如，对于前N项，您只需要弹出前N项。