Algorithm 创建最小堆或最大堆

对于创建n个元素的最小堆或最大堆，创建堆所需的时间为O（nlogn）。因为每次插入都需要O（logn）时间，因此n个元素需要O（nlogn）时间

---

但在许多地方，有人认为堆的创建可以优化到O（n）时间，即线性时间？但没有明确说明如何进行优化？

最佳方法不需要logn时间来插入节点

优化方法首先将元素任意放置在一个平面上 二叉树，关于形状属性（如树所示 由数组表示）。然后从最底层开始 向上移动时，将每个子树的根向下移动，如中所示 删除算法，直到恢复堆属性。更多 特别是如果从某个高度开始的所有子树 （从底部）已经“heapified”，树在高处

h+1

可以通过沿 构建

最大堆时的最大值子堆

，或最小值子堆 构建

最小堆时的子对象。此过程需要
O（h）
swap
每个节点的操作数。在这种方法中，大部分的健康需要时间
放在下层。由于堆的高度是
logn
，
高度处的节点数为
h
。因此，成本
对所有子树进行HEAPIzing是：

h=0∑对数n/2h+1=O（n*
h=0∑lognh/2h），小于

O（n*h=0∑∞h/2h）

它等于
O（n）

来源：
插入节点时，最佳方法不需要logn时间

优化方法首先将元素任意放置在一个平面上
二叉树，关于形状属性（如树所示
由数组表示）。然后从最底层开始
向上移动时，将每个子树的根向下移动，如中所示
删除算法，直到恢复堆属性。更多
特别是如果从某个高度开始的所有子树
（从底部）已经“heapified”，树在高处
h+1
可以通过沿
构建
最大堆时的最大值子堆
，或最小值子堆
构建
最小堆时的子对象。此过程需要
O（h）
swap
每个节点的操作数。在这种方法中，大部分的健康需要时间
放在下层。由于堆的高度是
logn
，
高度处的节点数为
h
。因此，成本
对所有子树进行HEAPIzing是：

h=0∑对数n/2h+1=O（n*
h=0∑lognh/2h），小于

O（n*h=0∑∞h/2h）

它等于
O（n）

资料来源：
也许是一个更好的地方。可能是一个更好的地方问。您可能想要对源材料进行属性化：您可能想要对源材料进行属性化：
since h / 2h converges to 2 as it is an infinite series