Algorithm 对⌈；logn⌉；已排序的⌊；n/logn⌋；每个元素？

假设有⌈洛根⌉ 已排序的⌊n/logn⌋ 每个元素。生成所有这些元素的排序列表的时间复杂性如下：（提示：使用堆数据结构）

A.O（nloglogn）

B.Θ（nlogn）

C.Ω（nlogn）

D.Ω（n3/2）

我的理解是：

有一个logn列表，每个包含n/logn元素，然后我们可以对每个列表应用最小堆过程

---

它可以在O（n/logn）中完成。现在我们有了满足min heap属性的logn列表。现在我怎么能进一步理解呢？我真的很困惑。请帮我想象一下

[我想我们是在按递增顺序排序]

构建每个列表中最小（即：第一个）元素的堆（对于每个元素，以及值，在哪个索引处保留它来自哪个列表的记录）。重复删除此堆中最小的元素，然后在它来自的列表中插入下一个元素（如果该列表尚未使用）。这将为您提供所有元素的排序列表

---

这个堆有[log（n）]个元素，因此构建这个堆的初始成本是O（log（n）），每次删除和插入都需要O（log（log n））个时间。所以总的来说，这种排序的代价是O（log（n）+nlog（log n））=O（nloglogn）。

Paul Hankin，从堆中删除需要O（1）吗，因为它是最小堆？对于插入，我们在堆的末尾插入元素并应用min_heapify（）过程，这里有logn元素，因此需要O（logn）时间，我把它和O（log（logn））时间混淆了。你能再解释一下吗。Thanks@SanjayVerma关于堆操作，您错了。insert和remove都取O（logn），其中N是堆的大小。这里，N=logn，所以它们都取O（logn）。好的，是的，你是对的，他们将采用O（log（logn）），但这是最小堆，我们可以删除O（1）中的元素，但为了再次满足最小堆属性，我们必须应用heapify algo right，并且存在logn元素，然后删除将采用log（logn）。