Data structures 斜堆与左堆的最坏运行时

我正在准备接下来的一些技术采访，我正在看一两年前关于数据结构的讲座幻灯片

我不清楚为什么最糟糕的合并运行时对于左派堆是O（logn），而对于倾斜堆是O（n），当倾斜堆基本上以与左派堆相同的方式合并时

左边的堆通过选取根较小的树并递归地将其右子树与较大的树合并，从而合并A和B。然后检查空路径长度，如果它违反了leftist结构属性，则交换它的两个子树

倾斜堆做同样的事情，但每次递归合并A和B时都会盲目地交换它的两个子树

---

为什么倾斜堆合并的最坏情况会变成O（n）？是因为我们不能保证递归合并时的高度限制（因为它每次都交换边）？这是否与Floyd的算法有关，即树中所有节点的高度之和以O（n）的形式增长？

左侧堆的路径长度最多为log（n+1）。而歪斜堆的正确路径可以任意长（可以是N）。因为合并的性能取决于正确路径的长度，所以最坏情况下的合并时间如下。然而，我不知道skew heap是如何找到的。你能给我一个特殊的例子，歪斜堆的右路径与N一样长吗？

左边的堆的右路径长度最多为log（N+1）。而歪斜堆的正确路径可以任意长（可以是N）。因为合并的性能取决于正确路径的长度，所以最坏情况下的合并时间如下。然而，我不知道skew heap是如何找到的。你能给我一些特例吗，歪堆的正确路径与N一样长？

我对这些结构的记忆还不够清楚，无法回答，但我可以告诉你，我参加过几次技术采访，从我所看到的情况来看，我会惊讶地发现这一点。你的问题的细节本身就表明你对面试有很好的理解，你花在准备面试上的时间可能会花在其他地方。当然，这取决于你工作的性质，但从我所看到的情况来看，强调线程/进程/并发性是可能的。我对这些结构的记忆还不够清楚，无法回答，但我可以告诉你，我参加过一些技术面试，从我所看到的情况来看，我会很惊讶这一点。你的问题的细节本身就表明你对面试有很好的理解，你花在准备面试上的时间可能会花在其他地方。当然，这取决于您工作的性质，但从我所看到的情况来看，可能会强调线程/进程/并发性。