27 | 递归树：如何借助树来求解递归算法的时间复杂度？

如何借助树来分析归并排序算法的时间复杂度？

每次分解一分为二，代价很低，时间上消耗记作O(1)。
每一层合并消耗时间相同，和数据规模相关，记作 O(n)。
归并排序递归树是一颗满二叉树，高度为 log2n。
归并排序时间复杂度：O(n logn)。

如何借助树来分析快速排序算法的时间复杂度？

平均情况：1 : k
k = 9 时。

每一层遍历 n 个元素。
快速排序结束条件：叶子节点 1 个元素。
根节点 n 个元素到叶子节点 1 个元素最短路径每一层乘 1 /10，最长路径每一层乘 9 / 10。
根节点到叶子节点最短路径：log10n，最长路径 log(10 / 9 ) n。
遍历个数在 n * log10 到 n * log(10 / 9 ) n 之间，快速排序时间复杂度为：O(n logn)。

k 的值不随 n 改变，对最终时间复杂度无影响。

如何借助递归树来分析斐波那契数列的时间复杂度？

f(n) 分解为 f(n - 1) 和 f(n - 2)，每次数据规模 -1 或 -2，叶子节点数据规模是 1 或者 2。
根节点到叶子节点最长为 n ，最短为 n / 2。
合并的操作只需要一次加法运算，耗时记作 O(1)。
每一层消耗时间为 2^ (k - 1) ，路径长度为 n 总和为 2^n - 1。

路径长度为 n 总和为 2^(n / 2) - 1。

时间复杂度为指数级别。

如何借助递归树来分析全排列的时间复杂度？

最后一位有 n 种情况，求解 n 个 “n - 1数据的排列” 的子问题。

递推公式：

假设数组中存储的是1，2， 3...n。f(1,2,...n) = {最后一位是1, f(n-1)} + {最后一位是2, f(n-1)} +...+{最后一位是n, f(n-1)}。

第一层有 n 此交换，第二层有 n (n - 1) 次交换，第三层有 n(n - 1)(n - 2) 此交换，最后一层有 n(n - 1)(n - 2) *…21 次交换。

总交换次数：

n + n*(n-1) + n*(n-1)*(n-2) +... + n*(n-1)*(n-2)*...*2*1

n*(n-1)*(n-2)*...*2*1 为 n!

总和小于 n * n!，全排列递归时间复杂度大于O(n!)，小于O(n * n!)。时间复杂度非常高。

1 个细胞的生命周期是 3 小时，1 小时分裂一次。求 n 小时后，容器内有多少细胞？如何分析递归时间时间复杂度？

需要重新系统完整的分析。

28 | 堆和堆排序：为什么说堆排序没有快速排序快？

特殊的树：堆（Heap）。
堆排序：原地排序，时间复杂度为O(n logn)。

如何理解 “堆”？

堆满足的条件是什么？（2个）

• 堆是一个完全二叉树。（除了最后一层，其他层节点个数都是满的，最后一层的节点都靠左排列。）
• 堆中每个节点的值都大于等于[大顶堆]（或小于等于[小顶堆]）其左右子节点的值。

1 和 2是大顶堆，3是小顶堆，4不是堆。

如何实现一个堆？

如何存储一个堆？

完全二叉树用数组存储。

下标为 i 的左子节点下标为 i * 2，右子节点下标为 i * 2 + 1，父节点为下标 i / 2 的节点。

堆支持哪些操作？

插入元素

往堆中插入一个元素，满足堆的特性，通过堆化实现。

从下往上堆化：顺着节点所在的路径，向上或者向下，对比，然后交换。

堆化的代码实现过程：

public class Heap {private int[] a; // 数组，从下标1开始存储数据private int n;  // 堆可以存储的最大数据个数private int count; // 堆中已经存储的数据个数public Heap(int capacity) {a = new int[capacity + 1];n = capacity;count = 0;}public void insert(int data) {if (count >= n) return; // 堆满了++count;a[count] = data;int i = count;while (i/2 > 0 && a[i] > a[i/2]) { // 自下往上堆化swap(a, i, i/2); // swap()函数作用：交换下标为i和i/2的两个元素i = i/2;}}}

删除堆顶元素

把最后一个节点放在堆顶，父子节点对比，不满足父子节点大小关系的，互换两个节点。重复该过程，知道父子节点之间满足大小关系为止。

移除的是数组中最后一个元素，堆化的过程都是数据交换操作，不会出现数组空洞。

代码演示：

public void removeMax() {if (count == 0) return -1; // 堆中没有数据a[1] = a[count];--count;heapify(a, count, 1);
}private void heapify(int[] a, int n, int i) { // 自上往下堆化while (true) {int maxPos = i;if (i*2 <= n && a[i] < a[i*2]) maxPos = i*2;if (i*2+1 <= n && a[maxPos] < a[i*2+1]) maxPos = i*2+1;if (maxPos == i) break;swap(a, i, maxPos);i = maxPos;}
}

n 个节点的完全二叉树，树高度不会超过 log2n。
堆化时间复杂度和树高度成正比，为O(log n)。
插入元素和删除堆顶元素主要逻辑是堆化，时间复杂度为O(log n)。

如何基于堆实现排序？

时间复杂度稳定为 O(n logn)，原地排序算法。

建堆

第一种：在堆中插入一个元素的思路。从前往后处理数组，从下往上堆化。

第二种：从后往前处理数组，每个数据都从上往下堆化。
叶子节点往下堆化只能自己和自己比较，所以从最后一个非叶子节点开始堆化：

private static void buildHeap(int[] a, int n) {for (int i = n/2; i >= 1; --i) {heapify(a, n, i);}
}private static void heapify(int[] a, int n, int i) {while (true) {int maxPos = i;if (i*2 <= n && a[i] < a[i*2]) maxPos = i*2;if (i*2+1 <= n && a[maxPos] < a[i*2+1]) maxPos = i*2+1;if (maxPos == i) break;swap(a, i, maxPos);i = maxPos;}
}

建堆的时间复杂度：
叶子节点不需要堆化，需要堆化的节点从倒数第二层开始。每个节点的堆化过程，比较和交换的节点个数，根节点的高度 k 成正比。

每一层节点个数和对应的高度换出来如下：

将每个节点的高度求和，得出的就是建堆的时间复杂度。

每个非叶子节点高度求和：

把公式左右都乘以 2，就得到另一个公式 S2。我们将 S2 错位对齐，并且用 S2 减去 S1，可以得到 S

通过等比数列求和公式：

h = log2你，带入公式，S = O(n)，建堆时间复杂度为O(n)。

排序

数组中第一个元素，堆顶最大元素和最后一个元素交换，最大元素放到下标为 n 的位置。
将 n - 1 个元素重新构建成堆，再取堆顶元素放到 n - 1 ，一直重复，最后堆中只有下标为 1 的一个元素，排序工作就完成了。

代码演示：

// n表示数据的个数，数组a中的数据从下标1到n的位置。
public static void sort(int[] a, int n) {buildHeap(a, n);int k = n;while (k > 1) {swap(a, 1, k);--k;heapify(a, k, 1);}
}

原地排序。
建堆时间复杂度为 O(n)，排序过程时间复杂度为O(n logn)，堆整体的时间复杂度为 O(n logn)。
不稳定排序。

解答开篇

堆排序数据访问方式没有快速排序友好。
快速排序，数据顺序访问，可以有效利用CPU缓存。
堆排序，数据跳着访问。

堆顶节点堆化，会依次访问数组下标1，2，4，8。

同样的数据，排序过程中，堆排序算法的数据交换次数多于快速排序。
快速排序数据交换次数不会比逆序度多。
堆排序第一步是建堆，建堆会打乱数据原有的先后顺序，导致原数据有序度降低。

内容小结

堆是一种完全二叉树。
大顶堆和小顶堆。

插入一个数据：新插入元素放到数组最后，从下往上堆化。时间复杂度：O(logn)
删除堆顶元素：将数组中最后一个元素放到堆顶，从上往下堆化。时间复杂度：O(logn)

堆排序：
建堆：将下标从 n / 2 到 1 的节点，依次从上到下堆化操作，将数组中的数据组织成堆这种数据结构。
排序：迭代的将堆顶元素放在堆末尾，将堆大小减一，然后再堆化。重复这个过程，直到堆中只剩下一个元素，整个数组中数据有序。

课后思考

对于完全二叉树来说，下标从 n / 2​+1 到 n 的都是叶子节点，这个结论是怎么推导出来的呢？

关于堆，你还能想到它的其他应用吗？

29 | 堆的应用：如何快速获取到Top 10最热门的搜索关键词？