小顶堆时间复杂度_算法复杂度速查表，作为程序员的你，务必收藏

### 大顶堆和小顶堆的时间复杂度 #### 构建堆的时间复杂度 对于大顶堆和小顶堆而言，构建堆的过程可以通过两种方式完成。一种方法是从空堆开始逐个插入元素，每次插入操作的时间复杂度为 O(log n)，因此总时间为 O(n log n)[^3]。另一种更为高效的方法是从给定数组直接转换成堆，这种方法通过自底向上调整来实现，整体时间复杂度为 O(n)。 #### 插入新元素的时间复杂度 无论是大顶堆还是小顶堆，在向其中插入一个新的元素时，都需要执行一次上浮（swim）或称为 percolate up 的操作。该操作最坏情况下会沿着树的高度上升至根节点位置，所以插入操作的时间复杂度为 O(log n)[^2]。 #### 删除最大/最小元素的时间复杂度 当从大顶堆中移除最大的元素或是从小顶堆中取出最小的元素时，通常先交换待删除元素与最后一个叶子结点的位置再将其弹出，之后还需对新的根节点执行下沉（sink）或称作 percolate down 操作以恢复堆性质。此过程中同样最多经过树高次比较并可能移动元素，故删除操作的时间复杂度也为 O(log n)。 #### 查找特定元素的时间复杂度 值得注意的是，在堆结构内寻找某个指定值并不像二叉搜索树那样具有高效的查找效率。由于堆主要关注于维护最大或最小键值而非支持快速定位任意成员，所以在最坏情形下仍需线性扫描整个集合才能找到目标项，即查找操作的时间复杂度为 O(n)。 ```python def insert(heap, value): heap.append(value) swim(heap, len(heap)-1) def delete_max_min(heap): # 对应大顶堆中的delete max 或者 小顶堆中的delete min if not heap: raise Exception('Heap is empty') root_value = heap[0] last_index = len(heap) - 1 heap[0], heap[last_index] = heap[last_index], heap[0] del heap[-1] sink(heap, 0) return root_value ```