我这里有一个算法。
Click here to check algorithm image
它做什么，它遍历一个数组并找到3个最大值并返回它们的总和。 例如，数组[1,2,3,4,5]将返回12（3 + 4 + 5 = 12）。
图像中的算法表明它是O（nlogk）。但那是我无法理解的。
以下是关于图像中第一个for循环的观点：
Heap's method＆＃34; insert（）＆＃34;和＆＃34; deleteMin（）＆＃34;，它们都需要O（logn）。所以在第一个for循环中，它通过添加运行时生成O（2 * logn），这就是O（logn）。由于第一个for循环遍历数组中的所有元素，因此第一个for循环的总运行时间为O（nlogn）。
以下是我对图片中第二次循环的看法：
从上一个for循环开始，如果h.size（）＆gt;我们删除了一些最小值。 ķ。所以堆中的值的数量目前是k。 ＆＃34;总和=总和+ h.min（）＆＃34;需要O（logn），因为如果我知道的话，在堆中搜索最小值需要O（logn），并且＆＃34; h.deleteMin（）＆＃34;也需要O（logn），因为它必须再次搜索并删除。 O（2 * logn）通过添加它们的运行时也是如此，它只是O（logn）。因为我们迭代这个while循环只有k次，因为有k个元素，所以第二个while循环导致O（k * logn）
所以我们从第一个for循环获得O（nlogn），从第二个while循环获得O（k logn）。显然O（nlogn）大于O（k logn），因为k是一些常数。因此，该算法最终以O（nlogn）结束。
但答案是＆＃34; O（nlogk）＆＃34;而不是＆＃34; O（nlogn）＆＃34;。
你能解释一下原因吗？
答案 0 :(得分：1)
堆上的操作需要O(log(size_of_heap))。在此算法的情况下，堆大小为k（不包括前几次迭代）。
所以我们得到O(total_number_of_elements*log(size_of_heap))=O(n*log(k))。
答案 1 :(得分：0)
关于insert（）和deletemin（）运行时的假设需要O（log n）是不正确的。 ＆＃39; n＆＃39; in O（log n）表示堆中的no.of元素。在这种情况下，它是k。
因此，对于第一个循环 - 每个元素都有O（2 * logk），总数将有O（n logk）和第二个循环 - O（k logk） 总复杂度可以定义为O（n * logk）
