我到处都读到，在最坏的情况下，堆排序的时间复杂度为O(nlog(n))。但是我们也到处都读到，在O(n)中内置堆是一个普遍的误解。相反，您可以在O(n)中堆放。因此，考虑到可以在n中进行堆操作，请查看下面的排序算法，并告诉我在分析其时间复杂性时哪里错了。
O(n)个元素放入堆中（时间：O(n)）O(n)。为什么？因为可以用相同的方式将所有元素放入O(n)中的堆中，所以也可以在O(n)+O(n)中提取所有元素。是吗？）。 / li>
总而言之，复杂度为O(n)，即O(n)。但是在这里，我们还需要另外存储O(nlog(n))。
我知道传统的堆排序的时间复杂度为O(1)，而内存复杂度为O(n)。但是这不是堆排序吗？与传统的堆排序算法不同，它甚至可以在最坏的情况下提供var ident = "wowowowow";
console.log(getIdentifierName(ident));
function getIdentifierName(identifier) {
for (var prop in window) {
if (window[prop] === identifier) {
console.log(identifier);
}
}
}
。
答案 0 :(得分：1)
请注意，如果没有任何其他信息，就无法对O（n）中的数组进行排序。实际上，在使用基于comaprison的算法时，我们可以证明在对数组进行排序时O（nlogn）的下界！出于同样的原因，我们可以证明Heaport的下界！
意思是-您不能永远在O（n）中对任何数据结构进行排序！任何线性排序算法都必须假设您对数据有一些先验知识。 有关如何证明O（nlogn）搜索“决策树”的下限的更多信息