堆-给出

最有可能在问过这个问题。来自CLRS（第二版）问题6.5-8-

给出一个时间算法，将k个排序列表合并为一个排序列表，其中n是所有输入列表中元素的总数。（提示：请使用最小堆进行k向合并。）$O(n \lg k)$$k$$n$$k$

由于有排序的列表且总共有n个值，所以我们假设每个列表包含$k$$n$数字，而且每个列表都严格按升序排序，结果也将按升序存储。$\frac{n}{k}$

我的伪代码看起来像这样-

    list[k]   ; k sorted lists
    heap[k]   ; an auxiliary array to hold the min-heap
    result[n] ; array to store the sorted list
    for i := 1 to k                 ; O(k)
    do
        heap[i] := GET-MIN(list[i]) ; pick the first element 
                                    ; and keeps track of the current index - O(1)
    done
    BUILD-MIN-HEAP(heap) ; build the min-heap - O(k)
    for i := 1 to n
    do
        array[i] := EXTRACT-MIN(heap)   ; store the min - O(logk)
        nextMin := GET-MIN(list[1])     ; get the next element from the list 1 - O(1)
        ; find the minimum value from the top of k lists - O(k)
        for j := 2 to k                 
        do
            if GET-MIN(list[j]) < nextMin
                nextMin := GET-MIN(list[j]) 
        done
        ; insert the next minimum into the heap - O(logk)
        MIN-HEAP-INSERT(heap, nextMin)
    done

我的整体复杂度变。我找不到任何办法避免Ô （ķ ）内部循环Ø （ñ $O(k) + O(k) + O(n(k + 2 \lg k)) \approx O(nk+n \lg k) \approx O(nk)$$O(k)$$O(n)$循环查找k个列表中的下一个最小元素。还有其他办法吗？如何获得算法？$O(n \lg k)$

堆的目的是给您最少的内存，所以我不确定此for循环的目的是- for j := 2 to k。

我对伪代码的看法：

lists[k][?]      // input lists
c = 0            // index in result
result[n]        // output
heap[k]          // stores index and applicable list and uses list value for comparison
                 // if i is the index and k is the list
                 //   it has functions - insert(i, k) and deleteMin() which returns i,k
                 // the reason we use the index and the list, rather than just the value
                 //   is so that we can get the successor of any value

// populate the initial heap
for i = 1:k                   // runs O(k) times
  heap.insert(0, k)           // O(log k)

// keep doing this - delete the minimum, insert the next value from that list into the heap
while !heap.empty()           // runs O(n) times
  i,k = heap.deleteMin();     // O(log k)
  result[c++] = lists[k][i]
  i++
  if (i < lists[k].length)    // insert only if not end-of-list
    heap.insert(i, k)         // O(log k)

因此，总时间复杂度为$O(k * \log k + n * 2 \log k) = O(n \log k)$

您也可以代替（deleteMin和insert）使用getMin（）和（$O(1)$incrementIndex），这将减少常数因子，但不会降低复杂度。$O(\log k)$

示例：（
为清楚起见，使用值而不是索引和列表索引以及堆表示为排序数组）

Input: [1, 10, 15], [4, 5, 6], [7, 8, 9]

Initial heap: [1, 4, 7]

Delete 1, insert 10
Result: [1]
Heap: [4, 7, 10]

Delete 4, insert 5
Result: [1, 4]
Heap: [5, 7, 10]

Delete 5, insert 6
Result: [1, 4, 5]
Heap: [6, 7, 10]

Delete 6, insert nothing
Result: [1, 4, 5, 6]
Heap: [7, 10]

Delete 7, insert 8
Result: [1, 4, 5, 6, 7]
Heap: [8, 10]

Delete 8, insert 9
Result: [1, 4, 5, 6, 7, 8]
Heap: [9, 10]

Delete 9, insert nothing
Result: [1, 4, 5, 6, 7, 8, 9]
Heap: [10]

Delete 10, insert 15
Result: [1, 4, 5, 6, 7, 8, 9, 10]
Heap: [15]

Delete 15, insert nothing
Result: [1, 4, 5, 6, 7, 8, 9, 10, 15]
Heap: []

Done

$n/k$

对于您的问题，以下算法可以解决问题：

1. $H$$k$$l_m$$O(k\lg k)$
2. $i$$1$$n$
   • $m$$H$$result[i]$$O(\lg k)$
   • $m$$l_m$$H$$O(\lg k)$）

$O(k\lg k + n \lg k)=O(n\lg k)$$result$

$i$$result$$H$$i$$result[1..i]$$i$

在第一次迭代之前是这样：首先，我们表明要插入到中的第一个元素$result$$H$$result$$r_1$$l$$r_1$$l[1]$$r_1$$r_1$$l[1] < r_1$$r_1$$result$

$i$$r_i$$H$$H$$m$$l$$l$$H$$result$$r_i$$m$$l$$l$

$result[1..n]$