在我的堆和未排序列表中插入 100000000 个元素后,似乎堆插入实际上更快(12 秒 vs 20 秒)。为什么是这样?我相信堆插入是 O(logn)
而未排序的列表插入是 O(1)
。我还注意到我的堆插入实现实际上并没有随着输入的数量而扩展。这也让我很困惑。
这是我运行的代码:
int main ()
{
clock_t unsortedStart;
clock_t heapStart;
double unsortedDuration;
double heapDuration;
int num_pushes = 100000000;
int interval = 10000;
ofstream unsorted ("unsorted.txt");
ofstream heap ("heap.txt");
UnsortedPQ<int> unsortedPQ;
HeapPQ<int> heapPQ;
unsortedStart = clock();
for (int i = 0; i < num_pushes; ++i)
{
if (i % interval == 0) {
unsortedDuration = ( clock() - unsortedStart ) / (double) CLOCKS_PER_SEC;
unsorted << unsortedDuration << " " << i << endl;
}
unsortedPQ.insertItem(rand() % 100);
}
heapStart = clock();
for (int i = 0; i < num_pushes; ++i)
{
if (i % interval == 0) {
heapDuration = ( clock() - heapStart ) / (double) CLOCKS_PER_SEC;
heap << heapDuration << " " << i << endl;
}
heapPQ.insertItem(rand() % 100);
}
return 0;
}
这是插入的堆实现(使用std::vector
):
template <class T>
void HeapPQ<T>::insertItem(T data) {
//insert into back of heap (std::vector)
dataArray.push_back(data);
int i = dataArray.size() - 1;
//sifts the inserted element up
while (i != 0 && dataArray[(i - 1) / 2] > dataArray[i]) {
swap(dataArray[i], dataArray[(i - 1) / 2]);
i = (i - 1) / 2;
}
}
这是插入的未排序列表实现(使用 std::list
):
//pushes element to the back of a std::list
template <class T>
void UnsortedPQ<T>::insertItem(T data) { dataList.push_back(data); }
最佳答案
堆中的插入是O(logn)
,这意味着每次插入最多需要O(logn)
步。这并不意味着它必须。
在您的示例中,插入元素的平均成本是 O(1)
。为什么?
为简单起见,假设您仅以随机顺序插入 0
a 和 1
(在您当前的版本中,仅插入数字 0..99
(rand() % 100
) 被插入 - 计算更复杂,但行为保持不变)。插入2*n
个元素后,大约有n
个0
和n
个1
s 在堆中,堆将如下所示:
0
0 0
00 00
...............
0 0 0 0 0 0 0
11 11 11 11 11 11 11
所以基本上,1
都在最后一层 k
和 0
都在 0..k- 1
。
- 如果插入了
1
,则无事可做(上面没有2
)。 - 如果
0
被插入,则最多有一个交换(1
可能在最后一级之上的一级,但在 2 级之上)。
平均而言,我们只需要 0.5
次交换而不是 k
。
具有相同的渐近运行时间,这完全取决于插入 vector 和列表的(摊销)成本。该列表似乎更慢(我的假设是,对于每个插入,它都需要通过 new
在堆上分配一个元素,这是一个非常慢的操作。成本取决于其他因素,例如插入对象的大小,因此可能会有所不同,哪个更快)。
让我们仔细看看您的案例,其中数字是由均匀分布 [0..99]
生成的。在 n>>100
次插入后,我们将遇到以下情况(涉及一些挥手,但要点应该很清楚):
- 堆的最后一层(
k
-th)有n/2
个元素,由数字50..99
组成。因此,对于 50% 的可能数字(即50..99
),不需要转换。 - 堆的倒数第二层(
k-1
-th)有n/4
个元素,由数字25..49
。这意味着对于 25% 的可能数字,恰好需要 1 个类次。 k-2
层有n/8
个元素,由数字13..24
组成。log 100/log 2
以上的级别内部只有0
。因此,可能的最大移位数是m=log 100/log 2
,与n
- 堆中元素的数量无关。
所以插入的最坏情况成本是 log 100/log 2
,平均成本甚至更小:
E(insertion)=0*1/2+1*1/4+2*1/8+...<=1.0
即平均而言,我们每次插入的类次少于 1 次。
注意:这并不意味着在堆中插入的摊销成本为 O(1)
- 如果您不按随机顺序插入数字,而是首先插入所有 99
s,然后是 98
s,...,然后是 0
s,每次插入的成本为 O(log n)
。
关于c++ - 为什么插入到堆中比插入到未排序的列表中更快?,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/47257045/