我得到了在 Python 或 Java（或任何其他語言）中實現堆排序算法的任務。因為我在 Python 或 Java 方面并不是那么“流利”，所以我決定兩者都做。但在這里我遇到了一個問題，程序的運行時間比它“應該”的要高得多。我的意思是，堆排序應該運行到 O(n * log n) 并且對于在幾個 GHz 的時鐘頻率上運行的當前處理器我沒想到該算法會運行超過 2000 秒的數組大小為 320k因此，對于我所做的，我從 Python 和 Java 中的此類偽代碼實現了算法（我還嘗試了 Rosetta Code 中的 Julia 中的代碼，以查看運行時間是否相似，為什么是 Julia？隨機選擇）所以我檢查了小輸入大小問題的輸出，例如大小為 10、20 和 30 的數組。它似乎在兩種語言/實現中正確排序的數組。然后我使用實現相同算法的 heapq 庫再次檢查運行時間是否相似。當實際情況確實如此時，它讓我感到驚訝……但經過幾次嘗試后，我嘗試了最后一件事，即更新 Python，然后，使用 heapq 的程序比以前的程序運行得快得多。實際上，320k 陣列大約需要 2k 秒，現在大約為 1.5 秒左右。我重試了我的算法，問題仍然存在。所以這里是我實現的 Heapsort 類：class MaxHeap:    heap = []    def __init__(self, data=None):        if data is not None:            self.buildMaxHeap(data)    @classmethod    def toString(cls):        return str(cls.heap)    @classmethod    def add(cls, elem):        cls.heap.insert(len(cls.heap), elem)        cls.buildMaxHeap(cls.heap)    @classmethod    def remove(cls, elem):        try:            cls.heap.pop(cls.heap.index(elem))        except ValueError:            print("The value you tried to remove is not in the heap")    @classmethod    def maxHeapify(cls, heap, i):        left = 2 * i + 1        right = 2 * i + 2        largest = i        n = len(heap)        if left < n and heap[left] > heap[largest]:            largest = left        if right < n and heap[right] > heap[largest]:            largest = right        if largest != i:            heap[i], heap[largest] = heap[largest], heap[i]            cls.maxHeapify(heap, largest)    @classmethod    def buildMaxHeap(cls, heap):        for i in range(len(heap) // 2, -1, -1):            cls.maxHeapify(heap, i)        cls.heap = heap    @staticmethod    def heapSort(table):        heap = MaxHeap(table)        output = []如果您需要其余的代碼來查看錯誤可能在哪里，請不要猶豫，我會提供它。只是不想無緣無故地共享整個文件。如前所述，我預期的運行時間來自最壞情況下的運行時間：O(n * log n) 使用現代架構和 2.6GHz 的處理器我希望大約 1 秒或更短的時間（因為運行時間以納秒為單位詢問）我想即使是 1 秒也太長了）