在分析根據遞迴方程分析演算法的時間複雜度時，常見到如下形式的方程，
t(n) = a * t(n/b) + f(n)
a >= 1，b > 1，f(n)一般是個簡單函式
這時可以有2種方法，來計算時間複雜度：
一是用遞迴樹，逐層代入原式，最終形成乙個級數，然後用乙個函式來表達，得到t(n)。
二是應用主項定理master method 。其實，主項定理也就是對遞迴樹方法的一種歸納，形成了固定的計算方式，並分三種情形來計算：
logb a 是以b為底
nlogb a ：logb a為n的冪數
1.若對於某常數ε>0，有f(n) = o(nlogb a-ε )，則t(n) = o(nlogb a ) （取較大者，較大者變化得快）
2.若f(n) = o(nlogb a )，則t(n) = o(nlogb a *logn)
3.若f(n) = o(nlogb a+ε )，且對於某常數c>1和所有充分大的正整數n，有af(n/b)≤cf(n)，則t(n)=o(f(n))（取較大者）
注意：大小比較是在多項式的意義上的大於和小於
t(n) = 2t(n/2) + nlgn 這樣的是不能用主方法的，不是多項式的意義上的比較，對於任何正整數都滿足。
t(n) = 2t(n/2) + nlogn = o(nlogn*logn)（由遞迴法得）
遞迴式時間複雜度的計算
寫給自己！遞迴式的時間複雜度很難人為的計算出來，根據演算法導論知道乙個應用公式 使用時主要思路如下 首先根據自己的遞迴 寫出t n t n 為遞迴所用的總時間，其中，n為輸入的規模，a為分解成子問題的個數，n b為子問題輸入的子規模，f n 是乙個漸進正的函式。a個子問題被分別遞迴的解決，時間各為t...
演算法複雜度計算 學習
1.1 大o表示法 上學的時候就學習了大o表示法表示乙個演算法的效率，也大概明白怎麼回事，知道如果沒有迴圈的一段程式的複雜度是常數，一層迴圈的複雜度是o n 兩層迴圈的複雜度是o n 2 我用 2表示平方，同理 3表示立方 但是一直對於嚴格的定義和用法稀里糊塗。1.1.1 定義 設乙個程式的時間複雜...
演算法複雜度計算學習
尊重原創，源博主位址 前面學習過好多次，都是得過且過一直沒有學會 lll 這次下定決心 演算法的效率主要有以下兩個複雜度開評估 時間複雜度 評估執行程式所需要的時間，可以估算出程式對處理器的使用程度 空間複雜度 評估程式執行所需要的儲存空間，可以估算出對計算機記憶體的實用程度 設計程式演算法的時候，...