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 ³ 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。
這三種情形主要是比較 nlog
ba 與 f(n)，為什麼要比較這兩個函式呢？
觀察原式，可以看出，nlog
ba其實相當於用遞迴樹方法解出的遞迴方程的右側的第一項，
而f(n)則是遞迴方程的右側的第二項，這樣，主項定理實際上是在比較組成結果的兩個函式項，
而且這種比較是按照數量級（或者說是變化幅度）來比較的，也就是說，如2n 與 28n是
數量級（變化幅度）相當的。
這樣就有了三種不同的情形：
f(n) < nlogba
也就是 f(n) = o(nlog
ba - e
) ，e > 0為任意小的常數
或者說，f(n) 比 n
logb
a變化的慢，慢n
e那麼，t(n) î
q (nlogba)
f(n) > nlogba可以簡單地說，遞迴方程的右側的兩項，哪項變化的塊，t(n)就屬於哪項的數量級也就是 f(n) = w(nlog
ba +e
) ，e > 0為任意小的常數
或者說，f(n) 比 n
logb
a變化的快，快n
e那麼， t(n) î
q(f(n))
f(n) = nlogba也就是兩項的數量級相當，就給這個數量級乘上乙個lg n
t(n) î
q(nlog
ba * lg n)
examples（以下示例**於網路）:
t(n) = 5t(n/2) + q(n2)
case 1: if f(n) = o(nlog
ba - e
) for some constant e > 0 then t(n) î
q(nlogba)
determine: a, b, f(n) and logba
is f(n) î o(nlg 5 - e) for e > 0 ?
yes. f(n) = q(n2) î o(nlg 5 - e
) = o(n2.32 - e
) for e ≈ 0.32
t(n) î
q(nlog25)
2. t(n) = 2t(n/2) + n
determine: a, b, f(n) and logb(a)case 3: if f(n) = q(nlog
ba ) then t(n) î
q(nlog
ba lg n)
f(n) = n î
q(nlog
22) = q(n1)
t(n) î
q(nlog
22 lg n) = q(n lg n)
3. t(n) = 5t(n/2) + q(n3)
determine: a, b, f(n) and logb(a)andaf(n/b) ≤ cf(n) for some constant c < 1 and all sufficiently large ncase 2: if f(n) = w(nlog
ba+e
) for some constant e > 0
f(n) = q(n3) î
w(nlog
25+e
) = w(n2.32+e
) for e ≈0.68
5(n/2)3then t(n) î≤ cn3
5n3/8 ≤ cn3
c = 5/8 < 1
q(n3)
演算法複雜度分析 主定理
規模為n的問題通過分治，得到a個規模為n b的問題，每次遞迴帶來的額外計算為c n d t n at n b c n d 那麼就可以得到問題的複雜度為 可見，每次遞迴把問題分為a個規模為n b的子問題。從根節點開始，共有logb n 1層，葉子節點數為a logb n 那麼，第j層共有aj個子問題，...
遞迴時間複雜度分析 主定理分析
標籤 演算法 複雜度分析 以下是評估遞迴時間複雜度的主定理，例如有遞迴形式 t n at n b f n 其中,a 1 和 b 1 均為常數,f n 是乙個確定的正函式。在 f n 的三類情況下,我們有 t n 的漸近估計式 若對於某常數 0 有 f n o n 則 t n theta n 若 f ...
演算法時間複雜度分析
定義 如果乙個問題的規模是n，解這一問題的某一演算法所需要的時間為t n 它是n的某一函式 t n 稱為這一演算法的 時間複雜性 求解演算法的時間複雜度的具體步驟是 1 找出演算法中的基本語句 演算法中執行次數最多的那條語句就是基本語句，通常是最內層迴圈的迴圈體。2 計算基本語句的執行次數的數量級 ...