算法导论：关于时间复杂T(n)的表达式处理

MIT算法导论提供了三种方法，不废话了，直接介绍：

( 公式显示不了，所有就截图了，请包涵~ 呵呵)

1.      代换法：猜测-> 验证

         例如：T(n) = 4*T(n/2) + n (  其中T(1) =O(1)  )

         假设是时间复杂度是n^3

         那么证明：那么设T(k) <= c*k^3;

         那么带入有：T(n) = 4*(n/2)^3 + n

                                         = 1/2*n^3 + n ~ O( n^3 )

2.      递归树法：

         例如：T(n) = T(n/4) + T(n/2) + n^2 

         那么这种方法有一个特殊的表示方法：   

         T(n) 用下面的一颗树的表示！( 奇怪的表示形式 )

          那么我们可以看到，将每一行相加有：n^2                        第一行

                                                                             5/16*n^2               第二行

                                                                             25/256*n^2 …      第三行( if展开 )

            每一行都会有一个n^2，那么显然有复杂度为O(n^2 )

3.      Master Method：针对于T(n) = aT(n/b) + f(n)

         主要有三种情况需要记住：

         第一种：当f(n) = O( n^(logba -e) );     ( e > 0的一个数)

         注意：logba代表以b为底的a的对数( 不好表示 )

         即当f(n)与n^(logba)是低阶的时候，

          例如：1.T(n) = 4*T(n/2) + n 则是第一种情况logba = 2,而n = n^1，所以1 <2，所以为O( n^2 )

                      2. T(n) = 4*T(n/2) + n^2 则是第二种情况，注意此处的k=0的，又logba = 2,所以2 = 2，所以为O( n^2 * lgn )

                      3. T(n) = 4*T(n/2)+ n^3，则是第三情况，3 >2，所有结果是：O( f(n)) = O( n^3 )