记录一下
表示将原问题分解成 a 个 规模大小为 N/b 的子问题,合并这 a 个子问题的代价是 Θ(NK)
T(N)=aT(N/b)+Θ(NK)
T(N)的解有以下三种情况:
-
T(N)=O(N(logab)) 当 a > bk 时
-
T(N)=O(Nk log^N) 当 a = bk 时
-
T(N)=O(Nk) 当 a < bk 时
具体过程展开图如下:

推到过程如下:

记录一下
表示将原问题分解成 a 个 规模大小为 N/b 的子问题,合并这 a 个子问题的代价是 Θ(NK)
T(N)=aT(N/b)+Θ(NK)
T(N)的解有以下三种情况:
T(N)=O(N(logab)) 当 a > bk 时
T(N)=O(Nk log^N) 当 a = bk 时
T(N)=O(Nk) 当 a < bk 时
具体过程展开图如下:

推到过程如下:

您可能感兴趣的与本文相关的镜像
Stable-Diffusion-3.5
Stable Diffusion 3.5 (SD 3.5) 是由 Stability AI 推出的新一代文本到图像生成模型,相比 3.0 版本,它提升了图像质量、运行速度和硬件效率
1162

被折叠的 条评论
为什么被折叠?