本文介绍了算法时间复杂度的分析方法，包括主定理（Master Theorem）、Akra-Bazzi Theorem和递归树方法。通过实例解析了如何应用这些方法解决问题，并探讨了势能分析法在处理复杂度不固定情况下的均摊复杂度计算。
emmm，先说明一下，作者其实不是很会，有些问题请指出。
定义 \color{red}\tt \text{定义} 定义
Θ ( f ( n ) ) \Theta(f(n)) Θ(f(n)) 表示时间复杂度渐进的上下界。
Ω ( f ( n ) ) \Omega(f(n)) Ω(f(n)) 表示时间复杂度的下界。
O ( f ( n ) ) O(f(n)) O(f(n)) 表示时间复杂度的上界。
M a s t e r T h e o r e m \color{red}\tt Master\ Theorem Master Theorem
设递推式 T ( n ) = a T ( n b ) + f ( n ) T(n) = aT\left(\dfrac{n}{b}\right) + f(n) T(n)=aT(bn)+f(n)。
设常数 ϵ > 0 , k ≥ 0 \epsilon > 0, k \ge 0 ϵ>0,k≥0，
T ( n ) = { Θ ( n log b a ) , f ( n ) = O ( n log b a − ϵ ) Θ ( f ( n ) ) , f ( n ) = O ( n log b a + ϵ ) Θ ( n log b a log k + 1 n ) , f ( n ) = O ( n log b a log k n ) T(n) = \begin{cases} \Theta(n^{\log_ba}), f(n) = O(n^{\log_ba - \epsilon}) \\ \Theta(f(n)), f(n) = O(n^{\log_ba + \epsilon}) \\ \Theta(n^{\log_ba}\log^{k + 1}n), f(n) = O(n^{\log_ba} \log^kn) \end{cases} T(n)=⎩⎪⎨⎪⎧Θ(nlogba),f(n)
最低0.47元/天 解锁文章
扫一扫
390
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
