算法复杂度计算

Master theorem

Let $T(n)$ be defined by $T(n)=aT(\frac{n}{b})+O(n^d)$ for $a>1,b>1$ and $d>0$, then $T(n)$ can be bounded by:

• if $d<lo{g}_{b}a$, then $T(n)=O(n^{lo{g}_{b}a})$;
• if $d=lo{g}_{b}a$, then $T(n)=O(n^{lo{g}_{b}a}logn)$;
• if $d>lo{g}_{b}a$, then $T(n)=O(n^d)$;

看到上面三个时间复杂度计算的前提条件，发现少了一项，就是 $d=0$ 时要怎么计算，所以下面将对这四种情况进行推导说明。

1. d=0

$d=0$时，可以适用于只分不 merge 的情况，比如查找二叉树某结点深度等。
在下面计算时会用到换底公式
$a^{lo{g}_b^c}=c^{lo{g}_b^a}$

$\begin{array}{rl}T(n)& =aT(\frac{n}{b})+c\\ & =a^{2}T(\frac{n}{b^2})+2c\\ & =a^{3}T(\frac{n}{b^3})+3c\\ & \cdots \\ & =a^{lo{g}_{b}n}T(\frac{n}{b^{lo{g}_{b}n}})+c\cdot lo{g}_{b}n\\ & =a^{lo{g}_{b}n}T(\frac{n}{n})+c\cdot lo{g}_{}\\ & \end{array}$