NOIP/CSP初赛主定理（master定理）学习笔记:递归复杂度求解

$\mathrm{m}\mathrm{a}\mathrm{s}\mathrm{t}\mathrm{e}\mathrm{r}$定理求解范围

对于一些递归性时间复杂度，由于难以计算，我们需要使用$\mathrm{M}\mathrm{a}\mathrm{s}\mathrm{t}\mathrm{e}\mathrm{r}$定理来进行求解。

例如，我们熟悉的分治算法，其递归式为：$T(n)=2T(\frac{n}{2})+n$时间复杂度就是$O(nlo{g}_{2}n)$.因此,我们普遍的将时间复杂度问题形式化为：$$T(n)=aT(\frac{n}{b})+f(n)$$

对于对于此类我们，我们便可以使用$\mathrm{m}\mathrm{a}\mathrm{s}\mathrm{t}\mathrm{e}\mathrm{r}$定理来进行求解了。

$\mathrm{m}\mathrm{a}\mathrm{s}\mathrm{t}\mathrm{e}\mathrm{r}$定理的内容

对于递归的时间复杂度问题$$T(n)=aT(\frac{n}{b})+f(n)$$

我们令$c=lo{g}_{b}a$,再和$f(n)$的时间复杂度进行比较，可以分为三类情况。

我们可以令$f(n)=O(n^k)$或者$O(n^{k}log)$之类的。那么我们将$c$和这里的$k$进行比较。这样就可十分方便的去分类，还比较好记。

• 1.当$c>k$时,且 T ( n ) = a T ( n b ) + f ( n k ) T(n)=aT(\frac{n}{b})+f(n^k)