归并排序以及时间复杂度及Master Theorem(主定理)

目录

1.归并排序概念

2.算法的复杂度

3.主定理Master Theorem

3.1 Master Theorem概念

3.2 Master Theorem例子分析

4.利用Master Theorem求归并排序时间复杂度

---

        我们上一篇博客重点回顾了复杂度的概念，以及基本的复杂度计算方法。这篇博客我们利用归并排序Merge Sort算法带着大家深入计算复杂度。

1.归并排序概念

        假设我们有一个数组A，我们目标是sort（A）排序，整个算法流程为：首先把数组分成两部分，分完之后，针对每一个部分做排序，排序方法也是归并排序。我们做一个最后做一个整合，因为是排序过的两部分，从头部往后面依次比较即可。

        我们来想一下，这种排序算法的复杂度是多少？

2.算法的复杂度

        假设我们数组有n个数子，我们用T(n)表示该算法的时间复杂度，我们将原来问题拆分为2个子问题，是原来问题的1/2。最后需要n个操作合并排序。我们怎么表示它的时间复杂度呢？{先揭晓答案：T(n）= 2*T(n/2) +n   ----->   O(n*log n)  }

3.主定理Master Theorem

3.1 Master Theorem概念

        主定理对上面那种可以把一个问题分解为若干子问题上非常有价值，

        T(n）= 2*T(n/2) +n 是我们上面分析得到的结果，这个就非常符合主定理适用形式。我们怎么得到这种递归函数复杂度呢？下面的三个符号（O/Θ/Ω）

        主定理的内容可以解释如下所示：只需要分别计算左右二者大小即可。

3.2 Master Theorem例子分析

4.利用Master Theorem求归并排序时间复杂度