平摊分析

由来

之前的简单分析可能会对算法复杂度的上界作出过大的估计。例如，有一个空栈，连续对它进行n次操作（push，pop，连续pop），那么它的时间复杂度的上界是多少？简单的分析可以给出 $O(n^2)$ 的上界，理由如下：
最坏情况下，每次操作取三种操作中上界最大者连续pop的上界 $O(n)$ ，那么n次操作的上界显然搜索 $O(n^2)$。
这个分析没有错，但是上界还可以进一步收缩。因为在一个栈中，pop的次数取决于栈中的元素个数，一个栈是不能一直pop下去的，如果栈有n个元素，那么pop的次数是不能超过插入的次数的，也就是：

$$num(push) \ge num( pop + multipop)$$
也就是说，总时间约为插入次数n的两倍，这说明时间复杂度上界是 $O(n)$。由此，引出了平摊分析(Amortized Analysis)的概念。

平摊分析

平摊分析是一种分析方法，其核心思想是：在进行一系列操作时，各个操作并非孤立，而是相关的。 其目的是得出每个操作的平摊代价，平摊代价一般是实际代价的上界。
CLRS上以栈操作、二进制计数器和表拓张三个例子，介绍了三种分析的方法：聚合分析（aggregate analysis），记账法（核算法，accounting method），势能法(potential method)。
其中聚合分析为基础，记账法和势能法是从不同角度出发的聚合分析。

聚合分析

简而言之，就是对数据结构依次进行n个操作$a_1, a_2, ... a_n$ ，则在最坏情况下，这n个操作序列是时间复杂度为$T(n)$,那么每个操作的平摊代价$T(n)/n$。因此聚合分析的核心再去求出$T(n)$，然后就可以求出每个操作的平摊代价。
以栈操作为例，n个操作序列中，

T(n)