MIT算法导论学习笔记-Lecture2

该讲实际没讲什么算法上的东西，讲的内容有点像时间复杂度O()表示法；但是，讲的更深入，并且着重讲了递归的计算。内容如下：

该讲的主要内容:渐近符号介绍和解决循环

1.      符号表示法

大O表示法:表示<=

大Omega表示法:表示>=

Theta表示法:表示=

这里更正一下上一章的一个点，即Theta表示法不同于大O表示法，如上。

严格不等号表示法：

小o表示法:表示<

小omega表示法:表示>

2.      递归的解决方法

2.1   代换法

该方法分三步:猜,证,解常量

e.g.

2.2   递归树

该方法模拟算法递归执行的时间；

该方法可以为替换法生成猜想；

该方法有可能不可靠(比如说，下图例子中，推导了前三项之后认定其为等比数列，则对其计算是以等比数列进行的，这种直觉或者说是推理，有可能不准确)；

该方法提升了直觉方法，即该方法相对于直觉方法还是更准确一点的。

e.g.

2.3  Master Method

该方法适用于特定形式的递归，如下

T(n) = aT(n/b) + f(n)

在上式中，a>=1,b>1,且f渐近为正，即对于足够大的n，f>0.

该方法的执行步骤为(为了清晰起见直接摘自原文档)：

该方法的理解：即将f(n)与n^logb(a)比较，前者(f)小于，等于，大于后者分别构成了上述的三种情况，也分别对应了不同的解法，该方法的证明可以参考原文档，将附在下面。

其例子有助于理解该方法：