麻省理工公开课 算法导论 渐进、递归
看了一下 前面的 Tn的复杂度证明 应该没啥好纠结的，递归树 猜答案 ， 代换法验证，然后递归树的每一层的和 可以组成一个等比级数 ，求的和就是递归式的上界，所以 公比为(5/16)*n^2的等比级数的和
是Tn=T(n/2)+T(n/4)+n^2的上界,又因为5/16比1/2小，而公比1/2的等比级数的和小于2(1/2+1/4+1/8…的结果换成2进制就是1.111111永远达不到2) Tn<2n^2 即O(n^2)是上界，因为递归式Tn=T(n/2)+T(n/4)+n^2里面含有n^2这一项 所以O(n^2)也是下界，得出结论 递归公式=O(n^2)； 主要介绍一下main方法
main方法把另一种常见情况做了字母代换，即T(n)=aT(n/b)+f(n)，其中b>1 代表子问题不断减小，否则会无限大，也可以从图上面看出来，因为根据上面构造递归树的方法 递归树深度为logb(n)，即图1，如果b<=1 则深度是无限大
a>=1代表 Tn至少可以分解为一个以上的规模相同的子问题 (不然不好画树枝 我是这么理解的 ：)
f(n)需要满足渐进趋正 对足够大的n ，f(n)是正数，他说只考虑这个。。那就这样吧
比较f(n) 和n^logb(a) ， 从上面的图里面的证明得知n^logb(a)为叶子节点的个数，下面是三种情况 小于 等于 大于: 1、 f(n)多项式小于n^logb(a) 多项式小于 就是n^2小于n^3的那种可以忽略的感觉 此时T(n)= θ(n^logb(a))
因为此时理想状态下 T(n) = n^logb(a) 个T(1) + (n^logb(a) )/a个 f(b) 就是倒数第一层所有的T(1)和倒数第二层所有的f(n/b^(x-1)) 因为 f(n)已经相对于n^logb(a)非常小了 ，所以T(n)= θ(n^logb(a))
2、f(n)基本上等于，视频里面举得例子是θ(n^logb(a)(log2(n))^K) K为1或者0的时候 f(n)=θ(n^logb(a))或者θ(n^logb(a)log2(n))
T(n) = n^logb(a) T(1) + ( (n^logb(a) )/a) f(b) = n^logb(a)(T(1)+f(b)/a) 此时因为f(b)等于 b^logb(a) (log2(b))^k =a(log2(b))^k 原式= (n^logb(a)(T(1)+ (log2(b))^k) T(1)忽略，b<n ,k<k+1 原式= θ(n^logb(a))*( log2(n))^(k+1)
3、f(n) 多项式大于 n^logb(a) 此时还需要对f(n)做假设是递减的， 如果是递增则结果就是无穷大 没有意义， 所以必须是递减 假设用的例子是：af(n/b) <=(1-s)f(n) 对于一些足够小的正数s恒成立
这么假设是为了必须保证每层数字越来越小 T(n) =θ( f(n)) 因为T(n)按照递归树结构分解后，按照af(n/b) <=(1-s)f(n)规则， f(n)比下面一层所有的加起来都大，不需要算就知道 是θ( f(n))
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
