算法导论系列笔记之渐进分析及求解递归式

渐进符号、递归及解法

• 以下为本人整理课程笔记
• 课程地址：b站搬运
• github：还有除了算法导论外一些基础知识的笔记
• 练习题题目及个人解答见github

渐进符号

O记号【表达运行时间的上界

• 公式化定义：O(g(n)) = {f(n):存在正常量c和n0,使得对所有n>=n0,有0<=f(n)<=cg(n)}

eg:
$$f(n)=n^3+o(n^2)$$
该公可以理解为有一个h(n)属于集合O(n^2)，满足f(n) = n^3 + h(n)，等号不是对等关系，是一种属于、包含关系。

Ω记号【表达运行时间的下界

• 公式化定义：Ω(g(n)) = {f(n):存在正常量c和n0,使得对所有n>=n0,有0<=cg(n)<=f(n)}

eg:
$$\sqrt{n}=\Omega (lgn)$$

Θ记号

• 给出一个函数的上界和下界
• Θ(g(n)) = O(g(n)) ∩ Ω(g(n))

求解递归式

代换法

步骤

• 猜答案【猜答案的形式
• 用数学归纳法验证是否满足并求出解中的常数

注意

O不能用来代换

由于基本情况，T(1) = Θ(1)，c1要相对于c2足够大

改进归纳法

• 加入适当的低阶

一些练习：

递归树法

• 按照递归式构造递归树

一些练习：

主方法

• 应用于特定的递归式中

• $$T(n)=aT(n/b)+f(n)其中a\ge 1和b<1$$

三种情况

见黑皮书p54

• f(n)比n^(logb(a))增长的慢，T(n) = Θ(n^logb(a)) 【多项式意义上的小于
• f(n) = Θ(n^(logb(a))),T(n) = Θ(n^logb(a)*lgn)
• f(n)比n^(logb(a))增长的快，T(n) = Θ(f(n))

注意：

• 有存在于三种情况间隙间的情况，不可用主方法求解，比如是小于但不是多项式意义上的小于，是大于但不是项式意义上的大于

一些练习：