数据结构与算法 —— master公式的使用

定义

T(N) = a * T(N/b) + O(N^d)
a：子规模问题调用的次数
1/b：子规模问题的规模（子问题等规模）
O(N^d)：子规模问题之外的时间复杂度

用法

满足master公式的算法，可通过其系数 估算时间复杂度：
log(b,a) > d，时间复杂度为O(N^log(b,a))，
log(b,a) = d，时间复杂度为O(N^d * logN),
log(b,a) < d，时间复杂度为O(N^d)

用例

    /**基础二分法求最大值 */
    process(arr:number[],l:number,r:number):number{
        if(l==r){
            return arr[l];
        }
        let mid = l + ((r-l)>>1);  //防溢出的求中点方式，万一数组很大的情况下
        let lMax = this.process(arr,l,mid);
        let rMax = this.process(arr,mid + 1,r);
        return lMax > rMax ? lMax : rMax;
    }

上方代码中 子问题规模为1/2，所以b=2，子规模调用次数为两次，所以a=2，除了子问题以外的其余部分复杂度为O(1)，所以d=0

log(2,2) > 0，因此该算法的时间复杂度为O(N)，说明二分递归求最大值算法 和遍历一遍的时间复杂度一致

注意：

子问题每次的规模相等才满足master，用例是从数组的1/2处拆分做递归，子问题规模都是1/2。如果从一个数组的1/3处拆分为两部分，其中一次调用的规模为1/3，另一次为2/3，则其不满足master公式。若将该数组拆分为等量三部分，3次递归的规模都为1/3，也满足master公式。