递归函数时间、空间复杂度分析

一. 时间复杂度

1. 含义

递归算法的时间复杂度为：
$$递归次数\ast 每次的递归时间$$
一般每次的递归时间为O(1)，实际时间复杂度就是递归次数，递归次数的求解就要列出树来算节点数了，通常用到求满二叉树节点数的公式：
$$2^k-1，其中k表示树的深度$$
假如递归函数为如下类型，给出了n = 1、n = 0的递归结束出口，因此画出树到f(0)、f(1)即可，如下为当n = 5时的树：

int f(int n)
{
	if(n <= 0)
		return 0;
	if(n == 1)
		return 1;
	return f(n - 1) + f(n - 2);
}

因此，可以知道为n时，树的节点数就是满二叉树的节点数，可以看出树的深度也为k = n，因此树的节点数就是$$2^n-1$$
又因递归次数等于节点数，所以该递归函数的时间复杂度为为$$O(2^n)$$

2. 模型

根据递归函数最后的return f()，可以总结出如下几种递归函数的时间复杂度：

• 模型1：时间复杂度为$$O(2^n)$$

int f(int n)
{
	if(n <= 0)
		return 0;
	if(n == 1)
		return 1;
	return f(n - 1) + f(n - 2); //根据这个快速判断时间复杂度
}

• 模型2：时间复杂度为$$O(n)$$

int f(int n)
{
	if(n <= 0)
		return 0;
	if(n == 1)
		return 1;
	return f(n - 1); //根据这个快速判断时间复杂度
}

• 模型3：时间复杂度为$$O(logn)$$

int f(int n)
{
	if(n <= 0)
		return 0;
	if(n == 1)
		return 1;
	return f(n/2); //根据这个快速判断时间复杂度
}

• 模型4：时间复杂度为$$O(n)$$

int f(int n)
{
	if(n <= 0)
		return 0;
	if(n == 1)
		return 1;
	return f(n / 2) + f(n / 2); //根据这个快速判断时间复杂度
}

二. 空间复杂度

1. 含义

空间复杂度实际就是求解数的深度k，然后乘以每次递归函数的空间复杂度，一般没有创建数组的递归函数空间复杂度为O(1)，所以实际就是求树的深度，最终得到空间复杂度为$$O(k)$$
假如递归函数为如下类型，给出了n = 1、n = 0的递归结束出口，因此画出树到f(0)、f(1)即可，如下为当n = 8时的树：

int f(int n)
{
	if(n <= 0)
		return 0;
	if(n == 1)
		return 1;
	return f(n / 2);
}

可以看出树的深度为4，推论到n = n时，可以知道树的深度为logn + 1，所以该递归函数的空间复杂度为：$$O(logn)$$

2. 模型

总结出如下几种模型的空间复杂度：

• 模型1：空间复杂度为$$O(n)$$

int f(int n)
{
	if(n <= 0)
		return 0;
	if(n == 1)
		return 1;
	return f(n - 1) + f(n - 2); //根据这个快速判断时间复杂度
}

• 模型2：空间复杂度为$$O(n)$$

int f(int n)
{
	if(n <= 0)
		return 0;
	if(n == 1)
		return 1;
	return f(n - 1); //根据这个快速判断时间复杂度
}

• 模型3：空间复杂度为$$O(logn)$$

int f(int n)
{
	if(n <= 0)
		return 0;
	if(n == 1)
		return 1;
	return f(n/2); //根据这个快速判断时间复杂度
}

• 模型4：空间复杂度为$$O(logn)$$

int f(int n)
{
	if(n <= 0)
		return 0;
	if(n == 1)
		return 1;
	return f(n / 2) + f(n / 2); //根据这个快速判断时间复杂度
}