分治策略时间复杂度分析（三)-用主方法求解递归式

分治策略时间复杂度分析（三)-用递归树方法求解递归式

 虽然以上两种方法都可以求解递归式，但是它们的缺点是比较复杂。所以我们提出第三种方法-主方法，这个方法可以快速求解，很容易地求解很多的递归式，通常不需要纸和笔的帮助。

---

---

前言

进行分治策略时间复杂度分析有三种方法，分别为

• 1.用代入法求解递归式
• 2.用递归树方法求解递归式
• 3.用主方法求解递归式
   本篇文章介绍第三种方法，即用主方法来求解递归式。主方法为如下形式的递归式提供了一种“菜谱”式的求解方法：
  $$T(n)=aT(n/b)+f(n)$$
   其中$a\ge 1,b\ge 1$是常数，f(n)是渐近正函数。这个递归式描述的是这样一种算法的运行时间：它将规模为n的问题分解为a个子问题，每个子问题规模为n/b，其中a和b都是正常数。a个子问题递归地进行求解，每个花费时间T(n/b)。函数f(n)包含了问题分解和子问题解合并的代价

---

一、主定理

  令$a\ge 1和b>1$是常数，f(n)是一个函数，T(n)是定义在非负整数上的递归式：
$$T(n)=aT(n/b)=f(n)$$
其中，我们将n/b解释为$\lfloor n/b\rfloor 和\lceil n/b\rceil$。那么T(n)有如下的渐近界：

1. 若对某个常数$ϵ>0$,有$f(n)=O(n^{lo{g}_{b}a-ϵ})$,则$T(n)=\Theta (n^{lo{g}_{b}a})$
2. 若$f(n)=\Theta (n^{lo{g}_{b}a})$,则$T(n)=\Theta (n^{lo{g}_{b}a}lgn)$
3. 若对某个常数$ϵ>0$，有$f(n)=\Omega (n^{lo{g}_{b}a+ϵ})$，且对某个常数c<1和所有足够大的n有$af(n/b)\le cf(n)$，则$T(n)=\Theta (f(n))$
    在使用主定理之前，对于三种情况的每一种，我们将函数f(n)与函数$n^{lo{g}_{b}a}$进行比较。直觉上，两个函数较大者决定了递归式的解，但是这种较大较小应该是多项式意义上的比较，而不是单纯的大小。
    同时呢，还要注意第三种情况实际上也是有前提的，不过对于大多数情况来看，第三种往往都会满足。

二、很值得注意的反例！

 主方法不能用于如下的递归式：
$$T(n)=2T(n/2)+nlgn$$
 虽然这个递归式看起来有恰当的形式：a=2,b=2,f(n)=nlgn，以及$nlo{g}_{b}a=n$。。你可能会错误地认为该情况适用于情况3，因为f(n)=nlgn渐近大于$n^{lo{g}_{b}a}=n$。问题出在它并不是多项式意义上的大于。对于任意的正常数$ϵ$，比值$f(n)/n^{lo{g}_{b}a}=(nlgn)/n=lgn$都渐近小于$n^{ϵ}$。因此，该递归式落入了情况2和情况3之间的间隙，根本不好用！

总结

主方法法是求递归式的一个很实用的方法，我在此做一个笔记，也希望可以帮助到你！

参考文档： 《算法导论》