个人学习——算法：递归式复杂度计算(主方法)

在分析根据递归方程分析算法的时间复杂度时，常见到如下形式的方程，
T(n) = a * T(n/b) + f(n)
a >= 1，b > 1，f(n)一般是个简单函数

这时可以有2种方法，来计算时间复杂度：
一是用递归树，逐层代入原式，最终形成一个级数，然后用一个函数来表达，得到T(n)。
二是应用主项定理Master Method 。其实，主项定理也就是对递归树方法的一种归纳，形成了固定的计算方式，并分三种情形来计算：

logb a 是以b为底
nlogb a ：logb a为n的幂数

1.若对于某常数ε>0，有f(n) = O(nlogb a-ε )，则T(n) = O(nlogb a ) （取较大者，较大者变化得快）
2.若f(n) = O(nlogb a )，则T(n) = O(nlogb a *logn)
3.若f(n) = O(nlogb a+ε )，且对于某常数c>1和所有充分大的正整数n，有af(n/b)≤cf(n)，则T(n)=O(f(n))（取较大者）

注意：大小比较是在多项式的意义上的大于和小于
T(n) = 2T(n/2) + nlgn 这样的是不能用主方法的，不是多项式的意义上的比较，对于任何正整数都满足。
T(n) = 2T(n/2) + nlogn = O(nlogn*logn)（由递归法得）