Master公式：分析递归函数的时间复杂度

形如 $T(N)=a\times T(N/b)+O(N^d)$ （其中的 $a、b、d$ 都是常数）的递归函数，可以直接通过Master公式来确定时间复杂度

• 如果 $log(b,a)<d$，复杂度为 $O(N^d)$ ($log(b,a)表示以b为底，即lo{g}_{b}a$)

• 如果 $log(b,a)>d$，复杂度为 $O(N^{log(b,a)})$

• 如果 $log(b,a)==d$，复杂度为$O(N^d\times logN)$

只有子问题的规模都一样的递归才能用Master公式估计时间复杂度。

例如 求arr数组的最大值，使用递归求解：

int process(vector<int> &arr, int l, int r) {
    if (l == r) return arr[l];

    int mid = l + ((r - l) >> 1);
    int leftMax = process(arr, l, mid);
    int rightMax = process(arr, mid + 1, r);

    return max(leftMax, rightMax);
}

int getMax(vector<int> &arr) {
    return process(arr, 0, arr.size() - 1);
}

该递归的Master公式：$T(N)=2\times T(N/2)+O(1)$

其中：大递归的数据量为 $N$，所以左侧写 $T(N)$；子过程的数据量为 $N/2$，所以为 $T(N/2)$，而子过程执行了2次，所以乘以2；除了递归以外所有行为的复杂度为 $O(1)$。其中 $a=2$，$b=2$， $d=0$，根据Master公式，所以复杂度为 $O(N)$。