递归过程以及master公式

递归本质

以下面的例子说明：

public static int process(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 Math.max(leftMax, rightMax);
}

上面递归的过程就是每次都将数组进行二分，直到每个过程只有1个数为止，再把这个数返回给上一级。把过程画出来就是一颗二叉树的结构。
在尝试递归的时候，就是把每次方法调用都压入到栈中，返回结果时便是将结果弹出。

master公式

公式

T(N) = a * T(N / b) + O(N ^ b)

时间复杂度

条件	时间复杂度
log(b,a) < d	O(N^d)
log(b,a) > d	O(N^log(b,a)
log(b,a) == d	O(N^d * logN)

说明

T(N)为父过程的数据规模
T(N / b)为子过程的数据规模
a为子过程的调用次数
O(N ^ b)为除了递归过程之外其他调用的时间复杂度

适用

该公式只适用子过程的调用都是数据规模相同的情况，如这个例子中两个子过程的数据规模都是T(N/2)。如果一个递归过程有多个子过程数据规模不一样，那么它不能用该公式进行时间复杂度的计算。

例子

上面的例子中，父过程数据规模为N，子过程数据规模为N/2，总共调用子过程2次，除了递归过程之外其他调用的时间复杂度为O(1)，所以对应的master公式为：

T(N) = 2 * T(N / 2) + O(1)

因为log(b,a) == d,所以时间复杂度为O(n^d * logN)，即O(n*logN)。