简单算法的时间复杂度

Suppose T(n) is the runtime of resolving a problem with n elements, T(n) = Θ(1) if n = 1; T(n) = 2T(n/2) + Θ(n) if > 1; so T(n) is Θ(n log n).
假设T(n)是解决一个有n个元素的问题的时间复杂度，T(n)=Θ(1) ，如果n =1； T(n) = 2T(n/2) + Θ(n) if > 1;else， n > 1; so T(n) is Θ(n log n).
http://blog.csdn.net/RizeJin/article/details/5916833有介绍
和Merge-sort类似
令O(n) --> f(n) 设n = 2^k

T(n) = T(2^k) = 2T(2^k-1) + f(2^k)

= 2(2(T(2^k-2) + f(2^k-1)) + f(2^k)
= 22T(2^k-2) + 2f(2^k-1) + f(2^k)
= …
= 2^kT(1) + 2^(k-1)f(2) + 2^(k-2)f(22) + … 2^0f(2k)
设g(1) = T(1) = O(1) n = 1时
设g(1) = a f(n) = bn a、b为常数
T(n) = T(2^k)
= 2^ka + 2^(k-1)2b + 2^(k-2)*22b + …2^0*2kb
= 2^ka + kb*2^k
= an + kbn
= an + bnlog2n
= O(nlog2n)
常见算法的时间复杂度：

假设有递推关系式
，其中 为问题规模， 为递推 的子问题数量， 为每个子问题的规模（假设每个子问题的规模基本一样）， 为递推 以外进行的计算工作。
a≥1，b>1为常数，f(n) 为函数，T(n) 为非负整数 。则有以下结果：
（1）若 那么
（2）若 那么
（3）若 且对于某个常数 和所有充分大 的
有 那么

这里是情况2，且a=b，所以有T(n) = O(n logn)