Algorithms | L - 3 | Time Analysis of Recursive Program【递归算法时间复杂度计算】

目录

方法一：Back Substitution 回代法

方法二：Recursive tree method  递归树法

---

方法一：Back Substitution 回代法

例题一：

A (n) {
    if (n > 1) {         //if 语句执行时间为 1
        return A(n-1);
    }
}

1、假设该程序执行时间符合  T(n)  这样一个函数；

2、由代码可知执行时间为：T(n)    = 1 + T(n-1)······式子1

3、由上面式子可以知道       T(n-1) = 1 + T(n-2)······式子2

                               同理       T(n-2) = 1 + T(n-3)······式子3

4、利用回代法可得：T(n) = 1 + T(n-1)

                                          = 2 + T(n-2)

                                          = 3 + T(n-3) 

                                          = k + T(n-k)

5、由if(n > 1)可知，当 n - k = 1，即 k = n - 1 时程序只执行if语句，然后停止。

将 k 用 n 替换得到：T(n) = n-1 + T(1) = n - 2

6、得到该递归算法时间复杂度为 O(n) 

例题二：这个例题没有代码，仅列出程序耗费的时间表达式

条件：输入为n时，程序执行时间满足函数T(n)

T(n) = n + T(n-1)    ……  n > 1

T(n) = 1                   ……  n = 1

对于上面式子的时间复杂的计算与例题一类似

1、T(n)    = n + T(n-1)······式子1

      T(n-1) = n-1 + T(n-2)······式子2

      T(n-2) = n-2 + T(n-3)······式子3

      T(n-3) = n-3 + T(n-4)······式子3

2、利用回代法可得：T(n) = n + T(n-1)

                                          = n + (n-1) + T(n-2)

                                          = n + (n-1) + (n-2) + T(n-3) 

                                          = n + (n-1) + (n-2) + ······ +(n-k) + T(n-(k+1))

3、n - (k+1) = 1 => k = n-2；将代入得：

     T(n) = n + (n-1) + (n-2) + ··· + 2 + T(1)

             = n(n+1)/2 - 1 + 1

4、时间复杂度为：O()

方法二：Recursive tree method  递归树法

例题三：

这个例题没有代码，仅列出程序耗费的时间表达式

条件：输入为n时，程序执行时间满足函数T(n)

T(n) = 2T(n/2) + c   …… n > 1

T(n) = c                   ……  n = 1

解：

1、

     T(n) = c + 2T(n/2)                    T(n/2) = c + 2T(n/4)                      T(n/4) = c + 2T(n/8) 

            作图如下                                  作图如下                                        作图如下

                                   

 2、将关系带入第一个图，我们可以得到下图

       

 3、我们发现除最后一行外，每一行执行时间都满足式子：2^k*c，最后一行为T(n/2^k)形式，

       当我们将上面的图无限拓展时，最后一行每个元素就为T(n/2^k)。

       我们知道，当输入为1时，执行时间为常数c，所以程序在输入为1时就不会继续递归了。

       也就是n/2^k = 1 时，函数停止。计算得 2^k = n

4、按照上图，我们将每一行执行时间相加：

T(n) = c ( 2^0 + 2^1 + 2^2 + 2^3 + ... + 2^k)      ......等比数列求和

       = c[1(1 - 2^(k+1))/(1-2)]     ......这里写 k+1  次方的原因是：总共k+1项

       = (2^(k+1) - 1) c     .......由于2^k = n

       = 2n*c - c

5、时间复杂度为：O(n)

例题三：

这个例题没有代码，仅列出程序耗费的时间表达式

条件：输入为n时，程序执行时间满足函数T(n)

T(n) = 2T(n/2) + n   …… n > 1

T(n) = 1                   ……  n = 1

解：

1、  T(n) = 2T(n/2) + n        T(n/2) = 2T(n/4) + n/2          T(n/4) = 2T(n/8) + n/4    

        根据上面三个式子画出递归树

 

2、观察发现，1)        除最后一行，每一行元素和都为n

                        2)        最后一行每个元素的参数都为n/2^k，且元素个数为2^k。

                        3)        当无限延伸后，在n/2^k = 1 (可得2^k = n, k = ) 处停止，T(1) = 1

                        4)        最后一行元素有2^k个，每个都为一，最后一行和为：2^k * 1 = n * 1 = n。

                        5)        每一行元素与行数(L)关系：元素 n/2^k 中的 k = L - 1 

3、将每一行时间加和：T(n) = n * L

                                              = n * (k+1)

                                              = n * (+ 1)

4、时间复杂度为O()

总结：在我看来，这两种方法本质是一样的，只是呈现的方法不同。