左程云算法通关020 递归和master公式

前置知识：无

一、思想上理解递归

我们以一个找最大值函数的例子来理解递归：

public static int maxValue(int arr[]){
		return f(arr,0,arr.length-1);
	}
	public static int f(int arr[],int left,int right){
		if(left==right)
			return arr[left];
		int m=(left+right)/2;
		int lmax=f(arr,left,m);
		int rmax=f(arr,m+1,arr.length-1);
		return Math.max(lmax, rmax);
	}
	public static void main(String[]args){
		int arr[]={1,5,9,2,6,7,4,3,8};
		System.out.println(maxValue(arr));
	}

这段代码利用递归寻求数组中的最大值。首先将数组划分为两个部分，分别求两个部分的最大值，接着再从这两个部分里各自再划分成两个部分，直到左右边界相等时返回。 

二、实际上理解递归

递归主要依靠系统栈工作。当程序执行到递归代码时，系统栈会将参数位、临时变量、等待结果（子过程提供）压入栈里，然后这个函数就销毁了（反正栈里保存了信息以后可以重建出来）。

当函数的两行递归代码都执行完毕之后，程序开始进入下面的比较大小返回过程，同时返回之后这一层栈也被销毁了。

多复杂的递归都可以用决策图搞明白，我们初学者一定要多画递归决策图。

三、实际应用中的递归

1.任何递归都一定可以改成非递归，不用系统压栈（系统栈空间），自己压栈即可（内存空间）

2.工程中递归几乎一定要改成非递归，除非确定数据量再大递归也不深，比如归并排序、快速排序、线段树、很多平衡树等。

3.算法或比赛中能通过就不必改成非递归。

四、master公式

所有子问题规模相同的递归才能用master公式，T(n)=a*T(n/b)+O(n^c)，a,b,c是常数。

如果log（b,a）<c,复杂度为O(n^c);

如果log（b,a）>c,复杂度为O(n^log(b,a));

换言之，这两种情况都是谁大就听谁的！

如果log（b,a）==c,复杂度为O(n^c*logn);

我们以上面求数组最大值为例，分析一下master公式：

我们一共有N个数，我们是先左侧一半数据分析再右侧一半数据分析，那么有等式为：T(N)=T(N/2)+T(N/2)+O(1)=2*T(N/2)+O(1)。

这个O()指的是除了递归以外的其它行为的时间复杂度，本例中时间复杂度为O(1)。

a=2,b=2,c=0;  log(b,a)>c。那么上述代码时间复杂度为O(n^1)=O(n)

现在我更改策略，左侧2/3范围求最大值，右侧2/3求最大值，这样T(N)=T(2N/3)+T(2N/3)+O(1)=2*T(2N/3)+O(1).

a=2,b=3/2,c=0  log(b,a)>c,时间复杂度为O(n^log(3/2,2));

我们再更改策略，仍然是左右一半数据量求最值，但是这次求出最值之后，我要打印一遍所有数据，那么现在公式变为：

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

a=2,b=2,c=1;  log(b,a)=c.那么上述代码时间复杂度为O(n^1*logn)=O(nlogn).

不等规模没办法用master公式，必须调用的子过程都是等规模的我们才能用master公式！

补充：T(n)=2*T(n/2)+O(n*logn)，时间复杂度是O(n*logn*logn)，证明过程见算法导论。