算法导论学习笔记——递归及解法

算法导论学习笔记——递归及解法

大O表示法：算法运行上界

• $f(n)=O(g(n))$ ： 存在一个常数 $c>0,n_0>0$，such that $0<=f(n)<=cg(n)$, for all $n>=n_0$。
• $f(n)$以$g(n)$为上界
• $Ex,\alpha n^3=O(n^3)$, 这里的等号不具备传递性，不是表示等于，而是表示是。

$\Omega$-notation

• $\Omega (g(n))=f(n)$: 表示为运行时间的下界
• $\Theta (g(n))=O(g(n))\cap \Omega (g(n))$ :忽略常数和系数，不忽略低阶项

解递归式

代换法

• 猜测一个界
• 数学归纳法去得到这个猜测
  

递归树法

将递归式转换为一棵树，其结点表示不同层次的递归调用产生的代价，然后采用边界和技术来求解递归式

主方法

$T(n)=aT(n/b)+f(n)$, 其中a大于等于1，b大于1，f(n)是给定的函数：生成a个子问题，每个子问题的规模是原来问题规模的1/b，分解和合并步骤总共花费时间为f(n)

最大子数组问题

Leetcode连续子数组最大和

//动态规划求解，时间复杂度O(n)
int maxSubArray(vector<int>& nums) {
        int pre = 0, ans = nums[0];
        for(int i = 0;i < nums.size();i++) {
            //前一段加上本身和本身作比较
            pre = max(nums[i] + pre,nums[i]);
            //更新答案
            ans = max(pre,ans);
        }
        return ans;
    }