递归行为时间复杂度的估算-master公式

一、递归行为

递归行为可以简单概括为一个函数调用其自身的行为。

一个递归函数中，一定要定义一个有效的退出条件，否则会陷入死循环。

本篇文章介绍递归行为时间复杂度快速估算的方法。

二、master公式

1、使用master公式的条件

如果整个递归行为可以等量地分解为a个子问题，即每个子问题的规模等量。

就可以使用master公式快速求得时间复杂度。

2、master公式

公式：T(N) = a * T(N/b）+ O(N^d）

复杂度判定：

1）log(b,a) > d 则复杂度为O(N^log(b,a))

2）log(b,a) = d 则复杂度为O(N^d * logN)

3）log(b,a) < d 则复杂度为O(N^d)

解释：T(N) --- 整个递归行为（母问题的时间复杂度），假设母问题的规模是N

           a  ---  代表母问题被分解为a个子问题

           T(N/b）---  子问题的时间复杂度；N/b  --- 每个子问题的规模；b --- 母问题被等分的份数

           O(N^d）--- 除了递归行为（调用自身）外的其他行为的时间复杂度

3、举例子

题目：用递归方法找一个数组中的最大值

解：C++参考代码

//L-最左元素下标，R-最右元素下标
int maxValue(const vector<int>& arr, int L, int R)
{
	if (L >= R)
	{
		return arr[L];
	}

	int mid = L + ((R - L) >> 1); //求中点
	int maxLeft = maxValue(arr,L, mid);  //调用自身求解左半部分最大值
	int maxRight = maxValue(arr, mid + 1, R); //调用自身求解右半部分最大值
	return maxLeft > maxRight ? maxLeft : maxRight;
}

【小Tips】中点可以使用L + ((R - L) >> 1)表达式求解；相较于（L+R）/2 的方式有以下2个优点：

1）右移>>除法运算/更快速； 2）避免L+R溢出得到错误结果；

求解时间复杂度：根据master公式的适用条件，因为上诉算法中，母问题被是被等分成2份的，所以可以使用master公式求解。

接下来我们只需要确认a,b,d的数值即可。

求a ：因为母问题maxValue中，又调用了2次maxValue，分别求取左半数值和右半数值的最大值，所以a = 2;

求b ：因为在调用maxValue的时候，整个数组是等分成2组求解的，已知整个数组的规模为N，所以每一组的规模都为N/2，所以b = 2;

求d ：除了调用自身之外，整个函数只做了下面几个动作，时间复杂度为O(1)，即d = 0

if (L >= R)
{
	return arr[L];
}

int mid = L + ((R - L) >> 1); //求中点
return maxLeft > maxRight ? maxLeft : maxRight;

既然上诉算法符合master，并且a,b,d求解完毕，我们就可以使用复杂度判定求出整个问题的时间复杂度了。

因为  （log(b,a) = log(2,2) = 1）> (d=0)

所以    T(N) = O(N^log(b,a)) = O(N^1）即上诉算法是时间复杂度为O(N)的算法