求递归算法时间复杂度：递归树

1.参考资料

参考网页：求递归算法时间复杂度：递归树

2.内容

递归算法时间复杂度的计算方程式是一个递归方程:
$$T(n)=\{\begin{array}{ll}O(1)& n=1\\ kT(n/m)+f(n)& n>1\end{array}$$
以$T(n)=2T(\frac{n}{2})+n^2$为例, $K=2,m=2,f(n)=n^2$
则其对应的递归树是:

树高应该考虑迭代结束的条件:$\frac{n}{2^k}=1,k={\log }_2(n)$
时间复杂度为所有节点和$n^2+\frac{1}{2}{n}^2+\frac{1}{4}{n}^2+\cdots =2n^2=O(n^2)$

总结:递归树的规则是:

1. 每层的节点为$kT(n/m)+f(n)$中的$f(n)$在当前$\frac{n}{m}$下的值
2. 每个节点的分支数为$k$
3. 可在当前层的右侧标出当前层中所有节点的和
   利用递归树分析解递归算法复杂度，可以得到一些一般结论:
   对递归式$f(n)=af(\frac{n}{b})+d(n)$
   1.当$d(n)$为常数时:
   $$f(n)=\{\begin{array}{ll}O\left(n^{{\log }_{b}a}\right)& a\ne 1\\ O(\log n)& a=1\end{array}$$
   2.当$d(n)=cn$时:
   $$f(n)=\{\begin{array}{ll}O(n)& a<b\\ O(n\log n)& a=b\\ O\left(n^{{\log }_{b}a}\right)& a>b\end{array}$$
   3.当$d(n)$为其他情况可用递归树进行分析。
   由第二种情况知，若采用分治法对原算法进行改进，则重点是采用新的计算方法缩小a的值。