标签：frac log text 复杂度 重修 Does Master Theorem apply
介绍
我也不知道为啥叫这个名字。
用于解决分治算法复杂度。
主定理适用于以下形式的递归：
\[T(n)=aT(\frac{n}{b})+f(n) \]其中 \(a\ge 1,b>1\) 为常数，\(f(n)\) 是渐近正函数。
啊啊啊更标准的去看英文版的吧，我这里说人话。
比较 \(X=f(n)\) 和 \(Y=af(\dfrac{n}{b})\) 的大小：
Ⅰ 若两者只差常数（非最高阶系数）
复杂度为 \(f(n)\log n\)。
Ⅱ \(X>Y\)
此时递归复杂度小于单单 \(f(n)\)，复杂度为 \(f(n)\)。
Ⅲ \(X<Y\)
此时递归复杂度大于 \(f(n)\)，可把 \(f(n)\) 看作 \(1\)，相当于遍历一棵树，复杂度为 \(n^{\log_ba}\)（即树的节点数）。
例子
YY1
\[T(n)=3T(\frac{n}{2})+n^2 \\ X=n^2 \\ Y=3(\frac{n}{2})^2=\frac{3}{4}n^2 \\ O(n^2) \]YY2
\[T(n)=4T(\frac{n}{2})+n^2 \\ X=n^2 \\ Y=4(\frac{n}{2})^2=n^2 \\ O(n^2 \log n) \]YY3
\[T(n)=5T(\frac{n}{2})+n^2 \\ X=n^2 \\ Y=5(\frac{n}{2})^2=\frac{5}{4}n^2 \\ O(n^{\log_25}) \]YY4
\[T(n)=2T(\frac{n}{2})+\frac{n}{\log n} \\ \text{Does not apply.} \]YY5
\[T(n)=\frac{1}{2}T(\frac{n}{2})+n \\ \text{Does not apply.} \]YY6
\[T(n)=2T(\frac{n}{2})-n \\ \text{Does not apply.} \]YY7
\[T(n)=T(\frac{n}{2})+n(2−\cos n) \\ \text{Does not apply.} \]二分
\[T(n)=T(\frac{n}{2})+1 \\ X=1,Y=1 \\ O(\log n) \]归并 二维偏序
\[T(n)=2T(\frac{n}{2})+n \\ X=n,Y=n \\ O(n\log n) \]CDQ 三维偏序
\[T(n)=2T(\frac{n}{2})+n\log n \\ X=n\log n \\ Y=2(\frac{n}{2}\log\frac{n}{2})=n\log\frac{n}{2}=n\log n-n\log 2=n\log n \\ O(n\log^2 n) \]多项式求乘法逆
\[T(n)=T(\frac{n}{2})+n\log n \\ X=n\log n \\ Y=\frac{n}{2}\log\frac{n}{2}=\frac{1}{2}n\log n \\ O(n \log n) \]标签：frac,log,text,复杂度,重修,Does,Master,Theorem,apply 来源： https://www.cnblogs.com/zhangshaojia/p/16411620.html
本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享； 2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关； 3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关； 4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除； 5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。