【算法复杂度分析之主方法】
2013-10-08 11:39
274 查看
最近看stanford的算法导论公开课,讲到分治法的时候提到了主方法,可以很快速的分析算法的时间复杂度。
对于一个递归实现的分治算法,其时间复杂度表示为:
T(n) = aT(n/b)+h(n)
其中,a>=1; b>1; h(n)是不参与递归部分的时间复杂度。
比较n^log b (a)与Θ(h(n)) 的大小(Θ的含义和“等于”类似,而大O的含义和“小于等于”类似,感觉好像这里都可以用):
若n^log b (a)= Θ(h(n)) :该方法的复杂度为 Θ(h(n)*log(n))
若n^log b (a)< Θ(h(n)) :该方法的复杂度为 Θ(h(n))
若n^log b (a)> Θ(h(n)) :该方法的复杂度为 Θ(n^log b (a))
例如:
T(n) = T(n/2)+1:Θ(log(n))(二分查找)
T(n) = 2T(n/2)+n :Θ(n*log(n))(归并排序)
以上都属于“等于”的情况。
对于一个递归实现的分治算法,其时间复杂度表示为:
T(n) = aT(n/b)+h(n)
其中,a>=1; b>1; h(n)是不参与递归部分的时间复杂度。
比较n^log b (a)与Θ(h(n)) 的大小(Θ的含义和“等于”类似,而大O的含义和“小于等于”类似,感觉好像这里都可以用):
若n^log b (a)= Θ(h(n)) :该方法的复杂度为 Θ(h(n)*log(n))
若n^log b (a)< Θ(h(n)) :该方法的复杂度为 Θ(h(n))
若n^log b (a)> Θ(h(n)) :该方法的复杂度为 Θ(n^log b (a))
例如:
T(n) = T(n/2)+1:Θ(log(n))(二分查找)
T(n) = 2T(n/2)+n :Θ(n*log(n))(归并排序)
以上都属于“等于”的情况。
相关文章推荐
- 算法——时间复杂度分析方法
- 求最大子序列和的四种经典方法及其算法时间复杂度分析
- JAVA中算法复杂度分析方法
- 【算法复杂度分析之主方法】
- 有关算法时间复杂度分析方法的思考
- 时间复杂度算法分析有方法(摘)
- Day1_算法分析方法
- 玩转算法面试-时间复杂度分析
- Java遍历集合方法分析(实现原理、算法性能、适用场合)
- 算法时间复杂度分析(1)
- 算法 插入排序 的 JS实现及时间复杂度分析
- 素数判断的几种方法代码实现及其复杂度分析
- 算法的是时间复杂度分析
- ACM算法-时间复杂度分析(5.有关时间复杂度递归的分析)
- 算法复杂度分析
- 机器学习第四篇(stanford大学公开课学习笔记) —生成型学习算法之高斯判别分析模型和朴素贝叶斯方法
- UVA - 1354(指针结点的联合方法 || 高效算法复杂度未算出)
- 常用算法复杂度分析
- 数据结构基础 算法复杂度分析(二) 典例篇
- 转载 算法时间复杂度分析基础。