算法设计关于递归方程T(n)=aT(n/b)+f(n)之通用解法

算法设计关于递归方程T(n)=aT(n/b)+f(n)之通用解法

在算法设计中经常需要通过递归方程估计算法的时间复杂度T(n),本文针对形如T(n)=aT(n/b)+f(n)的递归方程进行讨论,以期望找出通用的递归方程的求解方式。

算法设计教材中给出的Master定理可以解决该类方程的绝大多数情况,根据Master定理:o-渐进上界、w-渐进下界、O-渐进确界。

a1b1为常数,f(n)为函数,T(n)=aT(n/b)+f(n)为非负数,x=logba

1.       f(n)=o(nx-e)e0,那么T(n)=O(nx)

2.       f(n)=O(nx),那么T(n)=O(nx logn)

3.       f(n)=w(nx+e)e0且对于某个常数c1和所有充分大的naf(n/b)cf(n),那么T(n)=O(f(n))

然而,Master定理并没有完全包括所有的f(n)的情况。注意到条件13中的e总是大于0的,所以在条件12、条件23之间存在所谓的“间隙”,使得某些f(n)在该情况下不能使用该定理。因此,我们需要找到在Master定理不能使用的情况下如何解递归方程的比较通用的办法——递归树。

经过分析,递归树解法包含了Master定理,但是Master定理可以方便的判断出递归方程的解。产生这种结果的原因关键在于f(n)的形式,显然,当f(n)n的多项式p(n)形式的话必然满足Master定理的要求,但是f(n)不是多项式就需要另当别论了。

下面就题目所列出的递归方程形式进行分析。

f(n)n的多项式p(n)=f(n)

因为f(n)是多项式,设p(n)=O(nk)k0。根据递归树计算方式,有:

              T(n)= aT(n/b)+nk

              T(n/b)= aT(n/b2)+(n/b)k

              T((n/b2)= aT(n/b3)+( n/b2)k

              ……

       于是得到:T(n)= nk (1+ a/ bk + (a/ bk)2 + (a/ bk)3 +···+ (a/ bk)h)h=logbn

       1logba=k

              这种情况下a/ bk= 1,显然T(n)= O(nk logbn)

       2logbak

              此时等比数列公比不是1,根据等比数列求和公式化简得到:

T(n)=( nk –nx)/(1-a/bk)x=logba

如果logba<k,则T(n)= O(nk)

如果logba>k,则T(n)= O(nx)x=logba

       通过以上的计算表明,在Master定理的条件中,针对f(n)为多项式的情况可以使用递归树的方法进行证明和计算。同样,在f(n)不是多项式的时候也可以通过的这种方式得到方程的解。

f(n)是一般函数

f(n)不是n的多项式的时候,计算就会变得比较复杂,有时可能会也找不到最终的解。但是递归树的方法给我们一种更好使用的解决办法。下面根据一个简单的例子说明这一点:

a=b=2f(n)=nlgn时候(lgn:log2n的简记),计算递归方程的解。

T(n)= 2T(n/2)+nlgn

       T(n/b)= 2T(n/22)+(n/2)lg(n/2)

       T((n/b2)= 2T(n/23)+ (n/22)lg(n/22)

       ……

       于是得到:T(n)= nlgn+(nlgn-lg2)+ (nlgn-2lg2)+ (nlgn-22lg2)+···+(nlgn-2hlg2)h=lgn

       根据等差、等比数列求和公式化简有:

       T(n)=n(lgn)2 –(n-1)lg2,所以T(n)= O( n(lgn)2),而不是O( nlgn)

       通过这个例子可以看出,当f(n)不是多项式的时候计算就有可能变得比较复杂,甚至无法计算。但是通过Master定理以及具体的数学变换技巧在某些情况下还是可行的。

       综上所述,可以得出以下结论:在针对形如T(n)=aT(n/b)+f(n)的递归方程求解方法里,使用递归树是一种比较可行的通用办法。

posted @ 2012-07-28 15:06  Florian  阅读(5559)  评论(0编辑  收藏  举报