运用主定理计算递归问题时间复杂度

主定理

符号Θ ，既是上界也是下界，等于。

符号O ，表示上界，时间复杂度小于等于该值。

符号Ω ，表示下界，时间复杂度大于等于该值。

意思就是Θ 是平均时间复杂度，O 是最坏情况下的复杂度，Ω 是最好情况下的复杂度。

假设我们有递推关系式（算法的计算复杂度）：
$$T(n)=aT(n/b)+f(n)$$
其中，n 为问题的规模，a 为递推下子问题的数量， n/b 为每个子问题的规模，f(n) 为递推后做的额外的计算工作。

1.设存在常数ϵ>0 ，使得$$f(n)=O(n^{lo{g}_b(a)-ϵ})$$ 即$f(n)<n^{lo{g}_b(a)}$，且为多项式级别，则$$T(n)=\Theta (n^{lo{g}_{b}a})$$

具体意思是f(n)的上界是n的幂次，且$lo{g}_b(a)$ 比这个幂次要大，则时间复杂度为这个n的 $lo{g}_b(a)$ 次。

例子：二叉树的遍历。$T(n)=2T(n/2)+\Theta (1)$ 。其中a=2， b=2，f(n)=1 ，此时ϵ=1 。$T(n)=\Theta (n)$ 。

2.设存在常数k≥0 ，使得$$f(n)=\Theta (n^{lo{g}_{b}a}lo{g}^{k}n)$$ 即$f(n)=n^{lo{g}_b(a)}$，则$$T(n)=\Theta (n^{lo{g}_{b}a}lo{g}^{k+1}n)$$

具体意思是f(n)是n的 $logb(a)$ 次，再乘以一个$lo{g}^{k}n$，则复杂度是*f(n)*的复杂度再乘以一个$lo{g}^{k}n$。

例子：归并排序。$T(n)=2T(n/2)+\Theta (n)$ 。其中a=2， b=2， f(n)=n，此时k=0 。$T(n)=\Theta (nlo{g}_{2}n)$ 。

例子：二分搜索（折半搜索）。$T(n)=T(n/2)+\Theta (1)$ ，其中a=1，b=2，f(n)=1，此时k=0 ，则 $T(n)=\Theta (lo{g}_{2}n)$ 。

3.设存在常数ϵ>0，有$$f(n)=\Omega (n^{logb(a)+ϵ})$$同时存在常数c<1 以及充分大的n满足 $$af(nb)\le cf(n)$$即$f(n)>n^{lo{g}_b(a)}$，且为多项式级别，那么$$T(n)=\Theta (f(n))$$ 。