文章目录
1.递归函数时间复杂度分析
(1) 递归执行过程
例子：求N!。
这是一个简单的”累乘”问题，用递归算法也能解决。
n! = n * (n – 1)! n > 1
0! = 1, 1! = 1 n = 0,1
因此，递归算法如下：
Java代码
fact(int n) {
if(n == 0 || n == 1)
return 1;
else
return n * fact(n – 1);
}
以n=3为例，看运行过程如下：
fact(3) —– fact(2) —– fact(1) —— fact(2) —–fact(3)
——————————> ——————————>
递归 回溯
递归算法在运行中不断调用自身降低规模的过程，当规模降为1，即递归到fact(1)时，满足停止条件停止递归，开始回溯(返回调用算法)并计算，从fact(1)=1计算返回到fact(2);计算2fact(1)=2返回到fact(3)；计算3fact(2)=6，结束递归。
算法的起始模块也是终止模块。
(2) 递归实现机制
每一次递归调用，都用一个特殊的数据结构"栈"记录当前算法的执行状态，特别地设置地址栈，用来记录当前算法的执行位置，以备回溯时正常返回。递归模块的形式参数是普通变量，每次递归调用得到的值都是不同的，他们也是由"栈"来存储。
(3) 递归调用的几种形式
一般递归调用有以下几种形式(其中a1、a2、b1、b2、k1、k2为常数)。
<1> 直接简单递归调用： f(n) {…a1 * f((n – k1) / b1); …};
<2> 直接复杂递归调用： f(n) {…a1 * f((n – k1) / b1); a2 * f((n – k2) / b2); …};
<3> 间接递归调用： f(n) {…a1 * f((n – k1) / b1); …}，
g(n) {…a2 * f((n – k2) / b2); …}。
2. 递归算法效率分析方法
递归算法的分析方法比较多，最常用的便是迭代法。
迭代法的基本步骤是先将递归算法简化为对应的递归方程，然后通过反复迭代，将递归方程的右端变换成一个级数，最后求级数的和，再估计和的渐进阶。
<1> 例：n!
算法的递归方程为： T(n) = T(n – 1) + O(1);
迭代展开： T(n) = T(n – 1) + O(1)
= T(n – 2) + O(1) + O(1)
= T(n – 3) + O(1) + O(1) + O(1)
= …
= O(1) + … + O(1) + O(1) + O(1)
= n * O(1)
= O(n)
这个例子的时间复杂性是线性的。
<2> 例：如下递归方程：
T(n) = 2T(n/2) + 2, 且假设n=2的k次方。
T(n) = 2T(n/2) + 2
= 2(2T(n/2*2) + 2) + 2
= 4T(n/2*2) + 4 + 2
= 4(2T(n/2*2*2) + 2) + 4 + 2
= 2*2*2T(n/2*2*2) + 8 + 4 + 2
= ...
= 2的(k-1)次方 * T(n/2的(i-1)次方) + $(i:1~(k-1))2的i次方
= 2的(k-1)次方 + (2的k次方) - 2
= (3/2) * (2的k次方) - 2
= (3/2) * n - 2
= O(n)
这个例子的时间复杂性也是线性的。
<3> 例：如下递归方程：
T(n) = 2T(n/2) + O(n), 且假设n=2的k次方。
T(n) = 2T(n/2) + O(n)
= 2T(n/4) + 2O(n/2) + O(n)
= ...
= O(n) + O(n) + ... + O(n) + O(n) + O(n)
= k * O(n)
= O(k*n)
= O(nlog2n) //以2为底
一般地，当递归方程为T(n) = aT(n/c) + O(n), T(n)的解为：
O(n) (a<c && c>1)
O(nlog2n) (a=c && c>1) //以2为底
O(nlogca) (a>c && c>1) //n的(logca)次方，以c为底
上面介绍的3种递归调用形式，比较常用的是第一种情况，第二种形式也有时出现，而第三种形式(间接递归调用)使用的较少，且算法分析
比较复杂。 下面举个第二种形式的递归调用例子。
<4> 递归方程为：T(n) = T(n/3) + T(2n/3) + n
为了更好的理解，先画出递归过程相应的递归树：
n ——–> n
n/3 2n/3 ——–> n
n/9 2n/9 2n/9 4n/9 ——–> n
… … … … …
——–
总共O(nlogn)
累计递归树各层的非递归项的值，每一层和都等于n，从根到叶的最长路径是：
n --> (2/3)n --> (4/9)n --> (12/27)n --> ... --> 1
设最长路径为k，则应该有：
(2/3)的k次方 * n = 1
得到 k = log(2/3)n // 以(2/3)为底
于是 T(n) <= (K + 1) * n = n (log(2/3)n + 1)
即 T(n) = O(nlogn)
由此例子表明，对于第二种递归形式调用，借助于递归树，用迭代法进行算法分析是简单易行的。
