T(n) = 2T(n/2) + 的渐近上限和下限是多少? nlglgn?

发布于 2024-10-14 03:30:54 字数 266 浏览 1 评论 0原文

递推关系

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

(其中 lg 是基数2)可以使用主定理来解决,但我不太确定答案。我已经找到了答案,但为了防止信息级联,我不在这里提及。请帮我找到上面的大O和Ω。

The recurrence relation

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

(where lg is logarithm to base 2) can be solved using the master theorem but I am not very sure about the answer. I have found my answer but am not mentioning it here in order to prevent information cascades. Please help me find the big O and Ω for above.

如果你对这篇内容有疑问,欢迎到本站社区发帖提问 参与讨论,获取更多帮助,或者扫码二维码加入 Web 技术交流群。

扫码二维码加入Web技术交流群

发布评论

需要 登录 才能够评论, 你可以免费 注册 一个本站的账号。

评论(1

雨轻弹 2024-10-21 03:30:54

主定理中的 3 种情况都不适用

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

(对于任意基数,这并不重要)

情况 1:f(n)=n log(log n) 比 nlog2 2 '更大' support>=n1

情况 2:f(n) 不适合 n logk(n)

情况 3:f(n) 小于 n1 +e

U(n)=2 U(n/2) + n log n
L(n)=2 L(n/2) + n

您可以证明:U(n) >= T(n)L(n) <= T(n)。因此,U 给出 T 的上限,L 给出 T 的下限。

应用 U(n) 的主定理,给出

情况 2:f(n)=n log n=θ(n1 log 1 n) 因此 U(n)=θ(n log2 n)

应用 L(n) 的主定理,给出

情况 2:f(n)=n =θ(n1 log0 n) 因此 L(n)=θ(n log n)

因为 L(n)<=T(n) <=U(n) 得出 T(n)=O(n log2 n) 和 T(n)=Ω(n log n)

另外,请注意 O (log2n)=O((log n)/log 2)=O((log n) * c)=O(log n)。

None of the 3 cases in the master theorem apply for

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

(With arbitrary base, it doesn't really matter)

Case 1: f(n)=n log(log n) is 'bigger' than nlog2 2=n1

Case 2: f(n) does not fit n logk(n)

Case 3: f(n) is smaller than n1+e

U(n)=2 U(n/2) + n log n
L(n)=2 L(n/2) + n

You can show that: U(n) >= T(n) and L(n) <= T(n). So U gives a upper bound, and L a lower bound for T.

Applying the master theorem for U(n), gives

Case 2: f(n)=n log n=Θ(n1 log1 n) thus U(n)=Θ(n log2 n)

Applying the master theorem for L(n), gives

Case 2: f(n)=n =Θ(n1 log0 n) thus L(n)=Θ(n log n)

Because L(n)<=T(n)<=U(n) it follows that T(n)=O(n log2 n) and T(n)=Ω(n log n)

Also, note that O(log2n)=O((log n)/log 2)=O((log n) * c)=O(log n).

~没有更多了~
我们使用 Cookies 和其他技术来定制您的体验包括您的登录状态等。通过阅读我们的 隐私政策 了解更多相关信息。 单击 接受 或继续使用网站,即表示您同意使用 Cookies 和您的相关数据。
原文