前言

本文为本小白🤯学习数据结构的笔记，将以算法题为导向，向大家更清晰的介绍数据结构相关知识（算法题都出自🙌B站马士兵教育——左老师的课程，讲的很好，对于想入门刷题的人很有帮助👍）

已经了解过排序了，在来了解一下递归行为和递归行为时间复杂度估算（master公式）

🙌还是先来看一个问题：
用递归方法找一个数组中的最大值，系统上到底是怎么做的？

package DiGui;

public class Digui01 {

    public static int getMax(int[] arr) {
        return process(arr,0,arr.length-1);
    }

    //用递归方法找一个数组中的最大值，系统上到底是怎么做的？
    public static int process(int[] arr,int L,int R) {
        if(L==R){
            return arr[L];
        }
        int mid=L + ((R-L)>>1);//求中点
        int leftMax=process(arr,L,mid);
        int rightMax=process(arr,mid+1,R);
        return Math.max(leftMax,rightMax);
    }
}

来看看递归的核心思想：把大问题分解成小问题，小问题再分解，直到不能再分（基础情况），然后逐层合并结果。

1. 把数组从中间分成两半；
2. 分别找出左半部分的最大值和右半部分的最大值；
3. 然后取这两个最大值中的较大者，就是整个区间的最大值。

利用函数一步步的往下分，直到到达最后一层，返回比较一步一步找到最大值。

递归行为时间复杂度如何估算？

来看看什么是master公式：

🌟 一、Master 公式是干什么的？
Master 公式（Master Theorem）是算法分析中一个非常重要的工具，用来快速求解递归算法的时间复杂度，特别是那些采用分治策略（Divide and Conquer）的算法，比如你上面写的递归找最大值、归并排序、快速排序（平均情况）等。

其中：

• n：问题规模
• a>=1:子问题的个数，（递归调用次数）
• b>=1:每个子问题的规模原问题的1/b（注：也就是说每个子问题规模是一样的）
• f(n): 非递归部分的工作量

看到这个公式，是不是一脸懵，这怎么计算n呢？嗯最重要的来了，这有一个公式（跟着算就好，我也不到杂咋推的🤪）：

🙌我们来用master来算一下，上面代码的时间复杂度：

其中n = R- L + 1 是当前处理的数组长度

每次递归将问题分成两个子问题，每个子问题规模是原问题的一半：

• 左半：[L, mid]
• 右半：[mid+1, R]

因此：子问题个数 a = 2 ，每个子问题规模是 n / b，b = 2

Math.max(leftMax,rightMax) 是常数时间：O (1)，d = 0

将a，b，d，带入，🎉 最终答案：时间复杂度是 O（n）

小白啊！！！写的不好轻喷啊🤯如果觉得写的不好，点个赞吧🤪（批评是我写作的动力）

…。。。。。。。。。。。…

…。。。。。。。。。。。…