算法导论：关于时间复杂T(n)的表达式处置
MIT算法导论提供了三种方法，不废话了，直接介绍：
( 公式显示不了，所有就截图了，请包涵~ 呵呵)
1. 代换法：猜测-> 验证
例如：T(n) = 4*T(n/2) + n ( 其中T(1) =O(1) )
假设是时间复杂度是n^3
那么证明：那么设T(k) <= c*k^3;
那么带入有：T(n) = 4*(n/2)^3 + n
= 1/2*n^3 + n ~ O( n^3 )
2. 递归树法：
例如：T(n) = T(n/4) + T(n/2) + n^2
那么这种方法有一个特殊的表示方法：
T(n) 用下面的一颗树的表示！( 奇怪的表示形式 )
那么我们可以看到，将每一行相加有：n^2 第一行
5/16*n^2 第二行
25/256*n^2 … 第三行( if展开 )
每一行都会有一个n^2，那么显然有复杂度为O(n^2 )
3. Master Method：针对于T(n) = aT(n/b) + f(n)
主要有三种情况需要记住：
第一种：当f(n) = O( n^(logba -e) ); ( e > 0的一个数)
注意：logba代表以b为底的a的对数( 不好表示 )
即当f(n)与n^(logba)是低阶的时候，
例如：1.T(n) = 4*T(n/2) + n 则是第一种情况logba = 2,而n = n^1，所以1 < 2，所以为O( n^2 )
2. T(n) = 4*T(n/2) + n^2 则是第二种情况，注意此处的k=0的，又logba = 2,所以2 = 2，所以为O( n^2 * lgn )
3. T(n) = 4*T(n/2)+ n^3，则是第三情况，3 >2，所有结果是：O( f(n)) = O( n^3 )