關(guān)于遞歸算法的時間復(fù)雜度，你還不夠了解
本篇通過一道面試題，一個面試場景，來好好分析一下如何求遞歸算法的時間復(fù)雜度。
相信很多同學(xué)對遞歸算法的時間復(fù)雜度都很模糊，那么這篇Carl來給大家通透的講一講。
同一道題目，同樣使用遞歸算法，有的同學(xué)會寫出了O(n)的代碼，有的同學(xué)就寫出了O(logn)的代碼。
這是為什么呢?
如果對遞歸的時間復(fù)雜度理解的不夠深入的話，就會這樣!
那么我通過一道簡單的面試題，模擬面試的場景，來帶大家逐步分析遞歸算法的時間復(fù)雜度，最后找出最優(yōu)解，來看看同樣是遞歸，怎么就寫成了O(n)的代碼。
面試題：求x的n次方
想一下這么簡單的一道題目，代碼應(yīng)該如何寫呢。最直觀的方式應(yīng)該就是，一個for循環(huán)求出結(jié)果，代碼如下：
- int function1(int x, int n) {
- int result = 1; // 注意 任何數(shù)的0次方等于1
- for (int i = 0; i < n; i++) {
- result = result * x;
- }
- return result;
- }
時間復(fù)雜度為O(n)，此時面試官會說，有沒有效率更好的算法呢。
如果此時沒有思路，不要說：我不會，我不知道了等等。
可以和面試官探討一下，詢問：“可不可以給點提示”。面試官提示：“考慮一下遞歸算法”。
那么就可以寫出了如下這樣的一個遞歸的算法，使用遞歸解決了這個問題。
- int function2(int x, int n) {
- if (n == 0) {
- return 1; // return 1 同樣是因為0次方是等于1的
- }
- return function2(x, n - 1) * x;
- }
面試官問：“那么這個代碼的時間復(fù)雜度是多少?”。
一些同學(xué)可能一看到遞歸就想到了O(logn)，其實并不是這樣，遞歸算法的時間復(fù)雜度本質(zhì)上是要看: 遞歸的次數(shù) * 每次遞歸中的操作次數(shù)。
那再來看代碼，這里遞歸了幾次呢?
每次n-1，遞歸了n次時間復(fù)雜度是O(n)，每次進行了一個乘法操作，乘法操作的時間復(fù)雜度一個常數(shù)項O(1)，所以這份代碼的時間復(fù)雜度是 n * 1 = O(n)。
這個時間復(fù)雜度就沒有達到面試官的預(yù)期。于是又寫出了如下的遞歸算法的代碼：
- int function3(int x, int n) {
- if (n == 0) {
- return 1;
- }
- if (n % 2 == 1) {
- return function3(x, n / 2) * function3(x, n / 2)*x;
- }
- return function3(x, n / 2) * function3(x, n / 2);
- }
面試官看到后微微一笑，問：“這份代碼的時間復(fù)雜度又是多少呢?” 此刻有些同學(xué)可能要陷入了沉思了。
我們來分析一下，首先看遞歸了多少次呢，可以把遞歸抽象出一顆滿二叉樹。剛剛同學(xué)寫的這個算法，可以用一顆滿二叉樹來表示(為了方便表示，選擇n為偶數(shù)16)，如圖：
當(dāng)前這顆二叉樹就是求x的n次方，n為16的情況，n為16的時候，進行了多少次乘法運算呢?
這棵樹上每一個節(jié)點就代表著一次遞歸并進行了一次相乘操作，所以進行了多少次遞歸的話，就是看這棵樹上有多少個節(jié)點。
熟悉二叉樹話應(yīng)該知道如何求滿二叉樹節(jié)點數(shù)量，這顆滿二叉樹的節(jié)點數(shù)量就是2^3 + 2^2 + 2^1 + 2^0 = 15，可以發(fā)現(xiàn)：這其實是等比數(shù)列的求和公式，這個結(jié)論在二叉樹相關(guān)的面試題里也經(jīng)常出現(xiàn)。
這么如果是求x的n次方，這個遞歸樹有多少個節(jié)點呢，如下圖所示：(m為深度，從0開始)
時間復(fù)雜度忽略掉常數(shù)項-1之后，這個遞歸算法的時間復(fù)雜度依然是O(n)。對，你沒看錯，依然是O(n)的時間復(fù)雜度!
此時面試官就會說：“這個遞歸的算法依然還是O(n)啊”， 很明顯沒有達到面試官的預(yù)期。
那么O(logn)的遞歸算法應(yīng)該怎么寫呢?
想一想剛剛給出的那份遞歸算法的代碼，是不是有哪里比較冗余呢，其實有重復(fù)計算的部分。
于是又寫出如下遞歸算法的代碼：
- int function4(int x, int n) {
- if (n == 0) {
- return 1;
- }
- int t = function4(x, n / 2);// 這里相對于function3，是把這個遞歸操作抽取出來
- if (n % 2 == 1) {
- return t * t * x;
- }
- return t * t;
- }
再來看一下現(xiàn)在這份代碼時間復(fù)雜度是多少呢?
依然還是看他遞歸了多少次，可以看到這里僅僅有一個遞歸調(diào)用，且每次都是n/2 ，所以這里我們一共調(diào)用了log以2為底n的對數(shù)次。
每次遞歸了做都是一次乘法操作，這也是一個常數(shù)項的操作，那么這個遞歸算法的時間復(fù)雜度才是真正的O(logn)。
此時大家最后寫出了這樣的代碼并且將時間復(fù)雜度分析的非常清晰，相信面試官是比較滿意的。
總結(jié)
對于遞歸的時間復(fù)雜度，畢竟初學(xué)者有時候會迷糊，刷過很多題的老手依然迷糊。
本篇我用一道非常簡單的面試題目：求x的n次方，來逐步分析遞歸算法的時間復(fù)雜度，注意不要一看到遞歸就想到了O(logn)!
同樣使用遞歸，有的同學(xué)可以寫出O(logn)的代碼，有的同學(xué)還可以寫出O(n)的代碼。
對于function3 這樣的遞歸實現(xiàn)，很容易讓人感覺這是O(logn)的時間復(fù)雜度，其實這是O(n)的算法!
- int function3(int x, int n) {
- if (n == 0) {
- return 1;
- }
- if (n % 2 == 1) {
- return function3(x, n / 2) * function3(x, n / 2)*x;
- }
- return function3(x, n / 2) * function3(x, n / 2);
- }
可以看出這道題目非常簡單，但是又很考究算法的功底，特別是對遞歸的理解，這也是我面試別人的時候用過的一道題，所以整個情景我才寫的如此逼真，哈哈。
大廠面試的時候最喜歡用“簡單題”來考察候選人的算法功底，注意這里的“簡單題”可并不一定真的簡單哦!
如果認真讀完本篇，相信大家對遞歸算法的有一個新的認識的，同一道題目，同樣是遞歸，效率可是不一樣的!
