การประมาณเชิงเชิงความสัมพันธ์ของการเกิดซ้ำ (Akra-Bazzi ดูเหมือนจะไม่นำไปใช้)


10

สมมติว่าอัลกอริทึมมีความสัมพันธ์ที่เกิดขึ้นประจำรันไทม์:

T(n)={g(n)+T(n1)+T(δn):nn0f(n):n<n0

สำหรับบางคนคง<1 สมมติว่าเป็นพหุนามในอาจเป็นกำลังสอง ส่วนใหญ่มีแนวโน้มจะชี้แจงในn0<δ<1gnfn

เราจะวิเคราะห์ runtime ได้ยังไง(ยอดเยี่ยม) ทฤษฎีบทหลักและวิธี Akra-Bazzi ทั่วไปดูเหมือนจะไม่ได้นำมาใช้Θ


หาที่ดีลดความผูกพันเป็นเรื่องง่าย แต่หาที่ดีที่ถูกผูกไว้บนเป็นเรื่องยาก แต่พูดประมาณน่าจะใกล้เคียงกับ(n) T(n)=aT(n/a)+g(n)

1
หากคุณยังคงกำลังมองหาคำตอบอยู่คุณควรตรวจสอบ Graham, Knuth และ Patashnik, "Concrete Mathematics"
Kaveh

สมมติว่าเป็นค่าคงที่เราไม่ต้องการสมมติฐานใด ๆ เกี่ยวกับหรือเรา? n0f
กราฟิลส์

พารามิเตอร์อาจเป็นแบบเฉพาะอินสแตนซ์ มันจะดีเพื่อดูวิธีการรันไทม์ขึ้นอยู่กับn_0n0n0
Austin Buchanan

1
ฉันถามคำถามที่เกี่ยวข้องซึ่งจนถึงขณะนี้ยังไม่ได้นำเสนอทฤษฎีทั่วไปสำหรับการเกิดซ้ำในลักษณะนี้
ราฟาเอล

คำตอบ:


5

วิธีหนึ่งที่เป็นไปได้อาจเป็นการเปรียบเทียบกับสมการเชิงอนุพันธ์ ให้(n-1) นี่เป็นอะนาล็อกที่ไม่ต่อเนื่องของอนุพันธ์แรกของ(n) เราได้รับความสัมพันธ์ต่อไปนี้: อะนาล็อกต่อเนื่องของสิ่งนี้คือสมการเชิงอนุพันธ์ หรือถ้าคุณต้องการดูมันเขียนต่างกัน: นั่นคือสมการเชิงอนุพันธ์T(n)=T(n)T(n1)T(n)T(n)

T(n)=T(δn)+g(n).
t(x)=t(δx)+g(x),
ddxt(x)=t(δx)+g(x).

ทีนี้คุณสามารถลองแก้สมการเชิงอนุพันธ์สำหรับฟังก์ชันต่อเนื่องจากนั้นตั้งสมมติฐานว่าฟังก์ชันที่คล้ายกันนั้นจะเป็นคำตอบสำหรับความสัมพันธ์ที่เกิดซ้ำเดิมของคุณและลองพิสูจน์สมมติฐานของคุณ อย่างน้อยนี่เป็นวิธีการทั่วไปอย่างหนึ่งที่คุณสามารถทำได้t(x)

ฉันลืมทุกสิ่งทุกอย่างที่ฉันเคยรู้จักเกี่ยวกับสมการเชิงอนุพันธ์ดังนั้นฉันไม่รู้วิธีแก้ปัญหาของสมการเชิงอนุพันธ์ แต่บางทีคุณอาจจะสามารถแก้ไขได้โดยการทบทวนเทคนิคทั้งหมดสำหรับการแก้สมการเชิงอนุพันธ์


ดูเหมือนว่าโดนัลด์เจนิวแมนจะใช้เทคนิคนี้บ่อยครั้งและให้ผลลัพธ์ที่ยอดเยี่ยม
Aryabhata

โดยไม่ได้ดูต่อไป การแก้สมการเชิงอนุพันธ์นั้นไม่ใช่เรื่องง่าย ผมไม่เชื่อว่ามันเกินไปมีวิธีการแก้ปัญหาแบบปิดหลังจากที่พยายามรูปแบบพื้นฐานไม่กี่(x) t(x)
InformedA
โดยการใช้ไซต์ของเรา หมายความว่าคุณได้อ่านและทำความเข้าใจนโยบายคุกกี้และนโยบายความเป็นส่วนตัวของเราแล้ว
Licensed under cc by-sa 3.0 with attribution required.