如果有多个递归调用，如何计算复杂度？
例如在这个问题上。
F(n)
{
if (n is 1)
return;
F(n/2) //Call 1
F(n/3) //Call 2
F(n/6) //Call 3
}
答案 0 :(得分：1)
你只需要解决这个等式，
T(n)=T(n/2)+T(n/3)+T(n/6)+O(1)
现在作为T（n / 2）> T（n / 3），我们可以改为求解
T(n)=3T(n/2)+O(1)
使用master's theorem，T（n）= O（n ^（log（base 2）3））= O（n ^ 1.58）
请注意，可能有更好的解决方案，但因为这是Big O表示法，这也是有效的
答案 1 :(得分：0)
有趣的问题。
我相信我可以证明这个函数的复杂性对于任何c＆gt;而言都是O（n c ）。 1。
回想一下big-O表示法的定义。我们说如果存在常数k和n'，则函数g（n）是O（f（n）），使得g（n）<1。所有n的k * f（n）> N”。 （通俗地说，对于足够大的n，g（n）在f（n）之上是有限的，忽略了常数因子。）
选择任何c＆gt; 1，并观察到足够大的n，
1＆gt; （1/2） c +（1/3） c +（1/6） c + 1 / n c < / SUP>
这很容易看出，因为1/2 + 1/3 + 1/6 = 1，并且（1/2） c ＆lt; 1/2等因为c> 1.当n足够大时，1 / n c 是任意小的。
乘以n c ，得到足够大的n：
n c ＆gt; （n / 2） c +（n / 3） c +（n / 6） c + 1
因此，如果对于m = n / 2，m = n / 3，m = n / 6，F（m）的运行时间超过m c ，则运行F（n）的时间以n c 为界。结果如下归纳。
所以尽管我错了这个函数是O（n），但是它是任意接近的......在任何正值epsilon的意义上，无论多小，函数都是O（n 1+小量）。
...
一般来说，对于这类问题，我想你想猜测n c 形式的解，然后尝试在c上设置一个约束。这基本上是主定理本身的运作方式。