从“递归结构”到解汉诺塔问题的求解

解决递归问题的关键在于寻找递归的结构。
寻找一个可递归问题的递归结构，不仅可以直观地转换为程序语言，进行问题的求解，而且也为我们人脑对问题的求解提供思路，比如3阶的汉诺塔，我们还可简单设计方案，倘若四阶、五阶甚至更高阶，有了对递归的认识，我们便有了求解问题的套路。

比如斐波那契数列的递归结构是什么：

$$f(n)=f(n-1)+f(n-2)$$

从数学语言向程序语言：

def fib(n):
    return n if n <= 1 else fib(n-1)+fib(n-2)

整数的幂指数 $a^n$：

$$\begin{array}{l} a^n=a\times a^{n-1}\\ f(n)=a\times f(n-1) \end{array}$$

从数学语言向程序语言：

def power(a, n):
    return a if n == 1 else a*power(a, n-1)

$n$ 阶汉诺塔的递归结构又是什么呢？我们可将 $n$ 阶汉诺塔想象成两部分，上面的 $n-1$ 个圆盘（将此 $n-1$ 视为 1），和最下的 $1$ 个圆盘，也即：

$$\textrm{Hanoi}(n)=\textrm{Hanoi}(n-1)+\textrm{Hanoi}(1)$$
我们便将一个 $n$ 阶的汉诺塔问题，变成了类似二阶的问题。

def hanoi(n, fromStack, toStack, spareStack):
    if n == 1:
        print('move disk from', fromStack, 'to', toStack)
    else:
        hanoi(n-1, fromStack, spareStack, toStack)
        hanoi(1, fromStack, toStack, spareStack)
        hanoi(n-1, spareStack, fromStack, toStack)
if __name__ == '__main__':
    hanoi(3, 'a', 'b', 'c')

汉诺塔问题递归求解的时间复杂度分析

$$\begin{split} t(n)=&1+t(n-1)+t(1)+t(n-1)\\ =&3+2t(n-1)\\ =&3+2\times 3+2^2\times 3+\cdots+2^{n-2}\times 3+2^{n-1}t(1)\\ =&3\times (2^{n-1}-1)+2^{n-1}\times 2\\ =&3\times (2^{n-1}-1)+2^n \end{split}$$

时间复杂度为：$O(2^n)$，指数级（exponential）；