【算法王-3】用递归树法求解递归式

递归树（Recursion Tree）方法是解决递归式的一种可视化方法，通过图形化展示递归的展开过程，从而帮助推导递归式的时间复杂度。递归树方法通过逐层展开递归过程来累加每一层的工作量，从而得出总的工作量。

递归树方法的步骤

1. 展开递归式：将递归式逐层展开，直到递归到基本情况（通常是常数时间）。
2. 计算每一层的工作量：在每一层中，计算当前层的工作量（通常是 O(n)O(n) 这样的多项式级别）。
3. 计算树的高度：树的高度取决于递归的深度。
4. 计算总工作量：总工作量是各层的工作量之和。

示例：T(n)=2T(n/2)+nT(n) = 2T(n/2) + n

我们通过递归树来求解这个递归式。

步骤 1：展开递归式

递归式 T(n)=2T(n/2)+nT(n) = 2T(n/2) + n 描述了一个分治型问题，其中每次将问题分成两个子问题，每个子问题的规模是原问题的一半，而每次合并的工作量是线性的，即 O(n)O(n)。

我们从根节点开始，递归树展开的第一层是 T(n)=2T(n/2)+nT(n) = 2T(n/2) + n。

接下来展开递归式：

• 第二层：每个 T(n/2)T(n/2) 又会继续展开，得到两个 T(n/4)T(n/4)，因此第二层有 4 个节点，每个节点的工作量是 n/2n/2，所以总工作量是 2×(n/2)=n2 \times (n/2) = n。
• 第三层：每个 T(n/4)T(n/4) 又会继续展开，得到 8 个 T(n/8)T(n/8)，每个节点的工作量是 n/4n/4，所以第三层的总工作量也是 nn。

如此继续展开，直到递归到基本情况 T(1)T(1)。

步骤 2：绘制递归树

我们可以将递归树表示为以下结构：

Level 0:             n
Level 1:      n/2    n/2
Level 2:   n/4  n/4  n/4  n/4
Level 3: n/8 n/8 n/8 n/8 n/8 n/8 n/8 n/8
...

每一层的工作量如下：

• Level 0：只有一个节点，工作量为 nn。
• Level 1：有两个节点，每个节点的工作量为 n/2n/2，所以总工作量为 2×n/2=n2 \times n/2 = n。
• Level 2：有四个节点，每个节点的工作量为 n/4n/4，所以总工作量为 4×n/4=n4 \times n/4 = n。
• Level 3：有八个节点，每个节点的工作量为 n/8n/8，所以总工作量为 8×n/8=n8 \times n/8 = n。
• ...

步骤 3：计算递归树的高度

递归树的高度是树中层数的数量。每次递归将问题规模减半，因此树的高度为 log⁡2n\log_2 n 层。每一层的节点数是前一层的两倍，直到递归到最底层，即当问题规模减小到 1 时，树的高度为 log⁡2n\log_2 n。

步骤 4：计算总工作量

• 每一层的工作量都是 O(n)O(n)。
• 总工作量是各层工作量的总和。树的高度是 log⁡2n\log_2 n，每一层的工作量是 nn，因此总的工作量为： T(n)=n+n+n+⋯+n(log⁡2n 层)T(n) = n + n + n + \cdots + n \quad (\log_2 n \text{ 层}) 也就是 T(n)=O(nlog⁡n)T(n) = O(n \log n)。

结果

通过递归树法，我们得出结论：

T(n)=O(nlog⁡n)T(n) = O(n \log n)

这就是该递归式的时间复杂度。

另一个示例：T(n)=3T(n/2)+nT(n) = 3T(n/2) + n

我们再通过递归树求解另一个递归式：

步骤 1：展开递归式

递归式 T(n)=3T(n/2)+nT(n) = 3T(n/2) + n 描述了每次将问题分成三个子问题，且每次合并的工作量是线性的。

• 第一层：工作量是 nn。
• 第二层：每个 T(n/2)T(n/2) 会分成三个 T(n/4)T(n/4)，所以第二层有 3 个节点，每个节点的工作量是 n/2n/2，总工作量为 3×(n/2)=3n/23 \times (n/2) = 3n/2。
• 第三层：每个 T(n/4)T(n/4) 会分成三个 T(n/8)T(n/8)，所以第三层有 9 个节点，每个节点的工作量是 n/4n/4，总工作量为 9×(n/4)=9n/49 \times (n/4) = 9n/4。

递归树继续扩展，直到递归到基本情况。

步骤 2：绘制递归树

Level 0:             n
Level 1:      n/2  n/2  n/2
Level 2:   n/4 n/4 n/4 n/4 n/4 n/4 n/4 n/4
...

步骤 3：计算递归树的高度

递归树的高度是 log⁡2n\log_2 n，与上一例相同。

步骤 4：计算总工作量

在每一层，节点数增长为 3k3^k，每个节点的工作量是 n/2kn / 2^k，因此第 kk 层的工作量为：

3k×n2k=n(32)k3^k \times \frac{n}{2^k} = n \left( \frac{3}{2} \right)^k

总工作量是所有层的工作量之和，即：

T(n)=n∑k=0log⁡2n(32)kT(n) = n \sum_{k=0}^{\log_2 n} \left( \frac{3}{2} \right)^k

这个级数是一个等比级数，其和的上界为 O(n)O(n)，因此：

T(n)=O(nlog⁡23)≈O(n1.585)T(n) = O(n^{\log_2 3}) \approx O(n^{1.585})

这就是递归式 T(n)=3T(n/2)+nT(n) = 3T(n/2) + n 的时间复杂度。

总结

递归树方法通过可视化递归的展开过程，帮助我们理解每一层的工作量并求解递归式的时间复杂度。每一层的工作量通常是根据递归式的系数来计算的，树的高度由问题的规模决定。对于常见的递归式，递归树方法通常能够直观地得出复杂度结果。