浅谈巧妙算法：递归（2）

2021.7.29
在递归（1）的文章里，简单阐述了线性递归的正确性和有穷性，并以数组求和作为例子来体会递归。下面一起来分析一下递归的时间复杂度和空间复杂度。

递归分析

由于递归算法的时空复杂度与常规算法很不一样，有着自身的规律与特定技巧，以下来介绍两种方法：

*递归跟踪

具体地，按照以下原则，将递归算法执行过程转变为图的形势：

1.算法的每一递归实例都表示为一个方框，其中注明了该实例调用的参数
2.若实例M调用实例N，则在M与N对应的方框之间添加一条有向联线

用以上原则来分析数组求和的递归写法（见文章递归（1）），整个算法所需要的时间应该是递归实例的创建、执行、销毁的时间总和。而创建、销毁的过程时间成本近似为常数，所以我们只需要统计各递归实例中非递归部分调用的时间（即执行步骤）即可。

int sum(int A[], int n){
	if(n<1) return 0;
	else return sum(A, n-1) + A[n-1];
}

时间复杂度：分析数组求和的例子，该算法所涉及的计算无非三类：判断n是否为零，累加sum(n-1)与A[n-1]，返回当前总和。且至多各执行一次，即计算时间应该为常数O(3)，递归深度为n+1，所以时间复杂度为：(n+1)*O(3)=O(n)。

空间复杂度：sum()算法在创建了最后一个递归实例时，占用的空间达到最大，等于所有递归实例各自所占空间量的总和。这里每一递归实例所存放的数据，就是调用参数和用于累加总和的临时变量。只需要常数规模的空间O(n)。

*递推方程

该方法与递归跟踪相反。是通过对递归模式的数学归纳，导出复杂度定界函数的递推方程（组）及其边界条件。类似于高中数学中的斐波那契数列。
在此，仍以以上数组求和的代码为例：

int sum(int A[], int n){
	if(n<1) return 0;
	else return sum(A, n-1) + A[n-1];
}

通过代码我们知道，求解sum(A, n)所需要的时间，等于求解sum(A,n-1)所需的时间，另加一次整数加法的时间。
即T(n)=T(n-1)+O(1)=T(n-1)+c1(常数)
当抵达递归基时，求解平凡问题所需时间为常数，
即T(0)=O(1)=c2(常数)
联立二式可得：T(n)=O(n)