SICP 习题 (1.14)解题总结
SICP 习题 1.14要求计算出过程count-change的增长阶。count-change是书中1.2.2节讲解的用于计算零钱找换方案的过程。
要解答习题1.14，首先你需要理解count-change的工作方式，要理解count-change的工作方式，最好是自己去实现一遍count-change。
为了避免自己直接抄书中的代码，我决定自己实现一遍用来找换人民币的的“count-change”。事实上，我在看完并理解count-change的代码后，当我去实现人民币版的“count-change”时，我就强制自己不再回去看“count-change”的代码，保证自己有更多的主动思考。
有意思的是，当我实现完了回去看书上的代码，发现两者还是有挺大的区别，虽然算法是一样的，结果也都正确的。
首先我们得有个过程遍历各种零钱，我为了简化程序，只做了“元”的找换，“分”和“角”就略过了。
遍历各种零钱的过程如下，就是遍历“1元”，“2元”，“5元”，“10元”，“20元”，“50元”，“100元”这几种零钱。
这里就和书上有点差别，书上是记录现在还可以使用几种零钱，根据可以使用的零钱种类数量返回其中最大面值的金额。
我是简单粗暴地从最小面值遍历到最大面值。
(define (RMB-Change-Next-Kind change-kind)
(cond ((= change-kind 1) 2)
((= change-kind 2) 5)
((= change-kind 5) 10)
((= change-kind 10) 20)
((= change-kind 20) 50)
((= change-kind 50) 100)
(else 0)))书中讲到的找换零钱的方法基于以下基本思路：
比如我们需要将100块的人民币找换成零钱，有几种找换方式？可以简单分为两种：有使用1块面额的，和没有使用1块面额的。
对于有使用1块面额的，把这一块钱去掉，剩99块，我们又可以继续看99块有几种找换方式。找到99块的所有找换方式，在加上现在这里去掉的1块钱，就是100块找换方式中有使用1块的所有找换方式。
对于没有使用1块面额的，我们就需要看看100块找成其它面额（不包含1块）的找换方式。
然后将上面两种类型的数量加起来就是100块的所有找换方式。
可以看到，以上的思路对应的是树形递归，每次递归调用分两路，一路调用的找换总额减少，一路调用的找换币种减少。
我的实现方法是下面这样的，和书上略有不同。
(define (RMB-Change-Recursive amount change-kind change-result)
(if (= amount 0) (format #t "Got one: ~S~%" change-result))
(cond ((= amount 0) 1)
((< amount 0) 0)
((= change-kind 0) 0)
(else (+ (RMB-Change-Recursive amount (RMB-Change-Next-Kind change-kind) change-result)
(RMB-Change-Recursive (- amount change-kind) change-kind (cons change-kind change-result))))))如果对上面的过程不理解，建议回去读书中的1.2.2节，读懂为止。
好的，现在才到我们真正的题目了，第一个是找出11块的找换方式，这种比较容易，可以按以上的方式手工列出，也可以直接执行代码看看结果。
问题的第二部分比较麻烦，就是问，对于现金量的增长，以上过程的空间增长阶和时间增长阶是什么？
如果对增长阶的概念没有理解透，这题很难解。
我们先开始分析一下，如果发现过程中有不理解的，需要回去书上看看增长阶的内容。
首先来看看空间增长阶，当我们需要计算12块的找换方式时，比计算11块的找换方式需要增加多少内存？
当然，空间增长阶不能简单理解为需要增加多少内存，可能会有其它的空间需要，或者人家用纸算，根本不用内存，我们在这里就粗暴地将空间理解为内存吧。
增加多少内存呢？也不需要计算准确数字，只要计算大概的敏感度就好了。比如增长是线性的，多计算1块钱就多需要100K左右的空间。又或者是二次方曲线的增长，计算11块时需要11的二次方的空间，二计算12块时需要12的二次方的空间。这些就是我们要求的增长阶。
对于书中的count-change过程，空间增长阶是多少呢？
对于递归过程的空间增长阶，一般是去计算递归计算过程的最深深度。因为过程调用完以后，其使用的空间是会被释放的，我们需要计算的是被那些一直递归调用自己，目前还没有返回的过程所占用的空间。
同时需要注意每次递归调用的参数有没有累加，累加的形式是什么。
以上过程的递归嵌套最深的就是全部用1块来找换，嵌套深度就是要找换的金钱量，11块就是嵌套了11层，100块就是嵌套100层。而调用过程中参数没有累加，只是不断替换而已。
所以，count-change过程的空间增长阶是Theta[n]。
不过，我这里设计的过程好像有点不一样，为了打印所有可能的找换方式，我定义了一个参数用于保存目前计算过的暂时可行的零钱组合，就是参数change-resule。这个参数占用的空间是如何变化的呢？
可以发现，这个参数中的元素最多的时候就是全部找成1元的时候，这时候change-result中的值是：（1 1 1 …. 1）共有n个。而每次递归调用都有一个列表需要暂时保留，所以，当递归调用到最深层的时候，其实有n个列表，分别是(1) (1 1) (1 1 1) ….. (1 1 1 1 …. 1 1)，所以这里占用的空间是1到n的累加。
所以我的RMB-Change过程的空间增长阶是Theta[n的累加]，因为在求增长阶的时候只取多项式中最高阶的那项，Theta[n]就被忽略了。
以上是空间增长阶，那么步数的增长阶呢？或者说是时间增长阶呢？
书中习题要求的是步数的增长阶，我们一般假设执行计算的每一步都消耗等同的时间，所以时间的增长阶和步数的增长阶应该是一致的。有关这个假设是否正确后面的习题还有详细的讨论，目前暂时认为时间增长阶和步数的增长阶相同。
这个增长阶的求解过程比较复杂，我也到网上参考了好多别人的解法，有许多种思路。我总结了一个我个人比较容易理解的解法，描述如下：
以我这里的例子，找换面额种类有7种，分别是“1元”，“2元”，“5元”，“10元”，“20元”，“50元”，“100元”。
为了方便表达，我们用函数(T n m)来表示以上过程的时间复杂度，其中n是需要找换金额总数量，m是用于找换的零钱的面额的种类数量。
如果把1000元钱进行找换，可以把1000元的找换方式分为 “使用1元的” 和 “不使用1元的” 两种方式，就是：
（T 1000 7) ＝ （T 999 7） ＋ （T 1000 6）
而999元的找换方式又可以分为 “使用1元的” 和 “不使用1元的” 两种方式，就是：
（T 999 7) ＝ （T 998 7） ＋ （T 999 6）
如此不断分解，就可以得到1000个分支，每个分支带一个(T n 6)。
也就是所这里的(T n 7) = 1000 * (T n 6) = n * (T n 6)
再来计算(T n 6)，在这里也就是( T 1000 6）
就是把1000元找换成“2元”，“5元”，“10元”，“20元”，“50元”，“100元”这6种零钱。
按上面相同的方法有：
（T 1000 6) ＝ （T 998 6） ＋ （T 1000 5）
（T 996 6) ＝ （T 996 6） ＋ （T 1000 5）
（T 994 6) ＝ （T 994 6） ＋ （T 1000 5）
....
按以上方法可以拆出500个分支（就是n/2个分支，因为这次是从2元开始找），每个分支带一个(T 1000 5)。
就有(T 1000 6) = n/2 * ( T 1000 5)
以此类推就有(T 1000 7) = n * ( n/2 * ( n/5 * ( n/10 * ( n/20 * (n/50 * (n/100))))))，其中的除数就是各个面额。
就有(T 1000 7 ） = (n 的 7次方)/10000000
因为我们在求增长阶，所以直接取增长阶为 （n 的 7次方）
虽然除数10000000也算是个很大的数，不过在n大到一定程度时，（n 的 7次方）就变成一个超级大的数，这时10000000也就不算什么了。
这同时也符合我们观察到的现象，当n很小时，实际需要的步数远小于（n 的 7次方）。