- 递推（一般思维）： 我们从 111 开始，用 111 乘以 222 得到 2!2!2! 问题的解，用 333 乘以 2!2!2! 得到 3!3!3! 问题的解。依次类推，直到用 nnn 乘以 (n−1)!(n-1)!(n−1)! 得到原问题 n!n!n! 的解。这就是用递推解决问题，这是相对简单直接的思考方式；
- 递归（计算机思维）： 我们把 n!n!n! 的问题拆分为一个 (n−1)!(n-1)!(n−1)! 的问题，如果我们知道 (n−1)!(n-1)!(n−1)! 的解，那么将它乘以 nnn 就可以得出 n!n!n! 的解。以此类推，我们将一个 (n−1)!(n-1)!(n−1)! 的问题拆分为同类型的规模更小的 (n−2)!(n-2)!(n−2)! 子问题，直到拆分到无法拆分，可以直接得出结果 1!1!1! 问题。此时，我们再沿着拆分问题的路径，反向地根据子问题的解求出原问题的解，最终得到原问题 n!n!n! 的结果。这就是用递归解决问题。
求 n!
从这个例子可以看出， 递归其实是在重复地做 2 件事：
- 1、自顶向下拆分问题： 从一个很难直接求出结果的、规模较大的原问题开始，逐渐向下拆分为规模较小的子问题（从 n!n!n! 拆分到 (n−1)!(n-1)!(n−1)!），直到拆分到问题边界时停止拆分，这个拆分的过程就是 “递”（问题边界也叫基准情况或终止条件）；
- 2、自底向上组合结果： 从问题边界开始，逐渐向上传递并组合子问题的解（从 (n−1)!(n-1)!(n−1)! 得到 n!n!n!），直到最终回到原问题获得结果，这个组合的过程就是 “归”。
看到这里你会不会产生一个疑问： 我们直接从问题边界 1!1!1! 一层层自底向上组合结果也可以得到 n!n!n! 的解，自顶向下拆分问题的过程显得没有必要。确实，对于对于这种原问题与子问题只是 “线性” 地减少一个问题规模的情况，确实是这样。但是对于很多稍微复杂一些的问题，原问题与子问题会构成一个树型的 “非线性” 结构，这个时候就适合用递归解决，很难用递推解决。
举个例子， 求斐波那契数列，这个问题同时也是 LeetCode 上的一道典型例题：LeetCode · 509. 斐波那契数：该数列从 111 开始，每一项数字都是前面两项数字的和。
LeetCode 例题
虽然，我们可以利用递推的方式从 F(0)F(0)F(0) 和 F(1)F(1)F(1) 自底向上推导出 F(n)F(n)F(n) 的解，但是这种非线性的方式在编程语言中很难实现，而使用递归的方式自顶向下地解决问题，在编码上是很容易实现的。
当然，这段代码中存在非常多的重复计算，最终使得整个算法的时间复杂度达到惊人的指数级 O(2n)O(2^n)O(2n)。例如在计算 F(5)=F(3)+F(4)F(5)=F(3)+F(4)F(5)=F(3)+F(4) 和 F(6)=F(4)+F(5)F(6)=F(4)+F(5)F(6)=F(4)+F(5) 的时候，F(4)F(4)F(4) 就被重复计算 2 次，这种重复计算完全相同的子问题的情况就叫 重叠子问题 ，以后我们再专门讨论。
用递归解决斐波那契数列
用递归解决（无优化）
class Solution {
fun fib(N: Int): Int {
if(N == 0){
return 0
}
if(N == 1){
return 1
}
// 拆分问题 + 组合结果
return fib(N - 1) + fib(N - 2)
}
}
2. 递归的解题模板
- 1、判断当前状态是否异常，例如数组越界，
n < 0等； - 2、判断当前状态是否满足终止条件，即达到问题边界，可以直接求出结果；
- 3、递归地拆分问题，缩小问题规模；
- 4、组合子问题的解，结合当前状态得出最终解。
fun func(n){
// 1\. 判断是否处于异常条件
if(/* 异常条件 */){
return
}
// 2\. 判断是否满足终止条件（问题边界）
if(/* 终止条件 */){
return result
}
// 3\. 拆分问题
result1 = func(n1)
result2 = func(n2)
...
// 4\. 组合结果
return combine(result1, result2, ...)
}
3. 计算机如何实现递归？
递归程序在解决子问题之后，需要沿着拆分问题的路径一层层地原路返回结果，并且后拆分的子问题应该先解决。这个逻辑与栈 “后进先出” 的逻辑完全吻合：
- 拆分问题： 就是一次子问题入栈的过程；
- 组合结果： 就是一次子问题出栈的过程。
事实上，这种出栈和入栈的逻辑，在编程语言中是天然支持的，不需要程序员实现。程序员只需要维护拆分问题和组合问题的逻辑，一次函数自调用和返回的过程就是一次隐式的函数出栈入栈过程。在程序运行时，内存空间中会存在一块维护函数调用的区域，称为 函数调用栈 ，函数的调用与返回过程，就天然对应着一次子问题入栈和出栈的过程：
- 调用函数： 程序会创建一个新的栈帧并压入调用栈的顶部；
- 函数返回： 程序会将当前栈帧从调用栈栈顶弹出，并带着返回值回到上一层栈帧中调用函数的位置。
我们在分析递归算法的空间复杂度时，也必须将隐式的函数调用栈考虑在内。
4. 递归与迭代的区别
递归（Recursion）和迭代（Iteration）都是编程语言中重复执行某一段逻辑的语法。
语法上的区别在于：
- 迭代： 通过迭代器（for/while）重复执行某一段逻辑；
- 递归： 通过函数自调用重复执行函数中的一段逻辑。
核心区别在于解决问题的思路不同：
- 迭代：迭代的思路认为只要从问题边界开始，在所有元素上重复执行相同的逻辑，就可以获得最终问题的解（迭代的思路与递推的思路类似）；
- 递归：递归的思路认为只要将原问题拆分为子问题，在每个子问题上重复执行相同的逻辑，最终组合所有子问题的结果就可以获得最终问题的解。
例如， 在计算 n! 的问题中，递推或迭代的思路是从 1! 开始重复乘以更大的数，最终获得原问题 n! 的解；而递归的思路是将 n! 问题拆分为 (n-1)! 的问题，最终通过 (n-1)! 问题获得原问题 n! 的解。
再举个例子，面试中出现频率非常高的反转链表问题，同时也是 LeetCode 上的一道典型例题：LeetCode 206 · 反转链表。假设链表为 1 → 2 → 3 → 4 → ∅，我们想要把链表反转为 ∅ ← 1 ← 2 ←3 ←4，用迭代和递归的思路是不同的：
- 迭代： 迭代的思路认为，只要重复地在每个节点上处理同一个逻辑，最终就可以得到反转链表，这个逻辑是：“将当前节点的 next 指针指向前一个节点，再将游标指针移动到后一个节点”。
- 递归： 递归的思路认为，只要将反转链表的问题拆分为 “让当前节点的 next 指针指向后面整段子链的反转链表”，在每个子链表上重复执行相同的逻辑，最终就能够获得整个链表反转的结果。
这两个思路用示意图表示如下：
示意图
迭代题解
class Solution {
fun reverseList(head: ListNode?): ListNode? {
var cur: ListNode? = head
var prev: ListNode? = null
while (null != cur) {
val tmp = cur.next
cur.next = prev
prev = cur
cur = tmp
}
return prev
}
}
迭代解法复杂度分析：
- 时间复杂度：每个节点扫描一次，时间复杂度为 O(n)O(n)O(n)；
- 空间复杂度：使用了常量级别变量，空间复杂度为 O(1)O(1)O(1)。
递归题解
class Solution {
fun reverseList(head: ListNode?): ListNode? {
if(null == head || null == head.next){
return head
}
val newHead = reverseList(head.next)
head.next.next = head
head.next = null
return newHead
}
}
递归解法复杂度分析：
- 时间复杂度：每个节点扫描一次，时间复杂度为 O(n)O(n)O(n)；
- 空间复杂度：使用了函数调用栈，空间复杂度为 O(n)O(n)O(n)。
理论上认为迭代程序的运行效率会比递归程序更好，并且任何递归程序（不止是尾递归，尾递归只是消除起来相对容易）都可以通过一个栈转化为迭代程序。但是，这种消除递归的做法实际上是以牺牲程序可读性为代价换取的，一般不会为了运行效率而刻意消除递归。
不过，有一种特殊的递归可以被轻松地消除，一些编译器或运行时会自动完成消除工作，不需要程序员手动消除，也不会破坏代码的可读性。
5. 尾递归
在编程语言中，尾调用是指在一个函数的最后返回另一个函数的调用结果。如果尾调用最后调用的是当前函数本身，就是尾递归。为什么我们要专门定义这种特殊的递归形式呢？因为尾递归也是尾调用，而在大多数编程语言中，尾调用可以被轻松地消除 ，这使得程序可以模拟递归的逻辑而又不损失性能，这叫 尾递归优化 / 尾递归消除 。例如，以下 2 段代码实现的功能是相同的，前者是尾递归，而后者是迭代。
尾递归
fun printList(itr : Iterator<*>){
if(!itr.hasNext()) {
return
}
println(itr.next())
// 尾递归
printList(itr)
}
迭代
fun printList(itr : Iterator<*>){
while(true) {
if(!itr.hasNext()) {
return
}
**自我介绍一下，小编13年上海交大毕业，曾经在小公司待过，也去过华为、OPPO等大厂，18年进入阿里一直到现在。**
**深知大多数HarmonyOS鸿蒙开发工程师，想要提升技能，往往是自己摸索成长或者是报班学习，但对于培训机构动则几千的学费，着实压力不小。自己不成体系的自学效果低效又漫长，而且极易碰到天花板技术停滞不前！**
**因此收集整理了一份《2024年HarmonyOS鸿蒙开发全套学习资料》，初衷也很简单，就是希望能够帮助到想自学提升又不知道该从何学起的朋友，同时减轻大家的负担。**
**既有适合小白学习的零基础资料，也有适合3年以上经验的小伙伴深入学习提升的进阶课程，基本涵盖了95%以上HarmonyOS鸿蒙开发知识点，真正体系化！**
**由于文件比较大，这里只是将部分目录大纲截图出来，每个节点里面都包含大厂面经、学习笔记、源码讲义、实战项目、讲解视频，并且会持续更新**
**如果你觉得这些内容对你有帮助，可以添加VX：vip204888 （备注鸿蒙获取）**
**一个人可以走的很快，但一群人才能走的更远。不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人，都欢迎扫码加入我们的的圈子（技术交流、学习资源、职场吐槽、大厂内推、面试辅导），让我们一起学习成长！**
识点，真正体系化！**
**由于文件比较大，这里只是将部分目录大纲截图出来，每个节点里面都包含大厂面经、学习笔记、源码讲义、实战项目、讲解视频，并且会持续更新**
**如果你觉得这些内容对你有帮助，可以添加VX：vip204888 （备注鸿蒙获取）**
[外链图片转存中...(img-XfbeCJTU-1712876633072)]
**一个人可以走的很快，但一群人才能走的更远。不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人，都欢迎扫码加入我们的的圈子（技术交流、学习资源、职场吐槽、大厂内推、面试辅导），让我们一起学习成长！**
272
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
