【软件设计师】常见的算法设计方法——递推法

 🐓 递推法

什么是递推法

递推法是一种用若干步可重复的简运算规律来描述复杂问题的方法。它是序列计算中的一种常用算法，按照一定的规律来计算序列中的每个项，通常是通过计算前面的一些项来得出序列中的指定项的值。递推法的核心思想是将一个复杂的计算过程转化为简单过程的多次重复，充分利用了计算机速度快和不知疲倦的特点。

递推法的基本场景

数列计算

递推法常用于计算数列的通项或前n项和。例如，在斐波那契数列中，每一项都是前两项之和，这就是一个典型的递推关系。通过初始项和递推关系，我们可以逐步计算出数列中的任意一项。

动态规划问题

递推法经常用于解决动态规划问题，这类问题通常涉及多阶段决策过程，并且后一阶段的决策依赖于前一阶段的结果。通过递推关系，我们可以将问题分解为多个子问题，并依次求解，从而得到原问题的解。

递归问题

虽然递推和递归在某些情况下可以相互转换，但它们本质上是不同的。递推通常是从已知条件出发，逐步推导出结果；而递归则是通过函数调用自身来解决问题。然而，递推法也经常用于解决那些可以用递归描述但更适合用迭代方式实现的问题，以避免递归带来的额外开销。

组合数学

在组合数学中，递推法常用于计算排列、组合、概率等问题。通过建立递推关系，我们可以利用已知的组合数来计算未知的组合数。

算法设计

在算法设计中，递推法经常用于优化算法的性能。通过递推关系，我们可以避免重复计算已经求解过的子问题，从而提高算法的效率。

递推法的基本原理

 初始条件与递推关系

递推法通常从一个或多个已知条件（称为初始条件）出发，这些条件可以是问题直接给出的，也可以是通过问题分析与化简后确定的。然后，根据问题的递推性质，建立递推关系式，即如何从已知的信息推导出未知的信息。

 逐步推导

在递推法中，我们按照递推关系式，从初始条件开始，逐步推导出后续的结果。这个推导过程可以是正向的（从已知条件向未知条件推导），也可以是反向的（从未知条件向已知条件推导），具体取决于问题的性质和求解需求。

 分解与简化

递推法通过将问题分解为若干个简单的子问题，并逐个解决这些子问题，从而简化了原问题的求解过程。每个子问题的求解都依赖于前一个或几个子问题的结果，这样通过逐步推导，最终可以得到原问题的解。

 重复性与模式识别

递推法的关键在于发现并利用问题中的重复性和模式。当问题中涉及相互联系的物体较多且有规律时，我们可以根据题目特点应用数学思想将所研究的问题归类，然后求出通式。这种重复性和模式使得我们能够通过简单的运算步骤来得到复杂问题的解。

 计算机高效实现

递推法在计算机科学中特别有用，因为计算机擅长于重复处理。通过递推法，我们可以将复杂的计算过程转化为一系列简单的重复运算，从而充分发挥计算机的优势，提高计算效率。

算法设计——递推法

 🐓 代码实例解析

实例

假设我们要计算斐波那契数列中的第n项。

public class Fibonacci {  
    public static void main(String[] args) {  
        int n = 10; // 我们想要计算的斐波那契数列的项数  
        System.out.println("第" + n + "项斐波那契数是：" + fibonacci(n));  
    }  
  
    public static int fibonacci(int n) {  
        if (n <= 0) {  
            return 0; // 对于非正整数，通常返回0或抛出异常  
        } else if (n == 1) {  
            return 1; // 第一项定义为1  
        } else {  
            int a = 0; // 第一项  
            int b = 1; // 第二项  
            int c; // 当前项  
            for (int i = 2; i <= n; i++) {  
                c = a + b; // 当前项是前两项之和  
                a = b; // 更新第一项为前一项  
                b = c; // 更新第二项为当前项  
            }  
            return c; // 返回第n项斐波那契数  
        }  
    }  
}

 解析

fibonacci 方法是递推法的核心。它首先检查输入的n是否有效（即是否大于0），然后初始化a和b为斐波那契数列的前两项（0和1）。接下来，使用一个for循环从第二项开始迭代，每次计算当前项c作为前两项a和b的和，并更新a和b的值以便进行下一次迭代。最后，当循环结束时，返回第n项斐波那契数

 🐓 递推法的优缺点及注意事项

递推法的优点

 逻辑清晰

递推法通过已知条件和递推关系，逐步推导出未知结果，其逻辑过程通常非常直观和清晰，易于理解和实现。

 效率高

在处理一些具有递推性质的问题时，递推法可以避免重复计算，从而显著提高计算效率。

 适用广泛

递推法在许多领域都有广泛的应用，如数学、计算机科学、物理学等，特别适用于求解数列、动态规划等问题。穷举搜索法的缺点计算量大：穷举搜索法需要检查所有可能的解，因此计算量通常很大，尤其是在问题规模较大时。效率低下：由于需要检查大量解，穷举搜索法通常非常耗时，可能在现实应用中不可行。

递推法的缺点：

 依赖初始条件和递推关系

递推法的正确性和效率高度依赖于初始条件和递推关系的准确性。如果初始条件或递推关系设置不当，可能导致计算结果错误或算法性能下降。

 可能导致计算量过大

对于某些复杂问题，递推法可能需要大量的计算步骤和存储空间，可能导致计算量过大或内存溢出等问题。使用穷举搜索法需要注意的问题问题规模：在使用穷举搜索法之前，需要仔细评估问题的规模。如果问题规模太大，穷举搜索法可能不是一个好选择。

注意事项

 确保递推公式的正确性

在使用递推法时，首先要确保递推公式的正确性。递推公式应该根据问题的性质和求解需求进行推导和验证，避免出现错误或遗漏。

 注意边界条件

递推法在求解问题时需要考虑边界条件，即递推过程的起始点和终止点。边界条件的处理对于保证算法的正确性和效率至关重要。

 优化存储空间

递推法通常需要存储中间结果以便于后续计算。为了降低存储空间的占用，可以考虑使用滚动数组或动态规划等技术来优化存储。

 避免重复计算

递推法在处理问题时应注意避免重复计算。可以通过记忆化搜索或动态规划等技术来记录已经计算过的结果，从而避免重复计算。优化技巧：尽管穷举搜索法本身可能效率低下，但可以通过一些优化技巧（如剪枝、排序、哈希等）来减少计算量和提高效率。利用问题特性：在某些情况下，可以利用问题的特性（如对称性、单调性等）来减少搜索空间或优化搜索过程。

 🐓 LeetCode练习传送门 

53. 最大子数组和 - 力扣（LeetCode）

递推思路：假设 nums 数组的长度是 n，下标从 0 到 n-1。我们用 f(i) 代表以第 i 个数结尾的「连续子数组的最大和」，则 f(i) = max(f(i-1) + nums[i], nums[i])。初始状态为 f(0) = nums[0]。最终答案为 max(f(i))，其中 i 从 0 到 n-1。 

70. 爬楼梯 - 力扣（LeetCode）

递推思路： 到达第 n 阶楼梯的方法数等于到达第 n-1 阶的方法数加上到达第 n-2 阶的方法数。因为你可以从第 n-1 阶爬一阶上来，也可以从第 n-2 阶爬两阶上来。初始状态为 f(1) = 1 和 f(2) = 2。

198. 打家劫舍 - 力扣（LeetCode）

递推思路：对于第 k 个房子，有两种偷法：偷或不偷。如果不偷第 k 个房子，则问题转化为在前 k-1 个房子中偷到的最大金额；如果偷第 k 个房子，则前一个房子 k-1 不能偷，问题转化为在前 k-2 个房子中偷到的最大金额。两种情况中选择金额较大的一种。