浅谈递归算法

递归算法是一种极其“优雅”的算法，它将人分为三个截然不同的阵营：恨它的、爱它的以及恨了之后又爱上它的。我则属于第三个阵营。下面将谈谈我 对递归的一些浅显认知。
递归算法的核心分为两部分：基线条件（即结束条件）和递归条件，由于递归函数调用自身，所以很容易出现无限递归的情况，因此弄清楚基线条件非常重要，而且你的基线条件要尽可能地简单。
下面从最简单的递归求阶乘算法说起：fact函数为求阶乘主函数，下面为其递归调用示意图


注意每个fact函数都有自己的x变量，在一个函数调用中不能访问另一个的x变量，但是每次未调用的函数状态会被保存下来，待有一个函数调用被返回时再一层层地按原来的状态依次返回。
再举一个简单的例子：用递归实现数组内数字的求和







其实对于分治法来说，也用到了递归的思想：比如有一块小土地，要求你将其均匀地分成方块，且要求分出的方块尽可能大，应该如何划分。

首先此问题的解决过程包含两个步骤：
1.找出基线条件，这种条件必须尽可能简单。
2.不断将问题分解（或者说缩小规模），直到符合基线条件为止。
下面使用这种方法来解决该问题：
首先找出基线条件。最容易处理的情况是一条边是另一条边的整数倍（可作为基线条件），比如一边长50，另一边长为25，则可直接分成两个方块。
现在需要找出递归条件，每次递归都必须缩小问题的规模，那么如何缩小问题的规模呢？我们可以首先找出这块地可容纳的最大方块如下：

可以划分出两个640*640的方块，同时剩下一小块地，现在是顿悟时刻：剩下的一小块地是否可用同样的算法呢？

很明显这是同一类的问题，因此可以使用同一种方法来解决，所以再次使用同样的方法，对剩下的土地做划分，以此类推，直到满足基线条件：

在此重申一下分治法工作原理：
1.找出简单的基线条件；
2.确定如何缩小问题的规模，使其符合基线条件。
下面附上相应代码：

#include<iostream>
using namespace std;
int F(int w,int h) {
	int max, min;
	max = w >= h ? w : h;
	min = w <= h ? w : h;
	if (max%min==0) {
		return min;
	}
	else {
		return F(max - min, min);
	}
}
int main() {
	int w, h;
	cout << "依次输入长、宽：";
	cin >> w >> h;
	cout << endl;
	cout << "复合条件的正方形的边长为：";
	cout<<F(w, h)<<endl;
	system("pause");
}