递归调用:
递归调用就是在当前的函数中调用当前的函数并传给相应的参数,这是一个动作,这一动作是层层进行的,直到满足一般情况的的时候,才停止递归调用,开始从最后一个递归调用返回。
如:用递归实现n的阶乘
int Fac(int n)
{
if(n==0 || n==1)
{
return 1;
}
else
return Fac(n-1) * n;
}
当n=5时,Fac(5)函数调用Fac(4),Fac(4)调用Fac(3) ... ...到Fac(1) 或 Fac(0)时,才开始返回;
比较“递归”和“循环”(斐波那契数列):
#include <stdio.h>
int Fibon1(int n)//循环,实现斐波那契数列
{
int f1=1,f2=1,f3=1;
for(int i=2;i<n;i++)
{
f3=f1+f2;
f1=f2;
f2=f3;
}
return f3;
}
int Fibon2(int n)//递归调用,实现斐波那契数列
{
if(n==1 || n==2)
{
return 1;
}
return Fibon2(n-1)+Fibon2(n-2);
}
int main()
{
printf("%d\n",Fibon1(5));
printf("%d\n",Fibon2(5));
return 0;
}
算法复空间杂度分为时间复杂度和空间复杂度。其作用: 时间复杂度是指执行算法所需要的计算工作量;而复杂度是指执行这个算法所需要的内存空间。(算法的复杂性体现在运行该算法时的计算机所需资源的多少上,计算机资源最重要的是时间和空间(即寄存器)资源,因此复杂度分为时间和空间复杂度)。
如:for(int i=1;i<=n;++i) // (1) 该语句时间复杂度:1+n+n
for(int j=1;j<=n;++j) //(2)该语句时间复杂度:(2n+1)*n
{ s[i][j]=0; //(3)该语句时间复杂度:n*n
.....
当n无限大时,所有一次项可以忽略,所以整体时间复杂度为O(n^2)。其所有变量存入一个栈,所以空间复杂度为O(1)。
通过算法复杂度分析两者的区别:
递归调用:
函数具体实现过程:
函数的存储:
即,“循环”的时间复杂度:O(n); 空间复杂度:O(1);
“递归”的时间复杂度:O(n); 空间复杂度:O(n);
显然“递归调用”在处理大数据的时候,需要大量时间和内存,并且容易超出栈的大小。
所以求斐波那契数列不适合用递归调用!
但也有非常适用的时候!
——汉诺塔问题。
#inlcude <stdio.h>
int g_count = 0;
void Move(char x,char y)
{
g_count++;
printf("%c->%c\n",x,y);
}
void Hanoi(int n,char a,char b,char c)
{
if(n == 1)
{
Move(a,c);
}
else
{
Hanoi(n-1,a,c,b);
Move(a,c);
Hanoi(n-1,b,a,c);
}
}
int main()
{
Hanoi(4,'A','B','C');
printf("%d\n",g_count);
return 0;
}