递归

今天要来自己总结一下递归，学到现在，从大一上学期学习递归到现在数据结构又学递归，其实我还不是真的很明白递归，所以决定自己来写一遍，希望有点收获，帮助自己理解和记忆。

1.什么叫递归

其实在说到一个名词的时候，我觉得还是首先用定义解释一下名字本身所代表的含义。程序调用自身的编程技巧称为递归。这样说有点抽象，举个例子

1. int fibonacciRecursion(int n)  
2. {  
3.     if (n == 1 || n ==2)  
4.     {  
5.         return 1;  
6.     }  
7.     if (n > 2)  
8.     {  
9.         return fibonacciRecursion(n - 1) + fibonacciRecursion(n - 2);  
10.     }  
11. }  

我们可以看到低9行，fibonacciRecursion这个函数在自己函数内部又调用了自己函数本身，这个过程实际上就被我们称为递归。

2.为什么要用递归呢，不用递归可不可以？

其实我们引入一个方法或者算法，必然有它的好处，但是也存在着一些不足之处

递归好处：代码更简洁清晰，可读性更好 
递归可读性好这一点，对于初学者可能会反对。实际上递归的代码更清晰，但是从学习的角度要理解递归真正发生的什么，是如何调用的，调用层次和路线，调用堆栈中保存了什么，可能是不容易。但是不可否认递归的代码更简洁。一般来说，一个人可能很容易的写出前中后序的二叉树遍历的递归算法，要写出相应的非递归算法就比较考验水平了，恐怕至少一半的人搞不定。所以说递归代码更简洁明了。 

递归坏处：由于递归需要系统堆栈，所以空间消耗要比非递归代码要大很多。而且，如果递归深度太大，可能系统撑不住。 

对于小东西，能用循环干嘛要折腾？如果比较复杂，在系统撑的住的情况下，写递归有利于代码的 维护 （可读性好） 

另：一般尾递归（即最后一句话进行递归）和单向递归（函数中只有一个递归调用地方）都可以用循环来避免递归，更复杂的情况则要引入栈来进行压栈出栈来改造成非递归，这个栈不一定要严格引入栈数据结构，只需要有这样的思路，用数组什么的就可以。 

--------------------------------------------------------------------------------------------------------------------

循环方法比递归方法快, 因为循环避免了一系列函数调用和返回中所涉及到的参数传递和返回值的额外开销。 

递归和循环之间的选择。一般情况下, 当循环方法比较容易找到时, 你应该避免使用递归。这在问题可以按照一个递推关系式来描述时, 是时常遇到的, 比如阶乘问题就是这种情况。 反过来, 当很难建立一个循环方法时, 递归就是很好的方法。实际上, 在某些情形下, 递归方法总是显而易见的, 而循环方法却相当难找到。当某些问题的底层数据结构本身就是递归时, 则递归也就是最好的方法了。

---------------------------------------------------------------------------------------------------------------------------

递归其实是方便了程序员难为了机器。它只要得到数学公式就能很方便的写出程序。优点就是易理解，容易编程。但递归是用栈机制实现的（c++），每深入一层，都要占去一块栈数据区域，对嵌套层数深的一些算法，递归会力不从心，空间上会以内存崩溃而告终，而且递归也带来了大量的函数调用，这也有许多额外的时间开销。所以在深度大时，它的时空性就不好了。 
循环其缺点就是不容易 理解 ，编写复杂问题时困难。优点是效率高。运行时间只因循环次数增加而增加，没什么额外开销。空间上没有什么增加。

就像我们上面写到得函数，不用递归算法可以这样写

1. //非递归形式的斐波那契数列  
2. //用一个数组作为辅助的空间  
3. //效率较高  
4. int fibonacci(int n)  
5. {  
6.     int temp[2];  
7.     temp[0] = 1;  
8.     temp[1] = 1;  
9.   
10.     if (n == 1 || n == 2)  
11.     {  
12.         return 1;  
13.     }  
14.     else  
15.     {  
16.         for (int i = 2; i < n; i ++)  
17.         {  
18.             int tp = temp[0] + temp[1];  
19.             temp[1] = temp[0];  
20.             temp[0] = tp;  
21.         }  
22.         return temp[0];  
23.     }  
24. }  

我们回到第一个使用递归算法的函数，现在我们以图解来分析一下，以计算Fibonacci(5)为例：

从上图可以看出，在计算Fib(5)的过程中，Fib(1)计算了两次、Fib(2)计算了3次，Fib(3)计算了两次，本来只需要5次计算就可以完成的任务却计算了9次。这个问题随着规模的增加会愈发凸显，以至于Fib(1000)已经无法再可接受的时间内算出。

我们当时使用的是简单的用定义来求 fib(n)，也就是使用公式 fib(n) = fib(n-1) + fib(n-2)。这样的想法是很容易想到的，可是仔细分析一下我们发现，当调用fib(n-1)的时候，还要调用fib(n-2)，也就是说fib(n-2)调用了两次，同样的道理，调用f(n-2)时f(n-3)也调用了两次，而这些冗余的调用是完全没有必要的。可以计算这个算法的复杂度是指数级的。

3.用归纳法来理解递归

数学都不差的我们，第一反应就是递归在数学上的模型是什么。毕竟我们对于问题进行数学建模比起代码建模拿手多了。 （当然如果对于问题很清楚的人也可以直接简历递归模型了，运用数模做中介的是针对对于那些问题还不是很清楚的人）

自己观察递归，我们会发现，递归的数学模型其实就是归纳法，这个在高中的数列里面是最常用的了。回忆一下归纳法。

归纳法适用于想解决一个问题转化为解决他的子问题，而他的子问题又变成子问题的子问题，而且我们发现这些问题其实都是一个模型，也就是说存在相同的逻辑归纳处理项。当然有一个是例外的，也就是递归结束的哪一个处理方法不适用于我们的归纳处理项，当然也不能适用，否则我们就无穷递归了。这里又引出了一个归纳终结点以及直接求解的表达式。如果运用列表来形容归纳法就是：

• 步进表达式：问题蜕变成子问题的表达式
• 结束条件：什么时候可以不再是用步进表达式
• 直接求解表达式：在结束条件下能够直接计算返回值的表达式
• 逻辑归纳项：适用于一切非适用于结束条件的子问题的处理，当然上面的步进表达式其实就是包含在这里面了。

这样其实就结束了，递归也就出来了。递归算法的一般形式：

<span style="font-size:18px;">void func( mode)
{
    if(endCondition)
    {
        constExpression         //基本项
    }
    else
    {
        accumrateExpreesion     //归纳项
        mode=expression         //步进表达式
            func(mode)          //调用本身，递归
    }
}</span>

最典型的就是N!算法，这个最具有说服力。理解了递归的思想以及使用场景，基本就能自己设计了，当然要想和其他算法结合起来使用，还需要不断实践与总结了。

<span style="font-size:18px;">#include "stdio.h"
#include "math.h"

int main(void)
{
    int n, rs;

    printf("请输入需要计算阶乘的数n：");
    scanf("%d",&n);

    rs = factorial(n);
    printf("%d ", rs);
}

// 递归计算过程
int factorial(n){
     if(n == 1) {
          return 1;
     }
     return n * factorial(n-1);
}</span>

</pre><span style="font-size:18px; color:rgb(51,51,51); font-family:Georgia,'Times New Roman','Bitstream Charter',Times,serif; letter-spacing:1px; line-height:20px; text-indent:2em">返回一个二叉树的深度：</span><span style="font-size:18px"></span><p style="text-indent:2em; margin:1.2em 0em 1em; line-height:20px; letter-spacing:1px; color:rgb(51,51,51); font-family:Georgia,'Times New Roman','Bitstream Charter',Times,serif"></p><pre name="code" class="cpp"><span style="font-size:18px;">int isB(Tree t){
      if(!t) return 0; 
    int left=isB(t.left); 
    int right=isB(t.right); 
    if( left >=0 && right >=0 && left - right <= 1 || left -right >=-1) 
        return (left < right)? (right +1) : (left + 1); 
    else return -1; 
} 
</span>

判断一个二叉树是否平衡：

<span style="font-size:18px;">int isB(Tree t){
      if(!t) return 0; 
    int left=isB(t.left); 
    int right=isB(t.right); 
    if( left >=0 && right >=0 && left - right <= 1 || left -right >=-1) 
        return (left < right)? (right +1) : (left + 1); 
    else return -1; 
} 
</span>

对于递归，最好的理解方式便是从函数的功能意义的层面来理解。了解一个问题如何被分解为它的子问题，这样对于递归函数代码也就理解了。这里有一个误区（我也曾深陷其中），就是通过分析堆栈，分析一个一个函数的调用过程、输出结果来分析递归的算法。这是十分要不得的，这样只会把自己弄晕，其实递归本质上也是函数的调用，调用的函数是自己或者不是自己其实没什么区别。在函数调用时总会把一些临时信息保存到堆栈，堆栈只是为了函数能正确的返回，仅此而已。我们只要知道递归会导致大量的函数调用，大量的堆栈操作就可以了。

第一个算法还是比较好理解的，但第二个就不那么好理解了。第一个算法的思想是：如果这个树是空，则返回0；否则先求左边树的深度，再求右边数的深度，然后对这两个值进行比较哪个大就取哪个值+1。而第二个算法，首先应该明白isB函数的功能，它对于空树返回0，对于平衡树返回树的深度，对于不平衡树返回-1。明白了函数的功能再看代码就明白多了，只要有一个函数返回了-1，则整个函数就会返回-1。（具体过程只要认真看下就明白了）

小结

递归的基本思想是把规模大的问题转化为规模小的相似的子问题来解决。在函数实现时，因为解决大问题的方法和解决小问题的方法往往是同一个方法，所以就产生了函数调用它自身的情况。另外这个解决问题的函数必须有明显的结束条件，这样就不会产生无限递归的情况了。

4.递归是算法吗

　　经常的看到“递归算法”、“非递归算法”，这种提法没有语义上的问题，并且我自己也这样用——递归的算法。但这也正说明了，递归不是算法，他是一种思想，正是因为某个算法的指导思想是递归的，所以才被称为递归算法；而一个有递归算法的问题，当你不使用递归作为指导思想，这样得到的算法就是非递归算法。——而对于循环能处理的问题，都有递归解法，在这个意义上说，循环算法都可以称为非递归算法。
我在这咬文嚼字没什么别的意思，只是想让大家知道，能写出什么样的算法，要害是看你编写算法时的指导思想

5.递归的几个特点
1.递归式，就是如何将原问题划分成子问题。
2.递归出口，递归终止的条件，即最小子问题的求解，可以允许多个出口。
3.界函数，问题规模变化的函数，它保证递归的规模向出口条件靠拢

三、递归的运做机制
很明显，很多问题本身固有的性质就决定此类问题是递归定义，所以递归程序很直接算法程序结构清晰、思路明了。但是递归的执行过程却很让人费解，这也是让很多人难理解递归的原因之一。由于递归调用是对函数自身的调用，在一次调用没有结束之前又开始了另外一次调用，按照作用域的规定，函数在执行终止之前是不能收回所占用的空间，必须保存下来，这也就意味着每一次的调用都要把分配的相应空间保存起来。为了更好管理这些空间，系统内部设置一个栈，用于存放每次函数调用与返回所需的各种数据，其中主要包括函数的调用结束的返回地址，返回值，参数和局部变量等。
其过程大致如下：
1.计算当前函数的实参的值
2.分配空间，并将首地址压栈，保护现场
3.转到函数体，执行各语句，此前部分会重复发生（递归调用）
4.直到出口，从栈顶取出相应数据，包括，返回地址，返回值等等，收回空间，恢复现场，转到上一层的调用位置继续执行本次调用未完成的语句。