用非递归方法实现递归算法时_学习递归的另一种方法

用非递归方法实现递归算法时

每个学期，我都会通过一项调查，以获取有关我的教学的一些反馈。 上学期终于有人给我写一篇新文章的想法。 特别是，他们想了解有关递归的更多信息，所以我认为我会综合一些技巧。

递归概述

对于那些可能是第一次学习递归的人，我想我会提供一些有关概念的概述。

特别地，递归是一种依赖于解决较小子问题的问题解决技术。 换句话说，不是继续直接解决问题，而是继续分解问题，直到找到可以实际解决的较小问题为止。 然后，我们使用最小子问题的答案来进行倒推，直到获得原始问题的答案为止。

例如，假设我们要计算2 ⁶ 。 通常，我们会将其分解为重复乘法。 换句话说，我们将2乘以6乘以自身，得出64。在计算机科学中，我们将此称为问题解决技术迭代，通常以循环的形式看到它：

 def iterative_power(base, exponent): 
   product = 1 
   for i in range(exponent): 
     product *= base 
   return product  print(iterative_power( 2 , 6 )) 

当然，如果我们已经知道一些较小的子问题的答案，该怎么办。 例如，如果我们知道2 ⁵是32怎么办？ 然后，我们可以通过将2 ⁵乘以2来直接计算2 ^6。这就是递归的思想：

 def recursive_power(base, exponent): 
   if exponent == 0 : 
     return 1 
   else : 
     return recursive_power(base, exponent - 1 ) * base 

在本文中，我们将介绍递归的另一种思考方式。 希望它可以帮助您比以前更好地理解概念。

为什么递归如此困难？

虽然函数式编程目前正在卷土重来，但是它对我们学习编码的方式并没有产生太大的影响。 结果，大多数人开始使用类似C的命令式编程语言进行编码。 例如，我开始使用Java并转入C，C ++，C＃和Python等语言。

不幸的是，学习像C这样的语言的弊端在于，我们在解决问题的思维方式上受到了一定的限制。 换句话说，以这些语言提供给我们的工具集在很大程度上偏向分支（即，如果语句和循环）。

结果，递归背后的直觉并不是从一开始就建立的。 取而代之的是，我们被迫使用与迭代解决方案相关的人为示例引入递归。 否则，我们将如何联系。

另外，像C这样的命令性语言在引入递归之前需要大量的开销。 例如，您可能甚至在开始考虑递归之前就必须学习变量，分支和函数等概念。 实际上，直到我第一次学习数据结构课程时，我才亲自介绍这个概念。

总而言之，可能很难掌握递归，因为它需要您对编码的理解成为现实。 幸运的是，有很多方法可以打破这种循环（ 绝对是双关语）。

通过合同设计学习递归

最近，我在俄亥俄州立大学接受培训以教授软件组件课程，而该课程涵盖的主题之一是递归。 当然，那时我已经非常熟悉递归，但是我认为他们教这个主题的方式确实很优雅。 结果，我认为我可以将该方法传递给您。 也就是说，我们需要首先解决按合同设计。

合同设计概论

如果我在过去写过一些有关“按合同设计”的文章（ 主要是指JUnit测试） ，请再说一遍，我深表歉意。 自然地，我认为我现在是一个稍微好一点的作家，但也可以随时参考该文章。

无论如何， 按合同设计 （DbC）是一种编程哲学，在该哲学中，我们根据合同来考虑功能。 换句话说，当用户使用我们的功能之一时，我们希望为他们提供某种保证。 特别是，我们要求用户在一定条件下（又称为前提条件）执行每个功能。 因此，我们保证每个函数都将以某种特定方式运行（也称为后置条件）。

DbC在递归中很重要，因为它允许我们精确地指定函数在特定条件下将执行的操作。 例如，只要我们指定一些先决条件，我们先前定义的幂函数将起作用：

• 两个参数都必须是整数（可以通过一些类型提示来解决）
• power参数不能为负

结果，我们保证这两个函数都将使加数的base恢复一定的power 。 如果用户输入了无效的输入，我们将不会做出任何承诺，因为他们显然违反了合同。 当然，我们总是可以提供某种输入验证来防止令人讨厌的错误，但这超出了DbC的范围。

全民免费午餐

在OSU中，我们通过完全忽略递归的思想来介绍递归。 取而代之的是，我们利用对合同设计的了解，开始隐式地实现递归函数。

例如，让我们再看看我们一直在谈论的这个幂函数：

 def power(base: int , exponent: int ) -> int : 
   "" "Computes the base ^ exponent. 
   Precondition: exponent >= 0 
   Postcondition: base ^ exponent 
   "" " 
   return FreeLunch.power(base, exponent) 

在此示例中，我们从名为FreeLunch的神奇库中引入了新的幂函数。 就我们而言，这一新的幂函数与我们编写的函数完全相同，即相同的合同。

现在，为了争辩，我们假设这个FreeLunch幂函数有一个要求：其输入必须比幂函数的输入“小”。 我们怎么做才能确保这项工作有效？

好吧，如果我们减小指数，我们可以通过乘以底数（即x ⁵ = x ⁴ * x）将其加回去。 让我们尝试一下：

 def power(base: int , exponent: int ) -> int : 
   "" "Computes the base ^ exponent. 
   Precondition: exponent >= 0 
   Postcondition: base ^ exponent 
   "" " 
   return FreeLunch.power(base, exponent - 1 ) * base 

在这一点上，我们如何去验证它是否有效？ 好吧，让我们尝试一些输入。 例如，我们可以再次尝试2 ⁶ 。 如果我们遍历代码，则会注意到我们调用了FreeLunch.power(2, 5) ，这是一个完全有效的输入。 换句话说，我们将得到32，然后乘以2得到64，这是正确的答案。

也就是说，是否有任何输入会失败？ 绝对！ 由于FreeLunch功效函数与我们的FreeLunch函数具有相同的合同，因此存在无效的输入。 例如，我们应该避免FreeLunch幂函数的值小于0的任何情况：

 def power(base: int , exponent: int ) -> int : 
   "" "Computes the base ^ exponent. 
   Precondition: exponent >= 0 
   Postcondition: base ^ exponent 
   "" " 
   if exponent == 0 : 
     return 1 
   else : 
     return FreeLunch.power(base, exponent - 1 ) * base 

现在，可以确定我们的幂函数可以工作了。

天下没有免费的午餐

您可能会想到，以这种复杂的方式实现幂函数只是一种欺骗您使用递归的练习。 换句话说，我们可以完全删除上面的FreeLunch类，并且我们将拥有一个功能齐全的递归解决方案：

 def power(base: int , exponent: int ) -> int : 
   "" "Computes the base ^ exponent. 
   Precondition: exponent >= 0 
   Postcondition: base ^ exponent 
   "" " 
   if exponent == 0 : 
     return 1 
   else : 
     return power(base, exponent - 1 ) * base 

现在的问题是：为什么我们要经历所有这些努力来引入递归？ 毕竟，几乎所有其他递归教程都利用某种堆栈。 我们为什么不这样做呢？

虽然使用堆栈教递归完全有效，但对学生而言通常很麻烦。 例如，想象一下在不使用我们的FreeLunch技巧的情况下通过上面的幂函数进行跟踪。 如果我们提供两个随机输入（例如2的底数和6的指数），则必须跟踪每个幂函数调用，直到达到最小的子问题为止。 在纸面上，这是一个简单示例的六种痕迹！

通过这种方式进行授课时，学生在尝试各种程序输入时经常会发现自己迷失在递归中。 如果他们转而放弃对合同的怀疑和信任，他们可以一次证明自己的功能有效。 当然，他们将需要特别注意其输入（ 请参阅数学归纳法 ）。

递归根

现在，我们已经看到了一些示例，我想谈一谈递归的来源。 毕竟，递归通常是一个令人恐惧的话题，在方便的计算机科学讲座中似乎会出现。 幸运的是，它的历史远不止于此。

还记得我们之前看过的幂函数吗？ 那不是偶然。 实际上，存在大量可以递归编写的数学公式。 例如，幂公式如下所示：

a ⁿ = a ^n-1 * a（如果n> 0）

自然地， ⁿ可以连续分解，直到指数为1或0为止，这取决于我们希望终止递归的方式。 在上面的示例中，当n = 1时我们忽略了，因为n = 0给我们1很好。 换句话说，为n = 1添加一个额外的情况对结果没有影响。

像幂一样，您可能已经知道其他一些递归公式。 例如，斐波那契数列由递归公式定义：

a _n = a _n-1 + a _n-2

为确保此公式有效，我们必须定义前两个术语。 然后，一切正常。 根据您询问的人，前两个术语可以是0和1或1和1。无论如何，这两对数字都可以工作。

如果要随后计算序列中的任意项，则可以分解原始函数，直到遇到任意一种基本情况。 例如，下图说明了如何计算斐波那契数列中的第五项：

我们整天都可以争论递归算法的效率，但这是解决问题的有效方法。 而不是逐步解决问题，我们将问题分解为较小的问题，直到找到可以解决的问题为止。 然后，我们使用该结果向后工作，直到获得最终答案。

递归结构

既然我们已经从数学和按合同设计的角度研究了递归，那么问题就变成了：我们如何认识到递归有益的问题？ 换句话说，是否存在某种形式的递归结构问题？ 让我们来谈谈它。

事实证明，我们周围都有递归结构。 例如，斐波那契数列被明确定义为递归公式。 当然，还有其他类型的递归结构。 例如，上面的树图是一个递归结构。 毕竟，每次对“ fib”的调用都会创建另一棵树。 换句话说，树内有树木。

在技​​术之外，还有诸如分形之类的递归结构的其他示例，这些分形是几何形状的集合，这些形状在任何尺度上都保持其结构。 对于熟悉Triforce的人来说 ，这是一个简单的分形的完美示例：一个由三角形组成的三角形。

同样，每天都有几种递归结构，例如目录（包含文件夹的文件夹）和洋葱（包含洋葱的洋葱）。 换句话说，层次结构和嵌套结构通常是递归的良好指示。

从这些示例中，我们可以识别出任何类型的模式吗？ 嗯，当然！ 这里的关键是观察问题的结构。 问题本身是否由类似的问题组成？ 如果是这样，则递归可能是可行的方法。 如果没有，尝试其他方法可能更有意义。

著名的递归算法

综上所述，我认为将一小段著名的递归算法用于启发目的很有帮助。 随时在评论中分享您的一些收藏夹：

• 合并排序和快速排序
• 阶乘 ， 幂和斐波那契
• 最大公约数
• 河内塔
• 树遍历
• 深度优先搜索

至此，我认为我们涵盖了所有内容。 如果您有本文未涉及的任何问题，请随时将其引向下面的评论。

参见递归

如果您想了解有关递归的更多信息，我建议您阅读这篇非常出色的文章，名为“ 另一种学习递归的方法” （对不起，我至少要开一个递归的笑话）。 否则，谢谢您的光临！

如果您想坚持下去，我还有很多其他文章适合您：

• 语句和表达式之间的区别
• 使用模块化算术的剪刀石头布
• 注意Java中String的Substring方法

再次感谢您的支持。 每一点都走很长的路！

翻译自: https://www.javacodegeeks.com/2019/08/yet-another-way-learn-recursion.html

用非递归方法实现递归算法时