数据结构——递归

最近开始学习王争老师的《数据结构与算法之美》，通过总结再加上自己的思考的形式记录这门课程，文章主要作为学习历程的记录。

递归是一种非常高效、简洁的编码技巧，一种应用非常广泛的算法，比如DFS深度优先搜索、前中后序二叉树遍历等都是使用递归。基本上所有的递归问题都可以用递推公式来表示。以寻找电影排数为例，只需要问前一排人的排数，然后前一排的人再向前询问······用递推公式表示即为f(n)=f(n-1)+1,f(1)=1，将其改为递归代码，如下：

int f(int n){
    if (n==1) return 1;
    return f(n-1)+1;
}

递归需要满足的条件

遇到什么样的问题时可以运用递归呢？有三个条件需要满足：

1.一个问题的解可以分解为几个子问题的解，即将问题分解为数据规模更小的问题。

2.这个问题与分解之后的子问题，除了数据规模不同，解题思路完全一样。

3.存在递归终止条件

以LeetCode第70题爬楼梯为例，假设你正在爬楼梯。需要 n 阶你才能到达楼顶。每次你可以爬 1 或 2 个台阶。你有多少种不同的方法可以爬到楼顶呢？

实际上，可以根据第一步的走法将所有走法分为两类，第一类是第一步走了一个台阶，另一类是第一步走了两个台阶，用公式表示就是f(n)=f(n-1)+f(n-2)，终止条件为f(1)=1，f(2)=2，此时，将其转化为代码为：

int f(int n){
    if (n==1) return 1
    if (n==2) return 2
    return f(n-1)+f(n-2)
}

写递归代码的关键就是找到如何将大问题分解为小问题的规律，并且基于此写递推公式，然后再推敲终止条件，最后将递推公式和终止条件翻译成代码。对于递归代码，若试图想清楚整个递和归的过程，实际上是进入了一个思维误区。
那该如何理解递归代码呢？如果一个问题A可以分解为若干个子问题B、C、D，你可以假设子问题B、C、D已经解决。而且，你只需要思考问题A与子问题B、C、D两层之间的关系即可，不需要一层层往下思考子问题与子子问题，子子问题与子子子问题之间的关系。屏蔽掉递归细节，这样子理解起来就简单多了。
因此，理解递归代码，就把它抽象成一个递推公式，不用想一层层的调用关系，不要试图用人脑去分解递归的每个步骤。

递归常见问题

1.警惕堆栈溢出：递归调用超过一定深度（比如1000之后），就不再继续往下递归，直接返回报错，声明一个全局变量来控制递归的深度，从而避免堆栈溢出。
2.警惕重复计算：通过某种数据结构来保存已经求解过的值，从而避免重复计算。

除了堆栈溢出和重复计算这两个问题，递归代码还存在很大问题：在时间效率上，递归代码中多了很多函数调用，当数量较大时，就会积聚成一个可观的时间成本。在空间复杂度上，因为递归调用一次就会在内存栈中保存一次现场数据，所以在分析递归代码空间复杂度时，需要额外考虑这部分的开销。

如何将递归改写为非递归代码？

递归有利有弊，利是递归代码的表达力很强，写起来非常简洁；而弊就是存在许多问题，如空间复杂度高、有堆栈溢出的风险、存在重复计算、过多的函数调用会耗时较多等问题。所以，在开发过程中，我们要根据实际情况来选择是否需要用递归的方式来实现。

我们可以将递归代码转为非递归代码，以爬楼梯为例：

class Solution(object):
    def climbStairs(self, n):
        """
        :type n: int
        :rtype: int
        """
        if n == 1:
            return 1
        elif n == 2:
            return 2
        elif n>2:
            a,b = 1,2
            for i in range(2,n):
                a,b = b,a+b
            return b

当n大于2时，f(n)=f(n-1)+f(n-2)，此时就转化为斐波那契数列，通过a,b = b,a+b即可进行迭代。

参考资料：王争《数据结构与算法之美》