说明
所谓递归,其实就是一个函数调用自身的一种方法。递归可以很大程度地缩短代码,使用较少的代码实现较复杂的问题。
以前刚学习递归的时候总是感觉很难理解,配合实践后总算对递归有了一点的了解。递归的过程就是我们学英语时学习新单词一样的过程。即可以把递归过程比喻成“查单词”,当开始查一个单词,在单词的英文解析里发现又有新单词不认识,然后再查次单词;发现查的单词里又有不认识的单词,接着再次往下查,依次类推,终于查到了所有词都认识的结果;最后一步一步反向往上认识所查的单词,直到认识刚开始查的单词。
例1:
求n的阶乘
#include <iostream>
using namespace std;
int factorial(int n){
if(n<1){
cout << "parameter failed.";
return 0;
}
return (n == 1) ? 1:n*factorial(n-1);
}
int main(){
int n=0;
cin >> n;
cout << factorial(n);
return 0;
}
设n输入5,这个推导过来如下所示:
1 ===> factorial(5)
2 ===> 5 * factorial(4)
3 = ==> 5 * (4 * factorial(3))
4 ===> 5 * (4 * (3 * factorial(2)))
5 ===> 5 * (4 * (3 * (2 * factorial(1))))
6 ===> 5 * (4 * (3 * (2 * 1)))
7 ===> 5 * (4 * (3 * 2))
8 ===> 5 * (4 * 6)
9 ===> 5 * 24
10===> 120
可以看出递归的过程就像是出入栈的过程,例中的1-5都是入栈过程,factorial(5)调用factorial(4),依次类催,入栈的深度=5。6-10是出栈过程,factorial(1)做完出栈,factorial(2)做完出栈,重复做下去,最后计算出factorial(5)=120;这个过程就是不断从无知问到已知,再从已知一步步推出刚提出的无知,即factorial(5)问factorial(4)直到factorial(1)是已知的,然后在往回推出factorial(5);
例2:
求n对应的斐波纳契数
# include <bits/stdc++.h>
using namespace std;
long fibonacci_v1(int n){
times++;
if(n<0) {
cout << "parameter error.";
return -1;
}
if(n==0)return 0;
if(n==1)return 1;
return fibonacci_v1(n-1)+fibonacci_v1(n-2);
}
n=5时:
fibonacci_v1
result:5
times:15 runTime:0.01ms
结果显示当n=5时,递归了15次,计算结果只用了0.01ms,表现还是可以的,其对应的递归树如下所示:
即:f(5)
=f(4)+f(3)=f(3)+f(2)+f(2)+f(1)
=f(2)+f(1)+f(1)+f(0)+f(1)+f(0)+f(1)
=f(1)+f(0)+f(1)+f(1)+f(0)+f(1)+f(0)+f(1)
=5
从图中可以看出有些过程调用了多次,如f(3)有两次,f(2)有三次;当n增大时,相同过程重复次数将变得越来越多,从而性能将会大打折扣。
当n=45时:
fibonacci_v1
result:1134903170
times:3672623805 runTime:23698.3ms
可以看出递归次数高达36亿多次,执行时间也长达23秒多,时间复杂度为O(2^n),显然n较大时不适合使用次方法。我们需要对此方法进行改进,根据递归树得知很多过程是重复的,我们可以利用数组保存这些重复过程,然后判断如果此过程已经计算则直接返回,从而得出V2版本:
long fibonacci_v2(int n){
times++;
if(n<0) {
cout << "parameter error.";
return -1;
}
if(n==0)return 0;
if(n==1)return 1;
if(fib_value[n] == -1){
fib_value[n] = fibonacci_v2(n-1)+fibonacci_v2(n-2);
}
return fib_value[n];
}
同样测试n=45时:
fibonacci_v2
result:1134903170
times:89 runTime:0.054ms
同样是n=45,两个版本不管是从递归次数还是从执行时间,v2版本都远远比v1版本要小很多。时间复杂度也从O(2^n)变成O(n)。其实v2版本实际上是利用了动态规划算法进行求解。
动态规划( dynamic programming )算法是解决多阶段决策过程最优化问题的一种常用方法,难度比较大,技巧性也很强。利用动态规划算法,可以优雅而高效地解决很多贪婪算法或分治算法不能解决的问题。动态规划算法的基本思想是:将待求解的问题分解成若干个相互联系的子问题,先求解子问题,然后从这些子问题的解得到原问题的解;对于重复出现的子问题,只在第一次遇到的时候对它进行求解,并把答案保存起来,让以后再次遇到时直接引用答案,不必重新求解。《定义来自网络》