1、递归
1.1 定义
指一种通过重复将问题分解为同类的子问题而解决问题的方法(自己调用自己)。递归是一个非常重要的算法思想,应用也是相当的广泛。比如下面的场景:
比如我们在某窗口排队人太多了,我不知道我排在第几个,那么我就问我前面的人排第几个,因为知道他排第几我就知道我是第几了。但前面的人也不知道自己排第几那怎么办呢?他也可以继续往前面问,直到问到第一个人,然后从第一个人一直传到我这里 我就很清楚的知道我是第几了。这个场景就是一个典型的递归。在这个过程中大家有没有发现一个规律那么就是会有一个问的过程,问到第一个后有一个回来的过程吧。这就是递(问)加归(回)。
1.2 使用递归的情况
- 一个问题的解可以分解为几个子问题的解:子问题,我们通过分治的思想可以把一个数据规模大的问题,分解为很多小的问题。
我们可以把刚刚那个问前面的那个人看为子问题。大化小- 这个问题与分解之后的子问题,求解思路完全一样;
- 一定有一个最后确定的答案,即递归的终止条件:刚刚那个问题就是第一个人。第一个人是肯定知道自己排第几吧,即n=1的时候,如果没有这个特性那么我们这个递归就会出现死循环,最后程序就是栈溢出。
递归包含的思想有:分治(大拆小)和回溯(结果回传)。
递归实现的关键: (1) 就是求出递归公式;(2) 找出递归结束条件
比如:斐波那契数列(这个数列从第3项开始 ,每一项都等于前两项之和):1 1 2 3 5 8 13,他的求解公式:f(n)=f(n-1)+f(n-2),
终止条件:n<=2 f(n)=1
2、代码实现
2.1 斐波那契数列简单实现
public static int fab(int n) {
// 分析一段代码好坏,有两个指标,时间复杂度和空间复杂度 都是:O(2^n)
if (n <= 2){
return 1; // 递归的终止条件
}
return fab(n - 1) + fab(n - 2); // 继续递归的过程
}
通过上图,可计算出fab(int n)的时间复杂度和空间复杂度都为O(2^n),有很大的优化空间。
如果不优化,当数据量一大的话,是非常耗时间的!
如下图,执行到45个数列的时候,运行时间如下:
就已经花费2s的时间了,所以这个方法是需要优化的。优化的时间复杂度向:O(n) < O(nlogn)靠拢。
2.2 fab(int n)方法优化思路
1.使用非递归。所有的递归代码理论上是一定可以转换成非递归的。
public static int noFab(int n) { // 不用递归 O(n)
// 循环
if (n <= 2)
return 1;
int a = 1;
int b = 1;
int c = 0;
for (int i = 3; i <= n; i++) {
c = a + b;
a = b;
b = c;
}
return c;
}
- 加入缓存:把我们中间的运算结果保存起来,这样就可以把递归降至为o(n)
- 尾递归(我也没整明白咋弄的,大家自己找资料吧):什么是尾递归?尾递归就是调用函数一定出现在末尾,没有任何其他的操作了。因为我们编译器在编译代码时,如果发现函数末尾已经没有操作了,这时候就不会创建新的栈,而且覆盖到前面去。倒着算,不需要在回溯了,因为我们每次会把中间结果带下去。