【一起学数据结构与算法分析】第三篇：递归的4条设计原则

递归相信大家都很熟悉，简单来说，就是把一个很大的东西按照相同的模式回归到一个确定的点上。

比如说爬楼梯，如果一个人一步能跨2个台阶，现在问：他第100步能跨到第几个台阶上？

有人说200，很明显不对，因为老朽没说他最开始在哪个台阶上，如果最开始就在第200个台阶上，那答案就是200 + 200 = 400了。

我们可以简单的列个等式：H(n) = H(n - 1) + 2, H(0) = C（n >= 1，C为常量），这样才能求解H(100) = 400。

所以说，没指定初始值的递归都是耍流氓！

由此我们不禁要问：正确的递归应该满足哪些原则呢？

其实书本已经写得很清楚了：

其中第1条和第2条就是指我上面说的，很好理解，需要注意的是”朝向基准“这个关键词，朝向基准更多地是强调收敛，而不是单调，如F(n) = (-1)^n * F(n - 1),F(0) = 1, (n为不小于1的正整数）不单调，但同样可以求。

第3条就是说你每个递归都是可执行的，再举上面爬台阶的例子，你必须能保证一步跨出后就是”增加“2层，这样我们才能”准确“地计算出下一层是多少。不能说搞不好哪步跨不上去，这样预估的结果肯定不具有唯一性。

最难理解的可能是第4条：合成效益法则，因为这条与程序的正确性无关，但同时也是程序员最容易损失性能的地方！

就拿斐波那契数列F(n) = F(n - 2) + F(n - 1)来说，我们很容易写出如下的递归算法：

/**
     * Retrieve Fibonacci result by recursion.
     * F(0)=0，F(1)=1, F(n)=F(n - 1)+F(n - 2)（n ≥ 2，n ∈ N*）
     */
    private fun fibonacci(n: Int): Int {
        // Ignore parameter checking!!!
        // Decide the basic point.
        return when(n) {
            0 -> 0
            1 -> 1
            else -> fibonacci(n - 1) + fibonacci(n - 2)
        }
    }

代码确实很简洁，但是有没有发现n-1以下均被执行了double。

也就是说在不同的递归里做了重复的动作，如上图求F(n)计算了F(n - 2)，但是求F(n - 1)同样计算了F(n - 2），这就违背了第4条的合成效益法则。
那么正确地做法是什么样的呢？就不用递归呗，直接上代码吧。

/**
     * Retrieve Fibonacci result by eliminating repeated works in recursion.
     * F(0)=0，F(1)=1, F(n)=F(n - 1)+F(n - 2)（n ≥ 2，n ∈ N*）
     */
    private fun fibonacciPlus(n: Int): Int {
        // Ignore parameter checking to ensure n >= 2.
        // Declare an array to store Fibonacci numbers.
        val storeArray = Array<Int>(n + 2) { it }
        storeArray[0] = 0
        storeArray[1] = 1
        for(i in 2 .. n) {
            //Add the previous 2 numbers in the series and store it.
            storeArray[i] = storeArray[i - 1] + storeArray[i - 2]
        }
        return storeArray[n]
    }

最后，大家跟老夫一起默念一下递归的四个原则。

git: https://github.com/codersth/dsa-study.git
文件：Recursion4Principles.kt