DataWhale集训-5.递归，动态规划

今天主要学习两种思想，递归和动态规划。

递归：

1.递归定义：

递归（Recursion）是指在函数的定义中使用函数自身的方法，即程序的自身调用。

2.递归特点：

（1）出口：在使用递归策略时，必须有一个明确的递归结束条件，称为递归出口。    

（2）效率：递归算法解题通常显得很简洁，但递归算法解题的运行效率较低。所以一般不提倡用递归算法设计程序。    

（3）栈溢出：在递归调用的过程当中系统为每一层的返回点、局部量等开辟了栈来存储。递归次数过多容易造成栈溢出等，所以一般不提倡用递归算法设计程序。

3.特殊问题及解决方法：

举个例子：计算阶乘n! = 1 x 2 x 3 x ... x n，用函数fact(n)表示：

  def fact(n):                
      if n == 1:
          return 1
      return n * fact(n - 1)

之所以不提倡使用递归算法，是因为使用递归函数需要注意防止栈溢出。在计算机中，函数调用是通过栈（stack）这种数据结构实现的，每当进入一个函数调用，栈就会加一层栈帧，每当函数返回，栈就会减一层栈帧。由于栈的大小不是无限的，所以，递归调用的次数过多，会导致栈溢出。  

尾递归（tail-call）优化：在尾部进行函数调用时使用下一个栈结构覆盖当前栈结构，同时保持原来的返回地址。  

本质是对栈进行处理，删掉活动记录（activation record），在函数返回的时候，调用自身本身，并且return语句不能包含表达式。这样，编译器或者解释器就可以把尾递归做优化，使递归本身无论调用多少次，都只占用一个栈帧，不会出现栈溢出的情况。 

要使调用成为真正的尾部调用，在尾部调用函数返回前，对其结果不能执行任何其他操作。    

不管递归有多深，栈大小保持不变。尾递归属于线性递归的子集。用尾递归优化改造上面的阶乘算法，主要是要把每一步的乘积传入到递归函数中：    

def fact(n):
      return fact_iter(n, 1)
  ​
def fact_iter(num, product):
      if num == 1:
          return product
      return fact_iter(num - 1, num * product)

可以看到，return fact_iter(num - 1, num * product)仅返回递归函数本身，num - 1和num * product在函数调用前就会被计算，不影响函数调用。可以看到，return fact_iter(num - 1, num * product)仅返回递归函数本身，num - 1和num * product在函数调用前就会被计算，不影响函数调用。

动态规划：

1.定义：

通过把原问题分解为相对简单的子问题的方式求解复杂问题的方法。动态规划常常适用于有重叠子问题和最优子结构性质的问题。

2.基本思想：

若要解一个给定问题，我们需要解其不同部分（即子问题），再合并子问题的解以得出原问题的解。 通常许多子问题非常相似，为此动态规划法试图仅仅解决每个子问题一次，从而减少计算量： 一旦某个给定子问题的解已经算出，则将其记忆化存储，以便下次需要同一个子问题解之时直接查表。 这种做法在重复子问题的数目关于输入的规模呈指数增长时特别有用。

3.常见动态规划问题分析与求解

参考资料：

1.理解递归思想

2.动态规划