读码农翻身之递归

1、什么是递归:
在这里插入图片描述
如上所示,这是一个递归函数,所为递归,就是一个函数调用了自己。或者说一个函数在函数内部调用了另一个函数,而这另一个函数的功能和本身这个函数的作用一样。虽然从理论上来说,这样确实是讲得通的,那么作为最终要在计算机中执行的程序,在内存中是什么样的呢?
在这里插入图片描述
当代码编译以后,函数会被放在代码段。(只有一套代码放在代码段!)而上图中的栈帧就代表了被调用中的一个函数,这些函数栈帧以先进后出的方式排列起来,形成了一个栈,而每个栈帧的详细信息其实如下所示:
在这里插入图片描述
那么意思就是每次调用一个函数,就会在栈中压入一个栈帧,那么假如计算啊factorial(4)这个函数的时候,那么实际上就会有4个栈帧,如下所示:
在这里插入图片描述
在这里插入图片描述
每个递归函数必须有个终止条件,要不然就会发生无限递归。同时,由于堆栈容量也是有限的,如果N的值太大,那么就需要更多的栈帧。
那么这里做个试验,以上述的函数为例,通过更改N的值,来看看效率到底如何:
在这里插入图片描述
而当N的值设置为3000时,已经出现了栈溢出了。所以使用这种递归算法,如果N的值过大,还是很容易让程序异常的。
在这里插入图片描述

2、递归的优化算法(尾递归)
在这里插入图片描述
这个优化后的算法和优化前的算法进行对比,函数的最后一个语句,不在是n*fun(n-1),而是直接调用fun()函数本身,那么这个算法的计算过程就是:
在这里插入图片描述
而此时计算机在内存中是怎么计算的呢?
在这里插入图片描述
这就是很妙的地方了,相对于旧的算法,新的算法只是一个函数,那么就意味着只有一个栈帧。
但是通过我实际操作,发现N为3000的时候,尾递归还是会抛出栈溢出。

难道是这种所为的尾递归并没有作用?

Python网络爬虫与推荐算法新闻推荐平台:网络爬虫:通过Python实现新浪新闻的爬取,可爬取新闻页面上的标题、文本、图片、视频链接(保留排版) 推荐算法:权重衰减+标签推荐+区域推荐+热点推荐.zip项目工程资源经过严格测试可直接运行成功且功能正常的情况才上传,可轻松复刻,拿到资料包后可轻松复现出一样的项目,本人系统开发经验充足(全领域),有任何使用问题欢迎随时与我联系,我会及时为您解惑,提供帮助。 【资源内容】:包含完整源码+工程文件+说明(如有)等。答辩评审平均分达到96分,放心下载使用!可轻松复现,设计报告也可借鉴此项目,该资源内项目代码都经过测试运行成功,功能ok的情况下才上传的。 【提供帮助】:有任何使用问题欢迎随时与我联系,我会及时解答解惑,提供帮助 【附带帮助】:若还需要相关开发工具、学习资料等,我会提供帮助,提供资料,鼓励学习进步 【项目价值】:可用在相关项目设计中,皆可应用在项目、毕业设计、课程设计、期末/期中/大作业、工程实训、大创等学科竞赛比赛、初期项目立项、学习/练手等方面,可借鉴此优质项目实现复刻,设计报告也可借鉴此项目,也可基于此项目来扩展开发出更多功能 下载后请首先打开README文件(如有),项目工程可直接复现复刻,如果基础还行,也可在此程序基础上进行修改,以实现其它功能。供开源学习/技术交流/学习参考,勿用于商业用途。质量优质,放心下载使用。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值