如何理解递归?
举个例子
周末去到女朋友去看电影,但是你们不知道现在自己处于第几排,而且电影院里面很黑,看不清,也没法数。此时如何做呢?
- 此时递归就派上用场了。
- 你可以问前面一排人他在第几排,只要在他的数字上加上1,就是自己现在在的排数了!
- 但是前面的人也看不清,所以他也问前面的人。
- 这样一排一排的问,直到问到第一排的人,说我在第一排。这样一排一排的把数字传回来,你就知道答案了!!!
用递推公式表示为:
f (n) = f(n - 1) + 1 其中,f(1) = 1
递归原型
非常标准的递归分解过程可分为:
去的过程叫递
回来的过程叫做归
满足递归的三个条件
1、一个问题可以分解为几个子问题的解
子问题就是数据规模更小的问题
例如“要知道自己在哪一排”的问题,可以分解为“前一排的人在哪一排”这样的一个子问题!!!
2、这个问题与分解之后的子问题,除了数据规模不同,求解思路完全一致
知道“自己在哪一排”的思路 和 “前面一排人求解自己在哪一排”的思路是完全一样的
3、存在递归终止条件
将子问题不断分解为子问题,一层一层分解下去,不能存在无限循环,这就需要终止条件!!!
以电影院的例子为例,第一排的人就无需要再询问任何人就可以。这就是递归的终止条件。
如何编写递归代码
写递归代码的关键就是找到如何将大问题分解为小问题的规律,并且基于此写出递推公式,然后再推敲终止条件,最后将递推公式和终止条件翻译成代码
只要遇到递归,我们就将它分解为一个递推公式,不用想一层层的调用关系,不要试图用人脑去分解递归的每一个步骤!!!
递归代码的三个注意事项
递归代码要警惕堆栈溢出
- 函数调用会使用栈来保存临时变量。每调用一个函数,都会将临时变量封装为栈压入内存栈,等函数执行完成返回时,才出栈。
- 系统栈空间一般都不大,如果递归求解的数据规模很大,调用层次很深,一直压入栈,就会有堆栈溢出的风险
递归代码要警惕重复计算
举一个例子来说明:如何警惕重复计算!!!
假如有n个台阶,每次你可以跨1个台阶 或者 2个台阶,请问走n个台阶有多少种走法?
递归公式为: f(n) = f(n - 1) + f(n - 2),f(1) = 1, f(2) = 2
int f(int n) {
if (n == 1) return 1;
if (n == 2) return 2;
return f(n-1) + f(n-2);
}
将上面代码步骤分解我们可得到:
从上图简单可看出,f(3)被重复计算了很多次,花费了很多花销!!!
代码优化:
public int f(int n) {
if (n == 1) return 1;
if (n == 2) return 2;
// hasSolvedList可以理解成一个Map,key是n,value是f(n)
if (hasSolvedList.containsKey(n)) {
return hasSolvedList.get(n);
}
int ret = f(n-1) + f(n-2);
hasSolvedList.put(n, ret);
return ret;
}
科学考虑代码的时间复杂度 与 空间复杂度
空间复杂度上:递归每次调用依次就会在内存栈种保存一次现场数据。
例如:前面例子中的电影院递归代码:空间复杂度并不是O(1) 而是 O(n)。
问题与解答
推荐注册返佣金的这个功能我想你应该不陌生吧?现在很多 App 都有这个功能。这个功能中,用户 A 推荐用户 B 来注册,用户 B 又推荐了用户 C 来注册。我们可以说,用户 C 的“最终推荐人”为用户 A,用户 B 的“最终推荐人”也为用户 A,而用户 A 没有“最终推荐人”。
如何实现最终推荐人代码?
long findRootReferrerId(long actorId) {
Long referrerId = select referrer_id from [table] where actor_id = actorId;
if (referrerId == null) return actorId;
return findRootReferrerId(referrerId);
}
实际此种方式代码的问题为:
- 如果递归很深,可能会出现堆栈溢出的问题
- 如果数据库中存在脏数据,可能产生无限递归
如何调试递归代码?
- 打印日志发现递归值
- 结合条件断点进行调试