06 - 递归

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