Python递归优化避免重复递归：递归程序设计艺术(6)

如果不加以优化的话，递归很容易出现重复计算的问题。比如前面计算斐波那契数列，根据公式有F(n) = F(n-1) + F(n-2)。这意味着为了计算F(8)，必须计算F(7)和F(6)。而为了计算F(7)，必须计算F(6)和F(5)，......。这里F(6)就被计算了两次。一般地，递归程序越靠近边界，重复计算的次数就会呈指数增加。当求F(36)时，电脑已经完全僵死，没有反应了。

那怎么解决这个问题呢？规范的方法是这样的：

1. 要保证递归程序除了参数之外没有读写任何外部数据。这是为了保证程序的优化只在程序内部发生作用，不会影响到外部环境。这个特点称为函数不变性(Immutable)，与数据不变性相对应。函数不变性的另一种理解是，只要参数相同，函数总是返回相同的结果。比如随机数发生函数numpy.random.randint()以及日期函数time.time()就不具有不变性。一般地，如果函数是可变的，可以把相关的外部数据引入参数列表中就能解决这个问题。另外，如果函数只是读取外部数据，没有改写它，那函数也是不可变的。
2. 在函数的参数中增加一个字典型(dict)的参数d，作用是保存递归调用的中间结果。字典是一种能够根据键获取值的数据类型，Python中的字典相当于Java中的Map。当发生重复调用时，从d中直接获取结果即可，不必进行重复的递归调用。
3. 把函数当前所有参数集中起来构成一个元组t，在递归假设和递归推导之前看看t是否在d中存在，如果存在，说明本次调用是一个重复调用，直接返回d[t]的结果即可。
4. 如果d[t]不存在，则进行正常的递归假设和递归推导，递归假设(即递归调用)时，不要忘记带上参数d。
5. 最后，在所有可能退出函数的地方(比如 return语句前或者函数体最后一个语句之后)以t为键把函数的返回值存入字典d中。

综上所述，代码 3‑2的优化结果如下：

优化求解斐波那契数列的递归程序

def get_rabbits(months, d=None):
    if months <= 1:        # 递归边界
        return 1
    if d is None:
        d = {}              # 创建一个空字典
    elif months in d:       # 如果是重复递归
        return d[months]
    result = get_rabbits(months - 1, d) + get_rabbits(months - 2, d)
    d[months] = result
    return result

if __name__ == '__main__':
    for months in range(501):
        print(months, ':%6d' % get_rabbits(months), 'pairs')

其中参数d=None表示参数d的缺省值是None，这样在调用这个函数时，可以不为d提供实参，此时形参d的值就是None。None是Python的关键字，表示空指针的意思，相当于C、C++和Java中的null。因为Python在处理任何非基本类型数据时，使用的都是数据的地址，所以，当一个参数或者变量不指向任何对象时，可以赋予它一个None值。

可能有读者会觉得奇怪，既然如此，那么为什么不把d的缺省值定为空字典(即{})？这样还能避免像上述代码的第一行那样对等于None的d进行处理。这是因为字典是非基本类型，你看到的是空字典{}，实际是指向空字典的指针，这意味着所有调用这个函数的地方，只要参数d缺省，对应的实参实际指向的是同一个空字典。这样两次不同调用之间就会产生干扰。

注意，虽然d是可以缺省的，但在递归假设时不要省略它，见代码的倒数第6行。初学者很容易在这里犯错。

判断一个键是否在字典中存在用in操作，见代码第6行if month in d。这个操作不仅对字典，对所有其他序列类型如列表(list)、元组(tuple)、集合(set)也管用。

经过上述优化，程序不但能计算50个月的兔子数，500个月的也能飞快算出。如果不优化，假设F(1)和F(0)分别只需1毫秒进行计算，则第50个月的兔子数需要146天才能计算出来，100个月的需要112亿年才能算出。

下面代码是优化人字形铁路问题的结果：

优化的人字形铁路问题递归程序

def get_trains(n, m=0, d=None):
    if n == 0:
        return 1
    if d is None:
        d = {}
    t = (n, m)
    if t in d:
        return d[t]
    result = get_trains(n-1, m+1, d)
    if m > 0:
        result += get_trains(n, m-1, d)
    d[t] = result
    return result

if __name__ == '__main__':
    for n in range(1, 100+1):
        print(n, get_trains(n))

读者可以分别用老程序和新程序计算100列火车的排列数，可以体验到截然不同的效果。