# 数据结构与算法之美专栏笔记——递归篇

从一个问题开始

假设A的推荐人是B，B的推荐人是C，如何来查找A的最终推荐人呢？

这里直接给出答案——

long findRootRerfererId(long actorId){
    Long refererId = select referer_id from [table] where actor_id = actorId;
    if(refererId == null)
        return actorId;
    return findRootRerfererId(refererId);
}

递归概述

递归是一种应用非常广泛的算法，亦可称作编程技巧。

递归的引出

递归顾名思义，包含递与归两个过程。我们用下面的例子来体会一下。

假设你去电影院看电影，你想知道自己坐在第几排，所以你询问前排的人，但前排的人有相同的困惑，他又去问他的前排，直到第一排的人明确自己坐在第几排。然后每一排的人将结果告诉自己的后排，整个递归的过程就完成了。

这个小例子中，第一排是终止条件，不断问前排的人是递归条件。无疑是很典型的递归问题，但面对递归问题更通常的反应是看了全会，写了全废。所以我们还要按部就班的学习递归的知识。。。

递归的三个条件

1. 一个问题的解可以分解为几个子问题的解
2. 设个问题与分解后的问题除了问题规模不同外，求解思路完全相同
3. 存在递归终止条件

如何编写递归代码

编写递归代码的核心无非就两个：递归公式+终止条件。我们通过下面的小例子来理解下——

假设有n个台阶，每次你自己可以跨越1个台阶或者2个台阶。请问走这n个台阶共有多少种走法？

我们会想到，可以按照第一步的走法将问题分解为两个子问题，也就是走一步之后的走法和走两步之后的走法，对应的递归公式就是
$$f(n)=f(n-1)+f(n-2)$$
再来确定终止条件，显然，当只有一个台阶时就没必要再递归了，也就是：
$$f(1)=1$$
将这个递归终止条件带入递归公式后，发现f(2)是无法确定的，所以终止条件还应该包含
$$f(2)=2$$
表示的含义是走两个台阶有两种走法。最后我们将其转换为代码实现——

int f(int n){
    if(n == 1)
    return 1;
    if(n == 2)
        return 2;
    return f(n-1)+f(n-2);
}

站在巨人的肩膀——

写递归代码的关键在于找到将大问题转化为小问题的关键，并且基于此写下递归公式，然后再推敲递归终止条件，最终将递归公式和递归条件转化为代码实现。

递归代码要警惕堆栈溢出

递归代码在简洁可读性强的同时，却也带来了堆栈溢出的隐患。

之前提到过系统没调用一个函数，会将临时变量作为栈帧压栈，等到函数返回再弹栈。而递归代码因为调用的函数层数多，在函数调用时不断申请栈空间。从而导致空间复杂度不理想。

那怎样避免呢？理想的方法是根据场景选择递归，如果递归层数不多，则限制递归层数，这时使用递归是合适的。

递归代码要警惕重复计算

在刚才走台阶的例子中，就不可避免的遇到了重复计算的问题，这样对问题的求解并没有障碍，但并不优雅，我们要使用哈比表这样的数据结构动态存储每个子问题的结果。

一点思考

在问题规模较大时，有什么比较好的调试方式——

• 打印日志发现递归值
• 结合条件断点进行调试

---

日拱一卒，功不唐捐。