![0d4caddbcad7f34d2549b7e4d6dfa57a.png](https://i-blog.csdnimg.cn/blog_migrate/99bcd630a0088f02ea1476e9d04710c5.jpeg)
递归介绍
递归:就是函数自己调用自己
。 子问题须与原始问题为同样的事,或者更为简单;
递归通常可以简单的处理子问题,但是不一定是最好的。
![8a70e08f8170b64251bc080d915ea010.gif](https://i-blog.csdnimg.cn/blog_migrate/23bdadd7e4d7444ef354cf827562479b.gif)
对于递归要分清以下概念:
- 自己调用自己
- 递归通常
不在意具体操作
,只关心初始条件
和上下层的变化关系
。 - 递归函数
需要有临界停止点
,即递归不能无限制的执行下去。通常这个点为必须经过的一个数。 - 递归通常能被其他方案替代(栈、数组正向求)。
认识递归,递归函数通常简易但是对于初学者可能很难取理解它。拿一个递归函数来说。
static void digui()
{
System.out.println("bigsai前");
digui();
System.out.println("bigsai后");
}
是一个递归吧?不是正常递归
,没有结束条件
,自己一致调用自己死循环
。
那正确的递归应该这样
static void digui(int time)
{
if(time==0) {}//time==0不执行
else {
System.out.println("bigsai前time: "+time);
digui(time-1);
System.out.println("bigsai后time: "+time);
}
}
对于这样一种递归,它的执行流程大致是这样的
![29ff231c0bb7bd690e1b2dacc36686c7.png](https://i-blog.csdnimg.cn/blog_migrate/0ed37fd245d2f3e3af0b2f90103e94d8.jpeg)
所以,调用dugui(5)在控制台输出是这样的
![0759d2ae2db0bfe984f5d83ddc12c0ef.png](https://i-blog.csdnimg.cn/blog_migrate/e8be8755347d79a10da19898d8268174.jpeg)
那么,我想你对递归函数执行的流程应该有所了解了吧。
递归求阶乘
求 n!
=n*(n-1)*-----*1
=n!=n*(n-1)
所以阶乘的上下级的关系很容易找到。我们假设一个函数jiecheng(n)为求阶乘的函数。
这个阶乘,你可以这样命名:
int jiecheng(int n)
{
int va=1;
for(int i=n;i>0;i--)
{
va*=i;
}
return i;
}
但是你还可以简便这样:
static int jiecheng(int n)
{
if(n==0)//0的阶乘为1
{
return 1;
}
else {
return n*jiecheng(n-1);//return n*(n-1)*jiecheng(n-2)=-------
}
}
运行流程为这样:
![148facdc784099436798e6f4bdc238b0.gif](https://i-blog.csdnimg.cn/blog_migrate/e520b5c27f360d1ae8dec2b85a6fd797.gif)
递归求斐波那契
按照上述思想,我们假设求斐波那契设成F(n);
首先,斐波那契的公式为:
F[n]=F[n-1]+Fn-2
- 也就是除了n=1和2特殊以外,其他均是可以使用递推式。
那么递推实现的代码为:
static long F(int n)
{
if(n==1||n==2) {return 1;}
else {
return F(n-1)+F(n-2);
}
}
其实它的调用流程为:
![4ff1c409e781c2b4d3dc338ad4882090.gif](https://i-blog.csdnimg.cn/blog_migrate/92c0f1f9cc4f5af2b57dc5022799affe.gif)
当然,其效率虽然不高,可以打表
优化,后面可能还会介绍矩阵快速幂
优化!
递归解决汉诺塔
汉诺塔是经典递归问题:
相传在古印度圣庙中,有一种被称为汉诺塔(Hanoi)的游戏。该游戏是在一块铜板装置上,有三根杆(编号A、B、C),在A杆自下而上、由大到小按顺序放置64个金盘(如下图)。游戏的目标:把A杆上的金盘全部移到C杆上,并仍保持原有顺序叠好。操作规则:每次只能移动一个盘子,并且在移动过程中三根杆上都始终保持大盘在下,小盘在上,操作过程中盘子可以置于A、B、C任一杆上。
![21c42f9e36341ee4acfea6c45feda8cc.png](https://i-blog.csdnimg.cn/blog_migrate/98c58d9a9e2ed4699889020cd8a9ef20.jpeg)
- 如果A只有一个(A->C)
- 如果A有两个(A->B),(A->C),(B->C)
- 如果A有三个(A->C),(A->B),(C->B),(A->C),(B->A),(B->C),(A->C).
- 如果更多,那么将会爆炸式增长。
![343aa14e3149e7892940f62c55bc1765.gif](https://i-blog.csdnimg.cn/blog_migrate/f86ad355fefe083bd58025f86675b0c8.gif)
可以发现每增加一步,其中的步骤会多很多。但是不妨这样想:
- 当有1个要从A->C时,且已知移动方式。使用函数表示move(a->c)。同理其他move操作。
- -------
省略
中间若干步骤不看,用递归思想
看问题
分析:n个从a—>c
和n-1个a—>c
有什么联系?(hannuo(n)
—>hannuo(n-1)
有啥关系)
假设有n个
盘子
- hannuo(n-1)之后n-1个盘子从A—>C.
![9e7f108ba758a4efb9198ce105b0e4b0.png](https://i-blog.csdnimg.cn/blog_migrate/0ecc4aa3324f9d7d2893a3ebebeb90c1.jpeg)
- 此时剩下底下最大的,只能移动到B,
move(A,B)
![abceade934be7a7b79c8d6fd90587632.png](https://i-blog.csdnimg.cn/blog_migrate/b9136c0eca3c24e10ab5736c1b99635a.jpeg)
- 那么你是否发现什么眉目了,只需原先的huannuo(n-1)相同操作从C—>B即可完成转移到B;那么我们的之前函数应该写成
hannuo(n-1,A,C)
但是又用到B,所以把B传进来hannuo(n-1,A,B,C)
先表示为从n-1个从A(借助B执行若干操作)转到C。
![4af023802794e994332c4ebf0d4a399b.png](https://i-blog.csdnimg.cn/blog_migrate/7be718fb531470726ca99aab0b8fce15.jpeg)
- 这一系列操作使得将n个盘子从A—>B但是我们要的是A—>C才是需要的hannuo(n,A,B,C);那么我们只需要
更改下hannuo(n-1,----)顺序
就好啦!
经过上面分析,那么完整的操作为:
package 递归;
public class hannuota {
static void move(char a,char b)
{
System.out.println("移动最上层的"+ a+ "到"+ b+ "t");
}
static void hannuota(int n,char a,char b,char c)//主要分析每一大步对于下一步需要走的。
{
if(n==1) {move(a,c);}//从a移到c
else
{
hannuota(n-1,a,c,b);//将n-1个从a借助c移到b
move(a,c); //将第n(最后一个)从a移到c。
hannuota(n-1,b,a,c);//再将n-1个从b借助a移到c
}
}
public static void main(String[] args)
{
hannuota(5,'a','b','c');
}
}
总结
其实递归在某些场景的效率是很低下的。尤其是斐波那契
.从图你就可以发现一个简单的操作有多次重复。因为它的递归调用俩个自己
.那么它的递归的膨胀率是指数级别的,重复了大量相同计算。当然这种问题也有优化方案的:
- 从前往后打表计算,采用类似动态规划的思想。从前往后考虑。比如斐波那契F[n]=F[n-1]+F[n-2];那么我
用数组储存
。从第三项开始F[3]=F[2]+F[1]
(均已知),再F[4]=F[3]+F[2]
-----这样,时间复杂度是O(N),线性的。 - 当然,对于阶乘那种递归虽然
时间是没有减少
,但是如果需要多次访问
一个阶乘,那么可以采用同样思想(打表)解决问题。
最后,笔者能力有限,如果有描述不恰当还请指正,感谢前面动态图(未找到原作者)和汉诺塔动图开源作者isea533
的开源作品。同时,如果有喜欢学习交流的欢迎关注笔者公众号:bigsai
回复数据结构赠送精美资料一份!
![5ebd25c7778b07b824c460b178753e9f.png](https://i-blog.csdnimg.cn/blog_migrate/e16af318773f7d28d4f39758e78a47b4.jpeg)