递归优化策略

很多程序员都慎用递归，因为少不注意就会造成内存崩溃，其实只要做到递归优化就回尽可能避免

经典问题 求斐波那契数列第n项，n从0开始

不优化：

function Fibonacci(n)
{
    // write code here
    if(n == 0){
        return 0;
    }else if(n==1){
        return 1
    }else{
        return Fibonacci(n-2) +Fibonacci(n-1)
    }
}

发现普通pc当求到第30项时基本就卡死

用缓存优化

function Fibonacci(n) {
    // write code here
    let cache = []
    function f(n) {
        if (cache[n]) {
            return cache[n]
        }
        if (n == 0) {
            cache[0] = 0;
            return 0;
        } else if (n == 1) {
            cache[1] = 1;
            return 1
        } else {
            let temp = f(n - 2) + f(n - 1);
            cache[n] = temp;
            return temp;
        }
    }
    return f(n);
}

经过优化之后即使求1000项也在毫秒级别

缓存函数化处理

let v = 0;
    let fibonacci = function(n){
        v++;
        if(n<2){
            return 1;
        }else{
            return fibonacci(n-1)+fibonacci(n-2);
        }
    }

    //简单缓存函数

    const memorize = function(fn) {
        const cache = {}       // 存储缓存数据的对象
        return function(...args) {        // 这里用到数组的扩展运算符
            const _args = JSON.stringify(args)    // 将参数作为cache的key
            return cache[_args] || (cache[_args] = fn.apply(fn, args))  // 如果已经缓存过，直接取值。否则重新计算并且缓存
        }
    }

    fibonacci = memorize(fibonacci)
    for(let i=0;i<11;i++){
        console.log(fibonacci(i));   
    }

关于缓存函数详见本人博客js高级进阶之缓存函数memozition