可能存在无限递归_算法与数据结构（六）递归

最新推荐文章于 2023-11-11 16:57:02 发布

程序员道道

最新推荐文章于 2023-11-11 16:57:02 发布

阅读量207

点赞数

文章标签：可能存在无限递归

本文链接：https://blog.csdn.net/weixin_42525328/article/details/112619087

版权

? 工欲善其事，必先利其器。

递归 - Recursion

递归是一种应用非常广泛的算法(或者编程技巧)。

后续一些复杂的算法和数据结构都用到了递归，所以，搞懂递归非常重要。

递归例子

周末你在排队买东西，队伍太长了，于是你想知道自己排在第几位，但是你又不想自己数，于是你问前面的人是第几位，但是他也不知道，于是一个一个往前询问，到了第一个人时，他知道自己是第一个，于是告诉后面的人，后面的人加一就是他的位数，一层层传递到你这边来，你也就知道自己是第几位了(现实中不太可能，这里举个例子)

这就是一个非常标准的递归求解问题的分解过程，去的过程叫“递”，回来的过程叫“归”。基本上，所有的递归问题都可以用递推公式来表示。刚刚这个生活中的例子，我们用递推公式将它表示出来就是这样的：

f(n)=f(n-1)+1 其中，f(1)=1

f(n) 表示你想知道自己在哪一位，f(n-1) 表示前面一位所在的位数，f(1)=1 表示第一位的人知道自己在第一位。有了这个递推公式，我们就可以很轻松地将它改为递归代码，如下：

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

递归需要满足的三个条件

刚才的例子就是一个典型的递归，那么满足什么条件的问题可以用递归来解决呢？

一个问题的解可以分解为几个子问题的解

何为子问题？子问题就是数据规模更小的问题。比如，前面讲的排队的例子，你要知道，“自己在哪一位”的问题，可以分解为“前一位的人在哪一位”这样一个子问题。

这个问题与分解之后的子问题，除了数据规模不同，求解思路完全一样

比如排队那个例子，你求解 “自己在哪一位” 的思路，和前面一位人求解“自己在哪一位”的思路，是一模一样的。

存在递归终止条件

把问题分解为子问题，把子问题再分解为子子问题，一层一层分解下去，不能存在无限循环，这就需要有终止条件。还是排队的例子，第一位的人不需要再继续询问任何人，就知道自己在哪一位，也就是 f(1)=1，这就是递归的终止条件。

如何编写递归代码呢？

刚刚说了很多递归有关的内容，那么在实际运用中如何去写一个递归呢？

写递归代码最关键就是：

找到规律
写出通用公式
找到截止条件

学习算法和数据结构，需要多练多写，通过下面几个例子说明下递归。

1. Fibonacci 数列

关于递归，有些人可以想到的是斐波那契数列。

什么是斐波那契数列呢？

0, 1, 1, 2, 3, 5, 8, 13... 总之，就是第N(N>2)个数是等于第(N-1)数和第(N-2)数的和。

05_递归-斐波那契数列

那么通过上面关键分析：

首先找到规律

从第三个数开始，每个数的值都是它前两项的和。

通用公式

f(n) = f(n-1) + f(n-2)

截止条件

当n小于等于2时，就结束递归。

通过上面的综合来看，写出的代码如下：

public static int Fibonacci(int n)
{
    if (n == 1) return 0;
    if (n == 2) return 1;
    return Fibonacci(n - 1) + Fibonacci(n - 2);
}

2. Factorial 阶乘

数学中常见的阶乘，也是可以使用递归进行计算。

阶乘：n! = 1 * 2 * ··· * (n-1) * n

首先找到规律

求解阶乘，将从1到n的数字相互进行乘法运算

通用公式

f(n) = n * f(n-1)

截止条件

当n等于1时，就结束递归。

代码如下：

public static int Factorial(int n)
{
    if (n == 1) return 1;
    return n * Factorial(n - 1);
}

总结

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，然后再推敲截止条件，最后将递推公式和终止条件翻译成代码。

学习递归过程中，如果面对的是一个问题要分解成多个子问题的情况下，递归代码就没有那么好理解了。

人脑几乎没办法把整个“递”和“归”的过程一步一步都想清楚，而计算机擅长做重复的事情，所以递归正合它的胃口。而我们人脑更喜欢平铺直叙的思维方式。当我们看到递归时，我们总想把递归平铺展开，脑子里就会循环，一层一层往下调，然后再一层一层返回，试图想搞清楚计算机每一步都是怎么执行的，这样就很容易被绕进去。

对于递归代码，这种试图想清楚整个递归过程的做法，实际上是进入了一个思维误区。很多时候，我们理解起来比较吃力，主要原因就是自己给自己制造了这种理解障碍。那正确的思维方式应该是怎样的呢？

如果一个问题 A 可以分解为若干子问题 B、C、D，你可以假设子问题 B、C、D 已经解决，在此基础上思考如何解决问题 A。而且，你只需要思考问题 A 与子问题 B、C、D 两层之间的关系即可，不需要一层一层往下思考子问题与子子问题，子子问题与子子子问题之间的关系。屏蔽掉递归细节，这样子理解起来就简单多了。

因此，编写递归代码的关键是，只要遇到递归，我们就把它抽象成一个递推公式，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个步骤。

而且在进行递归计算时，需要注意下面几点：

递归代码要警惕堆栈溢出
递归代码要警惕重复计算

对于递归中的堆栈溢出，则可以通过判断进行最大数据处理拦截，比如设置数据规模大于 100000 时，则抛出错误即可；但是这种方式并不能完全解决问题，因为最大允许的递归深度跟当前线程剩余的栈空间大小有关，事先无法计算。如果实时计算，代码过于复杂，就会影响代码的可读性。所以，如果最大深度比较小，比如 10、50，就可以用这种方法，否则这种方法并不是很实用。

而针对于重复计算问题，其实可以在后续算法与数据结构中的散列表来进行操作和处理，使用散列表保存已经计算过的数据，当递归调用到 f(k) 时，则先看下是否已经求解过了。如果是，则直接从散列表中取值返回，不需要重复计算，就可以避免重复计算问题。

递归有利有弊，利是递归代码的表达力很强，写起来非常简洁；而弊就是空间复杂度高、有堆栈溢出的风险、存在重复计算、过多的函数调用会耗时较多等问题。所以在实际使用中，需要根据需求来选定方式，可以将递归改为循环来处理。