13张图 | 硬核讲解:递归的前世今生
大家好,我是小富~
之前有老弟说弄不懂递归,今天给大家讲讲递归。
什么是递归?
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解决方式。
对于递归要分清以下概念:
递归是自己调用自己
递归通常不在意具体操作,只关心初始条件、结束条件和上下层的变化关系。
递归函数需要有临界停止点(结束条件),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。
递归可以被栈替代。有些递归可以优化。比如遇到重复性的可以借助空间内存记录而减少递归的次数
认识递归,递归函数通常看起来简易但是对于初学者可能很难去理解它,拿一个递归函数来说。
static void digui()
{
System.out.println("bigsai前");
digui();
System.out.println("bigsai后");
}
这是一个递归嘛?不是正常递归,没有结束条件,自己一致调用自己导致无限循环。
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,它的流程大致是这样的
定义递归算法及参数
- 停止递归算法条件
- (可存在)其他逻辑
- 递归调用(参数需要改变)
- (可存在)其他逻辑
所以,调用digui(5)在控制台输出是这样的
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
初学递归,接触最多的就是递归求阶乘,为啥阶乘可以用递归来求呢? 我们首先看下阶乘,n的阶乘表示为:
n!=n*(n-1)*……*1
n的阶乘就是从1开始叠乘到n,那么n-1的阶乘为:
(n-1)!=(n-1)*(n-2)*……*1
通过观察就能知道n的阶乘和n-1的阶乘有这样的关系:
n!
=n!=n*(n-1)!
所以,我们要求n的阶乘,我们知道n-1的阶乘乘以n就可以得到,这就是最核心的关系。
0的阶乘为1,通过阶乘上下级的关系,我们假设一个函数jiecheng(n)为求n的阶乘的函数,那么这个函数为:
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:
递归求斐波那契
斐波那契数列,已经跟随我们成长很久很久了,除了直接的斐波那契,爬楼梯等问题也和斐波那契问题差不多。
首先,求斐波那契的公式为:
F[n]=F[n-1]+F[n-2](n>=3,F[1]=1,F[2]=1)
也就是除了n=1和2特殊以外,其他均是可以使用递推式,按照上述递归思想,我们假设求斐波那契设成F(n);
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:
不过这个斐波那契这样的求法效率并不高,后面会提一嘴。
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。
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。
可以发现每增加一步,其中的步骤会多很多,如果一步步想,很难想明白,所以要用递归全局的想法看问题。
当有1个要从A->C时,这里使用函数move(A,C)表示(其他move操作同理)。
用hannuo(n)函数表示总共n个盘子要从A->C。
递归,其实就是要找上下层的关系,n个盘子从A挪到C和n-1个盘子从A挪到C有啥联系(hannuo(n)—>hannuo(n-1)有啥关系)。下面带你一步步分析。
假设有n个盘子
hannuo(n-1)之后n-1个盘子从A—>C.
此时剩下底下最大的,只能移动到B,move(A,B)
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,所以这个需要加参数表示其方向性,那么我们的之前函数应该写成hannuo(n-1,A,C)
,但是这里肯定又用到B(向下需要用到),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。
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),这个很容易啊我们只需要第一步将n-1挪到B上就可以了啊。
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');
}
}
这样,汉诺塔问题是不是搞懂了?
递归 VS 记忆化
很多时候,递归的效率是很低的(一个递归拆分成两个及以上子问题效率就不太行了),我们要用动态规划或者记忆化去优化,为什么要记忆化?因为递归成子问题,子问题再拆分成子问题,造成很多的重复计算!
比如上面说到的递归求斐波那契数列,就是一个效率非常低的算法,比如你看看F(5)是这样走的:
在递归求F(4)时候,F(4)递归会求解F(3),但是右侧的还会再执行一遍。如果是数量非常大的数,那么将耗费很大的时间。所以我们就可以采取记忆化!第一次算出结果的时候就存储一下,如果是线性有规律(大部分)就用数组,否则就用HashMap存储。
具体实现的代码为:
static long F(int n,long record[])
{
if(n==1||n==2) {return 1;}
if(record[n]>0)
return record[n];
else
record[n]=F(n-1,record)+F(n-2,record);
return record[n];
}
public static void main(String[] args) {
int n=6;
long[] record = new long[n+1];
System.out.println(F(n,record));
}
这样可以节省很多时间,尤其是n非常大的情况(递归是指数级别增长,记忆化是线性级别)。例如一个F(6)求解过程:
当然,记忆化的问题远远不止这么多,具体还需要自行学习。
递归 VS 数据结构
递归在很多场景都有很好的应用,在链表中、二叉树、图中(搜索算法)都有很多的应用,这里就举一些非常经典的例子。
比如在链表中,很经典的就是链表逆序输出、链表反转问题,比如链表反转问题,对应力扣206(给你单链表的头节点 head
,请你反转链表,并返回反转后的链表),可以这样巧妙的实现:
/**
* Definition for singly-linked list.
* public class ListNode {
* int val;
* ListNode next;
* ListNode() {}
* ListNode(int val) { this.val = val; }
* ListNode(int val, ListNode next) { this.val = val; this.next = next; }
* }
*/
class Solution {
public ListNode reverseList(ListNode head) {
if(head==null||head.next==null)
return head;
ListNode node =reverseList(head.next);//返回最后的链表节点
head.next.next=head;//后一个节点指向自己
head.next=null;//自己next指向null
return node;
}
}
对于二叉树,最经典的就是二叉树的前序、中序、后序遍历的递归实现方式:
例如二叉树前序遍历:
public void qianxu(node t)// 前序递归 前序遍历:根结点 ---> 左子树 ---> 右子树
{
if (t != null) {
System.out.print(t.value + " ");// 当前节点
qianxu(t.left);
qianxu(t.right);
}
}
二叉树中序遍历:
public void zhongxu(node t)// 中序遍历 中序遍历:左子树---> 根结点 ---> 右子树
{
if (t != null) {
zhongxu(t.left);
System.out.print(t.value + " ");// 访问完左节点访问当前节点
zhongxu(t.right);
}
}
二叉树的后序遍历:
public void houxu(node t)// 后序遍历 后序遍历:左子树 ---> 右子树 ---> 根结点
{
if (t != null) {
houxu(t.left);
houxu(t.right);
System.out.print(t.value + " "); // 访问玩左右访问当前节点
}
}
递归 VS 常见算法
在我们熟知很多算法都与递归有着很大关系。比如dfs深度优先遍历、回溯算法、分治算法等,这里只是简单介绍一下。
递归只是计算机执行一种方式,一个来回的过程,所以这个过程可以被一些算法很巧妙的运用。
分治算法:将问题分解成多个子问题,子问题求解完合并得到结果,这个过程可以使用递归实现(也可能不使用递归),但大部分会用递归因为实现更加简洁,它和斐波那契递归不同的是它分裂的子问题一般没有重复的(即分完为止而不会重复计算)。常见的快排、归并排序都是使用分治算法,其算法实现借助递归。例如归并排序其流程:
算法实现为:
private static void mergesort(int[] array, int left, int right) {
int mid=(left+right)/2;
if(left<right)
{
mergesort(array, left, mid);
mergesort(array, mid+1, right);
merge(array, left,mid, right);
}
}
private static void merge(int[] array, int l, int mid, int r) {
int lindex=l;int rindex=mid+1;
int team[]=new int[r-l+1];
int teamindex=0;
while (lindex<=mid&&rindex<=r) {//先左右比较合并
if(array[lindex]<=array[rindex])
{
team[teamindex++]=array[lindex++];
}
else {
team[teamindex++]=array[rindex++];
}
}
while(lindex<=mid)//当一个越界后剩余按序列添加即可
{
team[teamindex++]=array[lindex++];
}
while(rindex<=r)
{
team[teamindex++]=array[rindex++];
}
for(int i=0;i<teamindex;i++)
{
array[l+i]=team[i];
}
}
dfs、回溯法 通常想着枚举尽可能多的情况,很多时候我们并不能很好知道运行界限是在哪,并且运行中状态可能会有所变化,所以我们可以写好限定条件使用递归去实现,递归的归过程也可很好的复原去进行其他试探。包括二叉树的前中后遍历都蕴涵dfs算法思想,而回溯算法则是经典全排列、八皇后问题代表。
其流程通常为:
定义回溯算法及参数
- (符合条件)跳出
- (不符合)不跳出:
- - 遍历需要操作的列表&&该元素可操作&&可以继续试探
- - - 标记该元素已使用以及其他操作
- - - 递归调用(参数改变)
- - - 清除该元素标记以及其他操作
此外,递归还在很多算法中有广泛的应用,这里就不具体列举啦!
结语
今天递归就讲到这里啦,学好递归没那么容易,还是要具体掌握各种算法、题目才能慢慢领略递归精髓,递归用好可以写出很多骚代码!
不过实际题目注重效率和便捷,不能盲目追求效率,也不能盲目使用递归不注意算法优化。
其他:汉诺塔动图截取自开源作者isea533
的开源作品,原创不易,希望大家点赞、在看三连支持一下!
在看、点赞、转发,是对我最大的鼓励。
欢迎关注我的公众号