写给小白看的硬核递归(低调点，当回小白)

喜欢ヅ旅行 2022-10-09 15:23 131阅读 0赞

> 本文首发公众号\[`bigsai`\] ，首发博客平台`csdn`，转载请找授权或附上原文链接。

大家好，我是bigsai，今天给大家讲讲递归。内容很丰富，看完感觉不错还请三连支持幸苦码字！

### 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。  
![在这里插入图片描述][20190816205520468.gif]  
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

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQwNjkzMTcx_size_16_color_FFFFFF_t_70]

所以，调用digui(5)在控制台输出是这样的

![image-20210624144857449][]  
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：  
![在这里插入图片描述][1a08113667064e7e648c33e28736e2ba.gif]

### 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：  
![在这里插入图片描述][20190816220442976.gif]

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。

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQwNjkzMTcx_size_1_color_FFFFFF_t_70]

1.  如果A只有一个（A->C）
2.  如果A有两个（A->B）,(A->C),(B->C)
3.  如果A有三个（A->C）,(A->B),(C->B),(A->C),(B->A),(B->C),(A->C).
4.  如果更多，那么将会爆炸式增长。  
    ![在这里插入图片描述][20190816222824744.gif]

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.  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQwNjkzMTcx_size_1_color_FFFFFF_t_70 1]

此时剩下底下最大的，只能移动到B，move(A,B)  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQwNjkzMTcx_size_1_color_FFFFFF_t_70 2]

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)`,但是着这里肯定又用到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**。  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQwNjkzMTcx_size_1_color_FFFFFF_t_70 3]

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：

![image-20210624153222579][]

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：

![image-20210624161024628][]

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：

![image-20201120173153449][]

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。包过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。

汉诺塔动图截取自开源作者**isea533**的开源作品。

本文收藏再开源数据结构与算法仓库中：

[https://github.com/javasmall/bigsai-algorithm][https_github.com_javasmall_bigsai-algorithm]

关于作者

> bigsai,在读小硕一枚，专注于数据结构与算法、Java领域的知识分享，喜欢用图将复杂内容简单化，欢迎关注同名公众号【`bigsai`】，坚持输出干货，如果有学习、考研、选择等问题欢迎交流！

[20190816205520468.gif]: /images/20221005/8a12777082ac4dc5b83a976a865dadbe.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQwNjkzMTcx_size_16_color_FFFFFF_t_70]: /images/20221005/243476183cfc451c8c54e0b08ce0dc9e.png
[image-20210624144857449]: /images/20221005/549529d816784ee3b399d07e928548dc.png
[1a08113667064e7e648c33e28736e2ba.gif]: /images/20221005/9125b55b16fd452eb3cda51f73d2c5b0.png
[20190816220442976.gif]: /images/20221005/9cd9e874f4b04a04b8e89da33da848bb.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQwNjkzMTcx_size_1_color_FFFFFF_t_70]: /images/20221005/1abc044411be4429ade537c6d9ce6c0e.png
[20190816222824744.gif]: /images/20221005/d308f58ec27b4d2ca2f845f871932669.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQwNjkzMTcx_size_1_color_FFFFFF_t_70 1]: /images/20221005/92626a55347b4174ab1dbfdb52f1aca8.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQwNjkzMTcx_size_1_color_FFFFFF_t_70 2]: /images/20221005/c9c68d77cf9e43c1870830e1b263f72d.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQwNjkzMTcx_size_1_color_FFFFFF_t_70 3]: /images/20221005/4a6cbc31981947eeadd573199ceb0521.png
[image-20210624153222579]: /images/20221005/84c0104fa28646a29da9e2de783f93f8.png
[image-20210624161024628]: /images/20221005/5a7af56ec3cd4b0f81b0eb0ba489a9a9.png
[image-20201120173153449]: /images/20221005/ac4c4a772e0e477b91a212d6015e259e.png
[https_github.com_javasmall_bigsai-algorithm]: https://github.com/javasmall/bigsai-algorithm