递归(Recursion)
什么是递归?
递归:函数(方法)直接或间接调用自身,是一种常用的编程技巧。
方法直接调用自身:
int sum(int n) {
if (n <= 1) return n;
return n + sum(n - 1);
}
方法间接调用自身:
/**
* 没有递归出口, 最终会 StackOverflow
*/
static void a(int v) {
b(--v);
}
static void b(int v) {
a(--v);;
}
函数的调用过程(栈空间)
栈空间会将调用的函数依次入栈,一般来说最先入栈的是 main
,下图中的 test1
虽然被调用了,但是没有执行操作,编译器会忽略它,test2
调用了 test3
,所以 test2
、test3
依次入栈。
函数的递归调用过程
下图中 main
先入栈,sum(4)
、sum(3)
、sum(2)
、sum(1)
由于递归调用依次入栈,可见空间复杂度为 O(n);
递归实例分析(1 + 2 + 3 + … + 100 的和)
求 1 + 2 + 3 + … + (n - 1) + n 的和(n>0)
递归做法:
int sum(int n) {
if(n <= 1) return n;
return sum(n - 1) + n;
}
总消耗时间 T(n) = T(n − 1) + O(1),因此,时间复杂度:O(n)、空间复杂度:O(n)
循环做法:
int sum(int n) {
int result = 0;
for (int i = 0; i <= n; i++) {
result += i;
}
return result;
}
时间复杂度:O(n),空间复杂度:O(1)
求和公式:
int sum(int n) {
if (n <= 1) return n;
return (1 + n) * n >> 1;
}
时间复杂度:O(1),空间复杂度:O(1)
- 注意:使用递归不是为了求得最优解,是为了简化解决问题的思路,代码会更加简洁
- 递归求出来的很有可能不是最优解,也有可能是最优解
递归的基本思想、使用套路
基本思想:拆解问题,大化小
使用套路:明确功能、关系、边界条件
斐波那契数列
斐波那契数列:1、1、2、3、5、8、13、21、34、……
编写一个函数求第 n 项斐波那契数:
int fib(int n) {
if (n <= 2) return 1;
return fib(n - 1) + fib(n - 2);
}
- 根据递推式 T(n) = T(n − 1) + T(n − 2) + O(1),可知:
- 时间复杂度:O(2n)
- 空间复杂度:O(n)
递归调用的空间复杂度 = 递归深度 * 每次调用所需的辅助空间
fib函数的调用过程
fib优化1 — 记忆化
用数组存放计算过的结果,避免重复计算
时间复杂度:O(n),空间复杂度:O(n)
/*
* 用数组存放计算过的结果,避免重复计算
*/
int fib(int n) {
if(n <= 2) return 1;
int[] array = new int[n + 1];
array[2] = array[1] = 1;
return fib(array, n);
}
int fib(int[] array, int n) {
if (array[n] == 0) {
array[n] = fib(array, n - 1) + fib(array, n - 2);
}
return array[n];
}
fib优化2 — 去除递归调用
这是一种 “自底向上” 的计算过程
时间复杂度:O(n),空间复杂度:O(n)
int fib(int n) {
if(n <= 2) return 1;
int[] array = new int[n + 1];
array[2] = array[1] = 1;
for (int i = 3; i <= n; i++) {
array[i] = array[i - 1] + array[i - 2];
}
return array[n];
}
fib优化3 — 滚动数组
由于每次运算只需要用到数组中的 2 个元素,所以可以使用滚动数组来优化
时间复杂度:O(n),空间复杂度:O(1)
int fib(int n) {
if (n <= 2) return 1;
int[] array = new int[2];
array[0] = array[1] = 1;
for (int i = 3; i <= n; i++) {
array[i % 2] = array[(i - 1) % 2] + array[(i - 2) % 2];
}
return array[n % 2];
}
乘、除、模运算效率较低,建议用其他方式(位运算)取代
int i = 100;
// (i % 2) == (i & 1);
System.out.println(
(i % 2) == (i & 1) // true
);
// (i * 2) == (i << 1);
System.out.println(
(i * 2) == (i << 1) // true
);
// (i / 2) == (i >> 1);
System.out.println(
(i / 2) == (i >> 1) // true
);
位运算优化后的滚动数组:
int fib(int n) {
if ( n <= 2) return 1;
int[] array = new int[2];
array[0] = array[1] = 1;
for (int i = 3; i <= n; i++) {
array[i & 1] = array[(i - 1) & 1] + array[(i - 2) & 1];
}
return array[n & 1];
}
fib优化4 — 去除数组
只有两个元素,直接通过2个变量即可,不需要创建数组。
时间复杂度:O(n),空间复杂度:O(1)
int fib(int n) {
if (n <= 2) return 1;
int first = 1;
int second = 1;
for (int i = 3; i <= n; i++) {
second = first + second;
first = second - first;
}
return second;
}
fib优化5 — 数学公式
时间复杂度、空间复杂度取决于 pow
函数(至少可以低至 O(logn) )
int fib(int n) {
double c = Math.sqrt(5);
return (int)((Math.pow((1 + c) / 2, n) - Math.pow((1 - c) / 2, n)) / c);
}
上楼梯(跳台阶)
1 阶台阶只有1种走法,所以:
2 阶台阶有2种走法(11、2),所以:
3 阶台阶有3种走法(111、21、12),所以:
…
int climbStairs(int n) {
if (n <= 2) return n;
return climbStairs(n - 1) + climbStairs(n - 2);
}
跟斐波那契数列几乎一样,因此优化思路也是一致的:
int climbStairs(int n) {
if (n <= 2) return n;
int first = 1;
int second = 2;
for(int i = 3; i <= n; i++) {
second = first + second;
first = second - first;
}
return second;
}
汉诺塔(Hanoi)
1个盘子、2个盘子、3个盘子图示
1个盘子的情况:
2个盘子的情况:
3个盘子的情况:
汉诺塔 — 思路
分 2 种情况讨论即可:
-
当 n == 1时,直接将盘子从 A 移动到 C
-
当 n > 1时,可以拆分成3大步骤
- ① 将 n – 1 个盘子从 A 移动到 B :
hanoi(n - 1, p1, p3, p2);
- ② 将编号为 n 的盘子从 A 移动到 C:
move(n, p1, p3);
- ③ 将 n – 1 个盘子从 B 移动到 C:
hanoi(n - 1, p2, p1, p3);
步骤 ① ③ 明显是个递归调用
- ① 将 n – 1 个盘子从 A 移动到 B :
汉诺塔 — 实现
T(n) = 2 ∗ T(n - 1) + O(1),时间复杂度是:O(2n),空间复杂度:O(n)
public class Hanoi {
public static void main(String[] args) {
new Hanoi().hanoi(4, "A", "B", "C");
}
/**
* 将第 i 号盘子从 from 移到 to
*/
void move(int i, String from, String to) {
System.out.println(i + "号盘子: " + from + "->" + to);
}
/**
* 将 n 个盘子从 p1 移动到 p3
*/
void hanoi(int n, String p1, String p2, String p3) {
if (n <= 1) {
move(n, p1, p3);
return;
}
hanoi(n - 1, p1, p3, p2); // 将 n – 1 个盘子从 p1 移动到 p2
move(n, p1, p3); // 将编号为 n 的盘子从 p1 移动到 p3
hanoi(n - 1, p2, p1, p3); // 将 n – 1 个盘子从 p2 移动到 p3
}
}
1号盘子: A->C
2号盘子: A->B
1号盘子: C->B
3号盘子: A->C
1号盘子: B->A
2号盘子: B->C
1号盘子: A->C
汉诺塔的代码是没有规律的,不像斐波那契数列,因此没有优化的空间。
递归转非递归(用栈模拟100%可以转)
记住一句话:递归100%可以转成非递归
递归转非递归的万能方法:
- 自己维护一个栈,来保存参数、局部变量
- 但是空间复杂度依然没有得到优化
例如针对下面这段递归代码:
public static void main(String[] args) {
log(5);
}
static void log(int n) {
if(n < 1) return;
log(n - 1);
int v = n + 10;
System.out.println(v);
}
我们尝试将递归转为非递归。
首先创建一个栈帧类:
public class Frame {
int n;
int v;
public Frame(int n, int v) {
super();
this.n = n;
this.v = v;
}
}
然后我们手动模拟函数调用后入栈的过程,从而将递归转为非递归:
static void log(int n) {
Stack<Frame> frames = new Stack<>();;
while (n > 0) {
frames.push(new Frame(n, n + 10));
n--;
}
while (!frames.isEmpty()) {
Frame frame = frames.pop();
System.out.println(frame.v);
}
}
某些时候其实有更精妙的做法,可以重复使用一组相同的变量来保存每个栈帧的内容。
static void log(int n) {
for(int i = 0; i < n; i++) {
System.out.println(i + 10);
}
}
这里重复使用变量 i 保存原来栈帧中的参数,使得空间复杂度从 O(n) 降到了 O(1)。
尾调用(Tail Call)
下面这段代码不是尾调用:因为它最后一个动作是乘法,没有调用自身。
int factorial(int n) {
if (n <= 1) return n;
return n * factorial(n - 1);
}
尾调用优化(Tail Call Optimization)
尾调用优化前后的汇编代码(C++)
针对这么一段尾调用代码:
void test(int n) {
if (n < 0) return;
printf("test - %d\n", n);
test(n - 1);
}
尾调用优化前的汇编代码:
尾调用优化后的汇编代码:
尾递归示例
阶乘
求 n 的阶乘 1 * 2 * 3 * … * (n - 1) * n (n>0)
普通递归:
int factorial(int n ) {
if (n <= 1) return n;
return n * factorial(n - 1);
}
转化为尾递归:
int factorial(int n ) {
return factorial(n, 1);
}
/**
* @param result 从大到小累乘的结果
*/
int factorial(int n, int result) {
if(n <= 1) return result;
return factorial(n - 1, n * result);
}
斐波那契数列
普通递归:
int fib(int n) {
if (n <= 2) return 1;
return fib(n - 1) + fib(n - 2);
}
转化为尾递归:
int fib(int n) {
return fib(n, 1, 1);
}
int fib(int n, int first, int second) {
if (n <= 1) return 1;
return fib(n - 1, second, first + second);
}