AI开发 - 算法基础递归的概念和入门（一）递归算法的常见应用 PYTHON-CSDN博客

一、递归的概念

在编程中，我们常常会遇到一个概念：递归。

递归是一个函数调用自身来解决问题的过程。你可以把它看作是“自我重复”的方法，用来分解复杂问题。

1. 举个例子：

想象你在一个楼梯上，每个台阶都有一个编号。如果你站在某个台阶上，要想知道距离地面多少个台阶，你可以做两件事：

看看自己前面（一个台阶）的台阶距离地面有多远。
然后，加上一个台阶的高度。

这个过程会一直重复下去，直到你到达楼梯的最底部，显然最底部的台阶距离地面是0。

这就是递归的一个典型应用：每个步骤都依赖于自己前一个步骤的结果。

递归的逻辑图

2. 数学上的递归：

比如，计算阶乘（n!）就是一个递归的例子。阶乘的定义是：

0! = 1
n! = n * (n-1)!

也就是说，n的阶乘等于n乘以(n-1)的阶乘，直到n=0时返回1。

3. 递归的关键点：

基准条件：递归必须要有一个停止的条件，通常是一个简单的、能直接解决的问题（比如上面提到的0! = 1）。
递归条件：问题要被分解为一个更小的子问题，直到基准条件触发。

4. 递归的实际代码：

def factorial(n):
    if n == 0:  # 基准条件
        return 1
    else:
        return n * factorial(n - 1)  # 递归条件

在这个例子中，factorial 函数会调用自己，直到 n 减小到 0。每一次递归都会计算一个较小的子问题，直到最简单的情况被解决。

递归的一个重要特点是它可以让程序代码更加简洁，尤其在处理一些分解式问题时非常有效，比如树的遍历、斐波那契数列等。

5. 递归的核心概念：

分解问题：递归通过将一个大问题分解为多个小问题来解决。每个小问题都可以通过相同的方式继续分解，直到它变得足够简单，可以直接解决。
回归（返回）：递归过程需要一个返回的过程，当问题被分解到足够简单时，递归会逐步“回退”，并汇总答案。

6. 递归的结构：

基准条件：递归必须有一个停止条件。没有停止条件的话，递归会无限进行下去，导致栈溢出错误。
递归步骤：每次递归调用时，问题要缩小或简化（一般通过参数变化来实现）。

7. 经典的递归：斐波那契数列

斐波那契数列是一个由意大利数学家斐波那契（Fibonacci）提出的数列，定义为：从第三项开始，每一项等于前两项之和。其递推公式为：

F(0) = 0
F(1) = 1
F(n) = F(n-1) + F(n-2) （n ≥ 2）

例如，斐波那契数列的前几个数是：0, 1, 1, 2, 3, 5, 8, 13, 21, 34, ...

该数列在自然界中有许多应用，如植物的叶片排列、花瓣数目等。此外，斐波那契数列还在计算机科学中有重要应用，如动态规划、递归算法等。通过递归或迭代方式可以计算斐波那契数列的第n项，且其具有很高的数学和计算机理论价值。

递归实现斐波那契数列：

def fibonacci(n):
    # 基准条件
    if n == 0:
        return 0
    elif n == 1:
        return 1
    # 递归条件
    else:
        return fibonacci(n-1) + fibonacci(n-2)

# 测试递归函数
print(fibonacci(5))  # 输出 5

在这个示例中：

基准条件：当 n 为 0 或 1 时，直接返回结果（0 或 1）。
递归步骤：对于其他的 n，通过 fibonacci(n-1) 和 fibonacci(n-2) 来计算。

比如，调用 fibonacci(5) 时，执行的步骤是：

fibonacci(5) = fibonacci(4) + fibonacci(3)
fibonacci(4) = fibonacci(3) + fibonacci(2)
fibonacci(3) = fibonacci(2) + fibonacci(1)
fibonacci(2) = fibonacci(1) + fibonacci(0)

最终结果是 5。

有些人不理解为什么最终结果是5 不应该是0 或者1 吗？

这个问题问得很好！

实际上递归函数自被使用后，它就有可能不止返回一次。比如上面的这个例子，如果我们在返回1 的前面，加上“ print('return')” ，也就是打印一个标记，那我们在运行后就会发现：

你可以看到5次返回，每次都是返回1，所以最终返回的值是5个1的聚合，就是5.

这种递归方式虽然简洁，但效率较低，因为许多子问题被重复计算了多次。

如果我们在每个返回前都打印一个字符串return： “ print('return')”，我们会发现总共有15个返回。

上面的这些问题，我们可以通过 动态规划 或 记忆化 方法来优化它。

8. 递归优化：记忆化

记忆化是一种优化递归算法的方法，通过缓存已经计算过的结果，避免重复计算。我们可以通过字典或数组来缓存每次计算的结果。

def fibonacci_memo(n, memo={}):
    if n in memo:
        return memo[n] #缓存放在这个字典（数组）里面，当下次有同样的n，不用计算了
    if n == 0:
        return 0
    elif n == 1:
        return 1
    else:
        result = fibonacci_memo(n-1, memo) + fibonacci_memo(n-2, memo)
        memo[n] = result
        return result

# 测试优化后的函数
print(fibonacci_memo(5))  # 输出 5

在这个版本中，我们引入了一个 memo 字典，它会缓存已经计算过的 fibonacci(n) 值。这样，当我们再次遇到相同的 n 时，就可以直接返回缓存的结果，避免重复计算。