Javascript函数之深入浅出递归思想
一、递归函数的理解
1、生活中的递归
“递归”在生活中的一个典例就是“问路”。如图小哥哥进入电影院后找不到自己的座位,问身边的小姐姐“这是第几排”,小姐姐也不清楚便依次向前询问,问至第一排的观众后依次向后反馈结果,“我是第一排”,“我是第二排”,···,最终确定自己座位所在排数。 在这个过程中充分反应了“传递”(询问)和“回归”(反馈)的思想,故将这种现象称为“递归”。
2、编程中的递归
计算机有两个特点:“很笨”又“很快”。所以将“复杂问题”转化为“多步骤的简单问题”后,计算机才能高效执行。
而递归是编程算法的一种,通过调用自身,将一些复杂的问题简单化,便于得出解决方案。
下面通过简单的案例了解编程中的递归
案例:计算1+2+3+4+5+6的和。
function fn(n){ if(n === 1){ return 1; } return n + fn(n - 1); } fn(6);
计算过程: f(6) = 6 + f(5) f(6) = 6 + 5 + f(4) f(6) = 6 + 5 + 4 + f(3) f(6) = 6 + 5 + 4 + 3 + f(2) f(6) = 6 + 5 + 4 + 3 + 2 + f(1) f(6) = 6 + 5 + 4 + 3 + 2 + 1
由上可知递归函数的 本质:
- 调用自身
递归函数的实现有 两个要素:
- 终止条件
- 逐步靠近终止条件
案例中的 终止条件 是:当
n === 1时,
fn(1) === 1。 若没有终止条件,函数会继续计算
f(0)、
f(-1)、
f(-2)··· 从而进入死循环,无法得出结果。
通过计算过程可以看出,函数依次计算
f(6)、
f(5)、
f(4)、
f(3)、
f(2)、
f(1),很好的满足了第二个要素 逐步靠近终止条件。
二、递归函数的使用
通过以上讲解,想必已经了解递归函数的原理, 那么递归函数是如何写出来的呢? 如何利用递归函数解决实际问题呢?
实例探索递归函数的书写“套路”
例题:计算n的阶乘。
步骤1:找到终止条件,写给 if
数学知识 :n! = n * (n - 1) * (n - 2) * (n -3) * ··· * 3 * 2 * 1
显然 终止条件 是
n === 1;时,
return 1;
故可以完成函数的 前半部分:
function fn(n){ if(n === 1){ return 1; } // 未完待续 }
步骤2:找到函数的等价关系式,写给 return
数学知识 :n! = n * (n - 1)!
通过数学知识
n! = n * (n - 1)!和递归函数的本质(调用自身), 可以得出函数的等价关系式为
f(n) = n * f(n - 1);
从而可以完成函数的 后半部分:
function fn(n){ if(n === 1){ return 1; } return n * fn(n - 1); }
至此简单的递归函数便写出来了,递归函数最大的特点便是代码简洁,简洁到让人心虚。
总结,递归函数的书写“套路”
- 找到终止条件,写给 if
- 找到函数的等价关系式,写给 return
三、递归函数的问题
想必你会说,上面的两个例题用 循环 就能轻松写出来,为何还需要使用递归呢?
其实能用 递归 解决的问题,用 循环 也能解决!而且 递归 比 循环 的运算速度要慢,因为 递归 需要逐层调用函数,占据系统内存,当 递归 层级较深时,对性能消耗较大,往往不推荐使用。
问:那 递归 存在的意义是什么?
递归 是为了将复杂问题简单化,提供解题思路,进而得到 “循环算法”
对于简单问题,一眼便能看出“循环算法”,但对于抽象问题,通常可以先采取 递归 思想,如:
例题:某人需要走上10级台阶,有两种走法,走法A:一步1个台阶;走法B:一步2个台阶。两种走法可以任意交替使用,问走上10级台阶共有多少种方法? 这个问题很难直接看出 循环 的解题思路,我们不妨从 递归 的角度尝试解决:
当走上第10级台阶只差最后一步时,存在有两种可能: 第1种:从 第8级 ---> 第10级(一步2个台阶) 第2种:从 第9级 ---> 第10级(一步1个台阶)
假设:从 第0级 ---> 第8级,有
x种走法;
1,1,1,1,1,1,2,2 1,1,1,1,1,2,1,2 1,2,1,1,1,2,2 1,2,1,2,2,2 ······· // 穷举不尽,共 x 种,每种走法的最后一步都是 2(个台阶)
假设:从 第0级 ---> 第9级,有
y种走法;
1,1,1,1,1,1,1,2,1 1,1,2,1,1,2,1,1 1,2,1,2,2,1,1 1,2,2,2,2,1 ······· // 穷举不尽,共 y 种,每种走法的最后一步都是 1(个台阶)
那么,从 第0级 ---> 第10级,共有
x + y种走法。
故,10级台阶走法 = 9级台阶走法 + 8级台阶走法,即
f(10) = f(9) + f(8);
所以我们需要的 函数关系式 是
f(n) = f(n - 1) + f(n - 2);
接下来找 终止条件:
1级台阶时,走法只有1种(1步1台阶),是
n === 1;时,
return 1;2级台阶时,走法只有2种(2次1步1台阶 或 1步2台阶),是
n === 2;时,
return 2;
由此可以写出 递归函数
function fn(n){ if(n === 1 || n === 2){ return n; } return fun(n - 1) + fun(n - 2); }
下图展示了函数的 执行过程 可见,在函数执行过程中重复调用了多次相同的函数(相同背景色),从而极大消耗了系统的性能。经过测试这个 递归函数 最多可计算至
f(45);左右的结果(测试需谨慎),这便是 递归函数 存在的主要问题。
那么如何优化这个问题呢? 即,将 递归算法 改为 循环算法。
通过前面的推导我们知道
f(n) = f(n - 1) + f(n - 2);
1级台阶 ==> 走法:1 2级台阶 ==> 走法:2 3级台阶 ==> 走法:1 + 2 = 3 4级台阶 ==> 走法:2 + 3 = 5 5级台阶 ==> 走法:3 + 5 = 8 6级台阶 ==> 走法:5 + 8 = 13 7级台阶 ==> 走法:8 + 13 = 21 ······
即,只要知道前两项(1级台阶和2级台阶)的结果,就可以自底向上依次推算出后面所有项的结果 于是便可以写出 循环函数
function fn(n){ if(n === 1 || n === 2){ return n; } var left = 1; // 左边的数据 var right = 2; // 右边的数据 var sum = 0; for(var i = 3 ; i <= n ; i++){ // 循环从第3项开始 sum = left + right; // 计算前一次左右数据的和 left = right; // 把前一次的right赋值给下一次的left right = sum; // 把前一次的和赋值给下一次的right } return sum; }
以上便是通过 递归思想 将抽象问题逐步简单化,从而得出 循环算法 的过程。 循环算法 解决了 递归 消耗系统性能的问题,可以计算任意数值。 (当数值太大超出JavaScript数值范围时,返回
Infinity)
总结:
1、递归结构简单,易理解,常用于将抽象问题简单化。 2、递归要有终止条件,否则会变成死递归; 3、递归算法运行效率低、性能消耗大,递归深度较大时慎用(等不到结果); 4、能用递归解决的问题大多都能用循环解决。
- 【数据结构与算法】深入浅出递归和迭代的通用转换思想
- 深入浅出递归思想
- 【数据结构与算法】深入浅出递归和迭代的通用转换思想
- 漫谈递归思想
- 【数据结构】大量数据(20万)的快速排序的递归与非递归算法、三数取中思想
- 用递归的思想写编写一个函数reverse_string(char * string)实现字符串反向输出和反向排列
- 走火入魔.NET权限组件-用树型资源权限(数据集权限)思想来权限递归问题
- [Python Data Structures] 递归思想(Recursion)
- 约瑟夫问题与递归思想
- JavaScript函数之实际参数对象(arguments) / callee属性 / caller属性 / 递归调用 / 获取函数名称的方法
- java语言讲解singleton的编程思想---深入浅出单实例Singleton设计模式
- 漫谈递归:递归的思想 --转载
- 递归思想
- 练习 4-12 运用 printd 函数的设计思想编写一个递归版本的 itoa 函数,即通过递归 调用把整数转换为字符串
- 一些利用递归思想的简单编程题(JS实现)
- 算法洗脑系列(8篇)——第二篇 递归思想
- 转(Java中的递归思想)
- 最大K乘积问题-(动态规划(JAVA),递归思想(C))
- 算法思想(一) 递归
- 全排列算法的递归思想及实现