遞歸的思想主要是能夠重復某些動作，比如簡單的階乘，次方，回溯中的八皇后，數(shù)獨，還有漢諾塔，分形。
成都創(chuàng)新互聯(lián)公司專注于金昌網(wǎng)站建設服務及定制，我們擁有豐富的企業(yè)做網(wǎng)站經(jīng)驗。 熱誠為您提供金昌營銷型網(wǎng)站建設，金昌網(wǎng)站制作、金昌網(wǎng)頁設計、金昌網(wǎng)站官網(wǎng)定制、小程序設計服務，打造金昌網(wǎng)絡公司原創(chuàng)品牌,更為您提供金昌網(wǎng)站排名全網(wǎng)營銷落地服務。
由于堆棧的機制，一般的遞歸可以保留某些變量在歷史狀態(tài)中，比如你提到的return x * power..., 但是某些或許龐大的問題或者是深度過大的問題就需要盡量避免遞歸，因為可能會棧溢出。還有一個問題是～python不支持尾遞歸優(yōu)化?。。?！所以～還是盡量避免遞歸的出現(xiàn)。
def power(x, n)
if n 0:
return 1
return x * power(x, n - 1)
power(3, 3)
3 * power(3, 2)
3 * (3 * power(3, 1))
3 * (3 * (3 * power(3, 0)))
3 * (3 * (3 * 1)) 這里n = 0, return 1
3 * (3 * 3)
3 * 9
27
當函數(shù)形參n=0的時候，開始回退～直到第一次調(diào)用power結束。
def Sum(m): #函數(shù)返回兩個值：遞歸次數(shù)，所求的值 if m==1:return 1,m return 1+Sum(m-1)[0],m+Sum(m-1)[1]cishu=Sum(10)[0] print cishu def Sum(m,n=1): ... if m==1:return n,m ... return n,m+Sum(m-1,n+1)[1] print Sum(10)[0] 10 print Sum(5)[0] 5
參考一下第一步：簡單實現(xiàn)裝飾器 def login(func): print("in Login") return func def tv(name): print("{name} in TV".format(name = name)) tv = login(tv) tv('Jack') # out: # in Login # Jack in TV 第二步：同上 效果相同，但是使用的是@login def login(func): print("in Login") return func @login def tv(name): print("{name} in TV".format(name = name)) #tv = login(tv) tv('Jack') # out: # in Login # Jack in TV 但是出現(xiàn)問題，注銷最后的執(zhí)行語句仍有輸出，原因在于@login的調(diào)用，即@login相當于執(zhí)行了tv = login(tv) 所以才有輸出。 def login(func): print("in Login") return func @login def tv(name): print("{name} in TV".format(name = name)) #tv = login(tv) #tv('Jack') # out: # in Login 如下調(diào)整可解決 def login(func): def inner(arg): print("in Login") # return func func(arg) return inner @login def tv(name): print("{name} in TV".format(name = name)) #tv = login(tv) tv('Jack') # out: # in Login # Jack in TV 簡單的遞歸函數(shù) #!/usr/bin/env python #遞歸函數(shù) def calc(num): print("Number:",num) if num/2 1: calc(num/2) print("After Number:",num/2) calc(10) # Number: 10 # Number: 5.0 # Number: 2.5 # Number: 1.25 # After Number: 1.25 # After Number: 2.5 # After Number: 5.0 遞歸實現(xiàn)斐波那契數(shù)列 # Fibonacci sequence # F[n]=F[n-1]+F[n-2](n=2,F[0]=1,F[1]=1) # 斐波那契數(shù)列：1, 1, 2, 3, 5, 8, 13, 21, 34, 55, 89, 144, ... fibList = [1,1] def getFib(fibList): print(fibList) if fibList[-1] + fibList[-2] 300: fibList.append(fibList[-1] + fibList[-2]) getFib(fibList) pass pass getFib(fibList) print("[FINAL]:",fibList) # [1, 1] # [1, 1, 2] # [1, 1, 2, 3] # [1, 1, 2, 3, 5] # [1, 1, 2, 3, 5, 8] # [1, 1, 2, 3, 5, 8, 13] # [1, 1, 2, 3, 5, 8, 13, 21] # [1, 1, 2, 3, 5, 8, 13, 21, 34] # [1, 1, 2, 3, 5, 8, 13, 21, 34, 55] # [1, 1, 2, 3, 5, 8, 13, 21, 34, 55, 89] # [1, 1, 2, 3, 5, 8, 13, 21, 34, 55, 89, 144] # [1, 1, 2, 3, 5, 8, 13, 21, 34, 55, 89, 144, 233] # [FINAL]: [1, 1, 2, 3, 5, 8, 13, 21, 34, 55, 89, 144, 233]
函數(shù)的遞歸調(diào)用
遞歸問題是一個說簡單也簡單，說難也有點難理解的問題.我想非常有必要對其做一個總結.
首先理解一下遞歸的定義，遞歸就是直接或間接的調(diào)用自身.而至于什么時候要用到遞歸，遞歸和非遞歸又有那些區(qū)別？又是一個不太容易掌握的問題，更難的是對于遞歸調(diào)用的理解.下面我們就從程序+圖形的角度對遞歸做一個全面的闡述.
我們從常見到的遞歸問題開始:
1 階層函數(shù)
#include iostream
using namespace std;
int factorial(int n)
{
if (n == 0)
{
return 1;
}
else
{
int result = factorial(n-1);
return n * result;
}
}
int main()
{
int x = factorial(3);
cout x endl;
return 0;
}
這是一個遞歸求階層函數(shù)的實現(xiàn)。很多朋友只是知道該這么實現(xiàn)的，也清楚它是通過不斷的遞歸調(diào)用求出的結果.但他們有些不清楚中間發(fā)生了些什么.下面我們用圖對此做一個清楚的流程:
根據(jù)上面這個圖，大家可以很清楚的看出來這個函數(shù)的執(zhí)行流程。我們的階層函數(shù)factorial被調(diào)用了4次.并且我們可以看出在調(diào)用后面的調(diào)用中，前面的調(diào)用并不退出。他們同時存在內(nèi)存中。可見這是一件很浪費資源的事情。我們該次的參數(shù)是3.如果我們傳遞10000呢。那結果就可想而知了.肯定是溢出了.就用int型來接收結果別說10000，100就會產(chǎn)生溢出.即使不溢出我想那肯定也是見很浪費資源的事情.我們可以做一個粗略的估計:每次函數(shù)調(diào)用就單變量所需的內(nèi)存為:兩個int型變量.n和result.在32位機器上占8B.那么10000就需要10001次函數(shù)調(diào)用.共需10001*8/1024 = 78KB.這只是變量所需的內(nèi)存空間.其它的函數(shù)調(diào)用時函數(shù)入口地址等仍也需要占用內(nèi)存空間。可見遞歸調(diào)用產(chǎn)生了一個不小的開銷.
2 斐波那契數(shù)列
int Fib(int n)
{
if (n = 1)
{
return n;
}
else
{
return Fib(n-1) + Fib(n-2);
}
}
這個函數(shù)遞歸與上面的那個有些不同.每次調(diào)用函數(shù)都會引起另外兩次的調(diào)用.最后將結果逐級返回.
我們可以看出這個遞歸函數(shù)同樣在調(diào)用后買的函數(shù)時，前面的不退出而是在等待后面的結果，最后求出總結果。這就是遞歸.
3
#include iostream
using namespace std;
void recursiveFunction1(int num)
{
if (num 5)
{
cout num endl;
recursiveFunction1(num+1);
}
}
void recursiveFunction2(int num)
{
if (num 5)
{
recursiveFunction2(num+1);
cout num endl;
}
}
int main()
{
recursiveFunction1(0);
recursiveFunction2(0);
return 0;
}
運行結果:
1
2
3
4
4
3
2
1
該程序中有兩個遞歸函數(shù)。傳遞同樣的參數(shù)，但他們的輸出結果剛好相反。理解這兩個函數(shù)的調(diào)用過程可以很好的幫助我們理解遞歸:
我想能夠把上面三個函數(shù)的遞歸調(diào)用過程理解了，你已經(jīng)把遞歸調(diào)用理解的差不多了.并且從上面的遞歸調(diào)用中我們可以總結出遞歸的一個規(guī)律：他是逐級的調(diào)用，而在函數(shù)結束的時候是從最后面往前反序的結束.這種方式是很占用資源，也很費時的。但是有的時候使用遞歸寫出來的程序很容易理解，很易讀.
為什么使用遞歸:
1 有時候使用遞歸寫出來的程序很容易理解，很易讀.
2 有些問題只有遞歸能夠解決.非遞歸的方法無法實現(xiàn).如:漢諾塔.
遞歸的條件:
并不是說所有的問題都可以使用遞歸解決，他必須的滿足一定的條件。即有一個出口點.也就是說當滿足一定條件時，程序可以結束，從而完成遞歸調(diào)用，否則就陷入了無限的遞歸調(diào)用之中了.并且這個條件還要是可達到的.
遞歸有哪些優(yōu)點:
易讀，容易理解，代碼一般比較短.
遞歸有哪些缺點:
占用內(nèi)存資源多，費時，效率低下.
因此在我們寫程序的時候不要輕易的使用遞歸，雖然他有他的優(yōu)點，但是我們要在易讀性和空間，效率上多做權衡.一般情況下我們還是使用非遞歸的方法解決問題.若一個算法非遞歸解法非常難于理解。我們使用遞歸也未嘗不可.如:二叉樹的遍歷算法.非遞歸的算法很難與理解.而相比遞歸算法就容易理解很多.
對于遞歸調(diào)用的問題，我們在前一段時間寫圖形學程序時，其中有一個四連同填充算法就是使用遞歸的方法。結果當要填充的圖形稍微大一些時，程序就自動關閉了.這不是一個人的問題，所有人寫出來的都是這個問題.當時我們給與的解釋就是堆棧溢出。就多次遞歸調(diào)用占用太多的內(nèi)存資源致使堆棧溢出，程序沒有內(nèi)存資源執(zhí)行下去，從而被操作系統(tǒng)強制關閉了.這是一個真真切切的例子。所以我們在使用遞歸的時候需要權衡再三.
python遞歸函數(shù)1到n求和
def recu_add(n):
if n == 1:
return 1
return n + recu_add(n - 1)
print(recu_add(5)) #15
print(recu_add(100)) #5050
重慶分公司
重慶分公司
