理解递归

什么是递归

递归(英语:Recursion),在数学与计算机科学中,是指在函数的定义中使用函数自身的方法。

什么时候用递归

如果一个问题满足以下三个条件,就可以考虑使用递归来解决:

  1. 可以分解为一个或多个子问题;
  2. 该问题和其子问题之间,只是数据规模不同,但解法是一样的;
  3. 一定存在终止条件,使问题不能继续分解;

我们以求解某个正整数的阶乘为例来说明。已知求阶乘的公式为:
n!=n∗(n−1)∗(n−2)∗...∗1n!= n*(n-1)*(n-2)*...*1n!=n(n1)(n2)...1 。那么这个问题,如何用递归思想来解决呢?根据公式,我们可以看出,其实求n的阶乘可以转化为求n-1的阶乘,因为n!=n∗(n−1)!n!=n*(n-1)!n!=n(n1)!同理求n-1的阶乘,也可以转化为求n-2的阶乘,如此分解下去,直到n=1的时候,无法继续往下分解,递推终止,用一个公式统一表达:
f(n)={1,    n=1n∗f(n−1),n>1 f(n) = \begin{cases} 1 ,\qquad\qquad\;\ \ n=1 \\ n* f(n-1),n > 1 \end{cases} f(n)={1  n=1nf(n1)n>1
用代码来描述就是:

 //利用递归求正整数n的阶乘
 int factorial(int n){
        if(n == 1) return 1;
        return n * factorial(n-1);
 }

递归的优缺点

优点

代码简洁高效。

缺点及解决办法

通过递归求解问题虽然代码简洁,但是有两个特别容易出现的问题:重复计算和栈溢出。

1. 重复计算

以求斐波那契数为例,假如我们要得到斐波那契数列中的第n个数,其递归求解公式如下:
f(n)={1,       n=11,       n=2f(n−1)+f(n−2),n>2 f(n) = \begin{cases} 1 ,\quad\qquad\qquad\qquad\;\;\;\ n=1 \\ 1 ,\quad\qquad\qquad\qquad\;\;\;\ n=2 \\ f(n-1) + f(n-2),n > 2 \\ \end{cases} f(n)=1 n=11 n=2f(n1)+f(n2)n>2
这里写个测试用例,演示一下:

public class FibonacciTest {

    private int count = 0;

    public int fibonacci(int n){
        count++;
        if(n == 1) return 1;
        if(n == 2) return 1;
        return fibonacci(n-1)+ fibonacci(n-2);
    }

    public static void main(String[] args) {
        for(int i = 1; i <= 40; i++){
            FibonacciTest recursionTest = new FibonacciTest();
            System.out.format("n=%-2s,result=%-10s,count=%-10s\n",i,recursionTest.fibonacci(i),recursionTest.count);
        }
    }
}

执行结果如下:
(https://img-blog.csdnimg.cn/20190410220507628.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L1Rob21hc0NoYW50,size_16,color_FFFFFF,t_70)
从执行可以看出,函数调用次数是在指数级增长的,在求第40个斐波那契数的时候,函数调用竟然达到了2亿多次,计算时间开始以秒计,性能急剧下降,到求第50个斐波那契数的时候,计算时间已经长到无法忍受了。原因就在于将一个问题分解成多个子问题后,每个子问题又分解成多个子子问题,如此一来,需要求解的问题总数是以指数级增长的。我们看一下递归求解第5个斐波那契数的分解过程

在这里插入图片描述
那么如何能避免这个问题呢?其实从上图可以看出,很多斐波那契数是重复计算了的,比如f(3),f(2),f(1),其实这些问题只需要计算一次,然后缓存起来,就可以极大的改善性能。改进后的代码如下:

public class FibonacciCacheTest {

     private int count = 0;
     private Map<Integer,Long> valueCache = new HashMap<>();


     public long fibonacci(int n){
         count++;
         if(valueCache.containsKey(n)){
             return valueCache.get(n);
         }
         if(n == 1) return 1;
         if(n == 2) return 1;
         long v = fibonacci(n-1)+ fibonacci(n-2);
         valueCache.put(n, v);
         return v;
     }

     public static void main(String[] args) {
        for(int i = 1; i <= 50; i++){
            FibonacciCacheTest fibonacciTest1 = new FibonacciCacheTest();
            System.out.format("n=%-2s,result=%-12s,count=%-12s\n",i,fibonacciTest1.fibonacci(i),fibonacciTest1.count);
        }
    }
}

执行结果如下图所示
在这里插入图片描述
可以看出改进后,执行次数是线性增长的,性能得到了很大提升。

2. 栈溢出

接着我尝试增大n的值,当n=7175时(这个值是虚拟机栈内存分配有关,每个人不大一样),jvm虚拟机抛了一个错误:StackOverflowError,这是因为递归过程中申请的栈深度已经超出了虚拟机所能分配的最大栈深度。对于java虚拟机,可以通过-Xss参数适当增大虚拟机栈内存容量,从而间接增大栈的深度。

总结

本文主要讲解了如何使用递归以及使用递归时候应如何避免栈溢出和重复计算的问题。

内容概要:文章基于4A架构(业务架构、应用架构、数据架构、技术架构),对SAP的成本中心和利润中心进行了详细对比分析。业务架构上,成本中心是成本控制的责任单元,负责成本归集与控制,而利润中心是利润创造的独立实体,负责收入、成本和利润的核算。应用架构方面,两者都依托于SAP的CO模块,但功能有所区分,如成本中心侧重于成本要素归集和预算管理,利润中心则关注内部交易核算和获利能力分析。数据架构中,成本中心与利润中心存在多对一的关系,交易数据通过成本归集、分摊和利润计算流程联动。技术架构依赖SAP S/4HANA的内存计算和ABAP技术,支持实时核算与跨系统集成。总结来看,成本中心和利润中心在4A架构下相互关联,共同为企业提供精细化管理和决策支持。 适合人群:从事企业财务管理、成本控制或利润核算的专业人员,以及对SAP系统有一定了解的企业信息化管理人员。 使用场景及目标:①帮助企业理解成本中心和利润中心在4A架构下的运作机制;②指导企业在实施SAP系统时合理配置成本中心和利润中心,优化业务流程;③提升企业对成本和利润的精细化管理水平,支持业务决策。 其他说明:文章不仅阐述了理论概念,还提供了具体的应用场景和技术实现方式,有助于读者全面理解并应用于实际工作中。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值