递归
-递归就是方法里调用自身
-在使用递归策略时,必须有一个明确的递归结束条件,称为递归出口
-递归算法解题通常显得很简洁,但递归算法解题的运行效率较低
-在递归调用的过程中,系统为每一层的返回点、局部变量等开辟了栈来存储。递归次数过多容易造成栈溢出等
-具体地说,如果递归函数调用自己,则被调用的函数也将调用自己,这将无限循环下去,除非代码里有终止调用的语句。通常的方法是将递归调用放在if语句中。
递归例子:
对递归最恰当的比喻,就是查词典。我们查词典的过程,本身就是递归。想象用一本纯英
文词典查单词,要查某一个单词的意思,翻到这个单词时,看解释,发现解释中有一个单
词不认识,所以,无法明白这个要查的单词是什么意思;这时,再用这本词典(函数本
身) 查那个不认识的单词,又发现查的第2个单词的解释中又有一个单词不认识,那么,
又再用 这本词典查第3个不认识的单词,这样,一个一个查下去,直到解释中所有单词都
认识,这 样就到底了,就明白了最后一个单词是什么意思,然后一层一层倒回来,就知道
我最初想查 的第1个单词是什么意思了,问题就解决了。
void function(arg1){
statements1
if(condition){ //condition为false,则终止调用,递归链断掉
function(arg2)
}
statements2
}
只要if语句为true,每个function()调用都将先执行statements1,然后再调用 function(),而不会执行statement2。当前调用结束后,程序控制权将返回给调用它的 function(),而该function()将继续执行statement2部分,然后结束,并将控制权返回给前 一个调用,以此类推。
递归的3个主要的点:
(1)出口条件,即递归“什么时候结束”,这个通常在递归函数的开始就写好
(3)如何由"情况n" 变化到"情况n+1",也就是非出口情况,也就是一般情况 ——"正在"递归中的情况
(3)初始条件,也就是这个递归调用以什么样的初始条件开始
递归的基本思想 :
是广义地把规模大的问题转化为规模小的相似的子问题或者相似的子问题集合来解决。
广义针对规模的,规模的缩小具体可以是指递归函数的参数,也可以是其参数之一。相
似是 指解决大问题的方法和解决小问题的方法往往是同一个方法,还可以是指解决子问
题集的各 子问题的方法是同一个方法。解决大问题的方法可以是由解决次规模问题的方
法和解决剩余 部分的方法组成,也可以是由一系列解决次规模问题的方法组成。
递归的应用:
- 求和1+2+3+…+(n-1)+n
class Demo{
public static void main(String[] args){
int n=100;
int sum=getSum(n);
System.out.println(sum);
}
public static int getSum(int n){
if(n==1){
return 1;
}
return getSum(n1)+n;
}
}

3. 斐波那契数列前20项:1,1,2,3,5,8,13,21…
class Demo{
public static void main(String[] args){
for(int i=1;i<=20;i++){
int num=fibo(i);
System.out.println(num);
}
}
public static int fibo(int i){
if(i==1||i==2){
return 1;
}
return fibo(i1)+fibo(i2);
}
}

5. 求n的阶乘 n!
class Demo{
public static void main(String[] args){
int n=10;
int num=get(n);
System.out.println(num);
}
public static int get(int n){
if(n==0||n==1){
return 1;
}
return get(n1)*n;
}
}
- 汉诺塔问题

- 八皇后问题

- 二叉搜索树
public class BinarySearchTree<E extends Comparable<E>> { // BST
private class Node {
public E e; // 节点数据域
public Node left, right;
public Node(E e) {
this.e = e;
left = null;
right = null;
}
}
private Node root; // 二分搜索树的根节点
private int size;
public BinarySearchTree() {
root = null;
size = 0;
}
// 获取树中元素的个数
public int size() {
return size;
}
// 判断树是否为空
public boolean isEmpty() {
return size() == 0;
}
// 将元素e添加到树中
public void add(E e) {
root = add(root, e);
}
// 以node为当前树的根节点,添加元素e并返回该树的根
private Node add(Node node, E e) {
if (node == null) {
size++;
return new Node(e);
}
if (e.compareTo(node.e) > 0) {
node.right = add(node.right, e);
} else if (e.compareTo(node.e) < 0) {
node.left = add(node.left, e);
}
return node;
}
// 查找元素e是否存在于树中
public boolean contains(E e) {
// 迭代实现
/*
* if(size()==0){ return false; } Node p=root; while(p!=null){
* if(e.compareTo(p.e)>0){ p=p.right; }else if(e.compareTo(p.e)<0){
* p=p.left; }else{ return true; } } return false;
*/
return contains(root, e);
}
// 查找以node为根节点的树是否包含元素e
private boolean contains(Node node, E e) {
if (node == null) {
return false;
}
if (e.compareTo(node.e) > 0) {
return contains(node.right, e);
} else if (e.compareTo(node.e) < 0) {
return contains(node.left, e);
} else {
return true;
}
}
// 中序遍历 preOrder前序 postOrder后序
public void inOrder() {
ArrayList<E> list = new ArrayList<E>();
inOrder(root, list);
System.out.println(list);
}
private void inOrder(Node node, ArrayList<E> list) {
if (node == null) {
return;
}
inOrder(node.left, list);
list.add(node.e);
inOrder(node.right, list);
}
// 层序遍历 广度优先遍历
public void levelOrder() {
ArrayList<E> list = new ArrayList<E>();
// 用辅助队列实现层序遍历
Queue<Node> queue = new LinkedList<Node>();
queue.add(root);
while (!queue.isEmpty()) {
Node cur = queue.poll();
list.add(cur.e);
if (cur.left != null) {
queue.add(cur.left);
}
if (cur.right != null) {
queue.add(cur.right);
}
}
System.out.println(list);
}
@Override
public String toString() {
StringBuilder sb=new StringBuilder();
generateBSTString(root,0,sb);
return sb.toString();
}
private void generateBSTString(Node node, int level,
StringBuilder sb) {
if(node==null){
sb.append(generateDepthString(level)+"null\n");
return;
}
generateBSTString(node.left, level+1, sb);
sb.append(generateDepthString(level)+node.e+"\n");
generateBSTString(node.right, level+1, sb);
}
private String generateDepthString(int level) {
StringBuilder sb=new StringBuilder();
for(int i=0;i<level;i++){
sb.append("--");
}
return sb.toString();
}
// 获取最小值
public E minmum(){
if(size()==0){
throw new IllegalArgumentException("Tree is empty!");
}
return minmun(root).e;
}
// 以node为根节点 查找该树中的最小值
private Node minmun(Node node){
if(node.left==null){
return node;
}
return minmun(node.left);
}
// 获取最大值
public E maxmun(){
if(size()==0){
throw new IllegalArgumentException("Tree is empty!");
}
return maxmum(root).e;
}
private Node maxmum(Node node) {
if(node.right==null){
return node;
}
return maxmum(node.right);
}
// 删除最小值
public E removeMin(){
E e=minmum();
root=removeMin(root);
return e;
}
// 以node为根节点的二分搜索树,在删除最小值之后并返回新树的根
private Node removeMin(Node node) {
if(node.left==null){
Node rightNode=node.right;
node.right=null;
size--;
return rightNode;
}
node.left=removeMin(node.left);
return node;
}
// 删除最大值
public E removeMax(){
E e=maxmun();
root=removeMax(root);
return e;
}
private Node removeMax(Node node){
if(node.right==null){
Node leftNode=node.left;
node.left=null;
size--;
return leftNode;
}
node.right=removeMax(node.right);
return node;
}
public void remove(E e){
root=remove(root,e);
}
// 以node为根 删除指定元素e之后 返回新树的根
private Node remove(Node node,E e){
if(node==null){
return null;
}
if(e.compareTo(node.e)>0){
node.right=remove(node.right,e);
return node;
}else if(e.compareTo(node.e)<0){
node.left=remove(node.left,e);
return node;
}else{
if(node.left==null){
Node rightNode=node.right;
node.right=null;
size--;
return rightNode;
}
if(node.right==null){
Node leftNode=node.left;
node.left=null;
size--;
return leftNode;
}
Node successor=minmun(node.right);
successor.right=removeMin(node.right);
successor.left=node.left;
node.left=node.right=null;
return successor;
}
}
}
2080



被折叠的 条评论
为什么被折叠?



