标签：else += 转化 最简 难度 通过 stat 一个 none
这里拿一直被作为递归来举例而强行递归（无需递归就可求出的）的阶乘来说明
N！=N*(N-1)！
递归：就是要解决x(N)问题，转化成x(N-1)问题
他的展开：N！=N*(N-1)*(N-2)*...*3*2*1
迭代：N！=(N-1)！*N
他的展开：N=1*2*3...*(N-2)*(N-1)*N
个人的说明能力很有限，就是他们执行时，步骤是不同的，解决问题的结构是不同的。
递归在执行N！=N*(N-1)！时，实际(N-1)！是个什么值，是不知道的
迭代：N！=(N-1)！*N，时，(N-1)！的值已经是得出结果的
这个根节点可以看作是1！，因为从7到1，以及从1到7都是单行道，没分支。所以说这是一个最简单的例子。
汉诺塔是介绍递归最好的例子，因为移动N个盘子，可以转化成移动(N-1)个盘子的问题，最后归结到移动一个盘子的问题（这个是没有难度的）。通过递归，顺便找到了每一步演化的路线。
而迭代，就是不光不能用递归，而且不能用push，pop，因为这就是你手动实现了递归。而是要从根节点开始，一步一步迭代，推导到最后完成那一步。如果绕了一圈，我终于知道该怎么迭代，这个也是不行的，属于强行迭代。因为从问题开始节点，你不知道该怎么迭代。所以说这个用迭代是不明智的。
这里拿求出一个二叉树的第三层所有节点的递归，迭代python程序（虽然拿这个做例子会越说越糊涂）：
class My_tree: my_root = None def __init__(self,id): self.id=id self.left = None self.right = None def create_left(self): left = My_tree(self.id + ‘l‘) self.left = left return left def create_right(self): right = My_tree(self.id + ‘r‘) self.right = right return right @staticmethod def sub_nodes(nodes): s_nodes = [] for node in nodes: if node.left != None: s_nodes.append(node.left) if node.right != None: s_nodes.append(node.right) return s_nodes tr = My_tree(‘root_‘) My_tree.my_root = tr tr_l=tr.create_left() tr_r=tr.create_right() tr_l_l=tr_l.create_left() tr_l_r=tr_l.create_right() tr_r_l=tr_r.create_left() tr_r_r=tr_r.create_right() def recursive(n): return recursive3(n-1) def recursive3(n): if n==0: nodes = [My_tree.my_root] else: nodes = recursive3(n-1) nodes = My_tree.sub_nodes(nodes) return nodes print("递归求解############") nodes = recursive(2) print(nodes) print("迭代求解############") k=0 nodes=[My_tree.my_root] while k<2: nodes = My_tree.sub_nodes(nodes) k += 1 print(nodes)
标签：else += 转化 最简 难度 通过 stat 一个 none
原文地址：https://www.cnblogs.com/nocomment/p/13094875.html
