标签:style blog http io ar color os 使用 sp
写在前面
《软件随想录:程序员部落酋长Joel谈软件》一书中《学校只教java的危险性》一章提到,大学计算机系专业课有两个传统的知识点,但许多人从来都没搞懂过,那就是指针和递归。我也很遗憾没能早点熟练掌握这两个知识点。本节一些关键知识点和部分例子,都整理自教材或者网络,参考资料列在末尾。如果错误请纠正我。
思考列表:
1)什么程序具有递归解决的潜质?
2)递归还是非递归算法,怎么选择?
3)递归程序构造的一般模式
首要引入递归定义这一概念。
通常我们定义一个新概念,总是使用已经定义过的或者意义显然的术语,而递归定义则是一种根据自身概念定义自身的定义。
例如阶乘函数的定义:
例如斐波那契数列定义如下:
递归定义,主要有两个作用,一是产生新的元素,另一个是判断一个元素是否属于某个集合.
具有这种递归定义的函数,是很容易编程实现的。
假设我们讲上述阶乘函数转换为程序代码如下:
//using recursion int factr(int n) { if ( n ==0) return 1; return n*factr(n-1); }
我们调用fact(3)则返回6,这里有一个疑问,我好像什么都没做啊?
如果我们选用他的迭代实现:
//using iteration int facti(int n) { int result = 1; for(int i = 1 ; i <= n;i++) result *= i; return result; }
首先要了解系统中函数调用时大致情况(此处不详细学习,要想更深入和全面,请参考:Wiki Call stack)。在高级语言编写的程序中,调用函数和被调用函数之间的链接及信息交换通过栈来进行。(该段参考自【1】)
通常,在运行被调用函数之前,系统需要做3件事,包括:
从被调用函数返回调用函数之前,系统也要完成3件事:
归纳起来,就是函数调用的过程中处理要素包括:函数控制权的转接工作(利用函数入口地址和返回地址),局部变量的空间分配工作,实参和形参的传递,函数的返回结果传递。一个函数的状态由一个5元组决定,即function(入口地址,返回地址,形参值,局部变量值,返回值)。保存所有这些信息的数据区称为活动记录(activation record)或者叫做栈结构(stack frame),它是在运行时栈上分配空间的。活动记录,在函数开始执行的时候得到动态分配的空间,在函数退出的时候就释放其空间。main函数的活动记录比其他活动记录生命周期长。
这里注意的是,活动记录保存函数参数的时候,既可以值传递也可以传递地址,如果是值传递则保存数据元素的副本,如果是传递数组或者按引用则活动记录包含数组第一个元素的地址(数组首地址)或者该变量的地址。同时对于局部变量,活动记录只包含他们的描述符和指向存储它们的位置的指针。
简单的函数调用过程,例如如下代码:
int main() { int m,n; ... /*110*/ first(m,n); /*111*/ ... } int first(int s,int t) { int i; ... /*210*/ second(i); /*211*/ ... } int second(int d) { int x,y ... }
那么函数调用的过程中形成的活动记录栈的内容如下:
对于递归函数调用,表面上看,好像我们什么都没做,就完成了功能,实际上在函数递归调用的过程中,函数的活动记录不停的分配和回收,计算过程在进行着。
递归调用不是表面上的函数自身调用,而是一个函数的实例调用同一个函数的另一个实例。(参考自【2】)
我们将上面的阶乘函数重写,标上一个地址标号(这是一个粗略的标号,实际上底层的机器地址不是这样的):
int main() { /*102*/ int n = factr(3); /*103*/ std::cout << "Factorial of "<<n<<" : "<<factr(n)<<std::endl; } //using recursion /*201*/ int factr(int n) { /*202*/ if ( n == 0) /*203*/ return 1; /*204*/ return n*factr(n-1); }
则我们在main函数中调用fact(3)是执行的活动记录过程如下:
可以看出实际上递归调用时,系统不停的分配活动记录,调用从main()--->fact(3)--->fact(2)-->fact(1)--->fact(0) 一层层深入,然后再一层层回退,直到main函数中。由于活动记录中保存了函数局部变量,因此每次调用之间互补干扰,从一个被调用函数返回调用函数时能够保证计算出准确的结果,并返回上一层的函数,依此进行。活动记录栈是分析递归程序的一种好的方法。
递归有许多级别和许多不同量级的复杂度。
我们从尾部递归与非尾部递归,直接递归和间接递归来分类了解。
简单的如,尾部递归。尾部递归,即那种在函数实现的末尾只使用一个递归调用。尾部递归的特点是,当进行调用时,函数中没有其他剩余的语句要执行,并且在这之前也没有其他直接或者间接的递归调用。
尾部递归示例程序:
#include <iostream> #include <list> #include <string> using namespace std; void printListi(list<int>::iterator itCur,list<int>::iterator end); void printListr(list<int>::iterator itCur,list<int>::iterator end); int main(int argc,char** argv) { list<int> iList; for(int i = 0;i < 10 ;i++) iList.push_back(i); if ( argc == 2 && string(argv[1]) == "-r") printListr(iList.begin(),iList.end()); else printListi(iList.begin(),iList.end()); } //using tail recursion void printListr(list<int>::iterator itCur,list<int>::iterator end) { if( itCur == end) { std::cout<<std::endl; return; } std::cout<<*itCur++<<" "; printListr(itCur,end);//at tail ,call itself } //using iteration void printListi(list<int>::iterator itCur,list<int>::iterator end) { while(itCur != end) std::cout<<*itCur++<<" "; std::cout<<std::endl; }这里使用尾递归或者迭代方式输出链表内容,可以看出尾递归只是一个变形的循环,可以很容易用循环来代替。在含有循环结构的语言中,不推荐使用尾部递归。
除了尾部递归,当然存在非尾部递归,例如:
#include <iostream> #include <string> void reverse1(); void reverse2(); void reverse3(); int main(int argc,char** argv) { std::cout<< "input somethind:"<<std::endl; reverse2(); std::cout<<std::endl; } //all chars reverse,no newline void reverse1() { char ch; std::cin.get(ch); if( ch != '\n') { reverse1(); std::cout.put(ch); } } //with newline at head line,other chars reverse void reverse2() { char ch; std::cin.get(ch); if( ch != '\n') reverse2(); std::cout.put(ch); } //output only newlines void reverse3() { static char ch;//note the static std::cin.get(ch); if( ch != '\n') reverse3(); std::cout.put(ch); }
上面的尾部和非尾部递归,都是直接递归,也就是函数自身调用自己。另外一种情形是,一个函数通过其他函数间接调用自身,例如f()-->g()-->f()这种间接形式。
还有所谓的嵌套递归,即函数不仅根据自身定义,而且还作为该函数的一个参数进行传递。例如Ackermann函数:
这种情形是很复杂的。
汉诺塔问题已经将的很多了,这里给出其递归和迭代实现,然后讨论一些注意点。
迭代版本的实现,参考了http://www.ecse.rpi.edu的资料,然后自行整理的。迭代版本的实现方式如下:
将盘子从大到小编号1-n,将柱子编号0,1,2。规定:
1)每次只能移动一个盘,且只能将小盘放在大盘上面。
2)盘子偶数号码时,沿着逆时针方向移动即0-2-1-0;盘子奇数号码时,沿着顺时针移动,即0-1-2-0;
3)每次移动的盘子不能是上次移动过的盘子
注意,每次移动的过程中,要选择一个上次没有移动过的盘,那么剩下的两个盘子中,肯定有一个大和一个小些的,一般总是选择最小的一个,如果没有最小的一个则移动那个大的盘(例如另外一个没有移动的盘已经压在了刚刚移动过的盘子下面)。同时如果初始时移动盘子数目为奇数,则最终盘子在1号柱子,否则在2号柱子。
// using recursion void hanoiRecursion(int n,char src,char mid,char target) { if(n == 0) { return; // do nothing } hanoiRecursion(n-1,src,target,mid); // move the up n-1 stack to mid ++g_stepCnt; cout<<"("<<n<<","<<src<<"-->"<<target<<")"<<endl;// move the n-th stack to target hanoiRecursion(n-1,mid,src,target);// move the up n-1 stack from mid to target } // using iteration // if n odd then final post is 1,else is 2 void hanoiIteration(int n) { stack<int> dStack[3]; if (n <= 0) return; // put n disk at stack 0 for(int i = n;i > 0;i--) dStack[0].push(i); int lastItem = -1; //record last moved disk while(!dStack[0].empty() || !dStack[n%2+1].empty()) { //pick the smallest and not the last moved disk to move int stackNum = 0,moveItem = n+1; for(int i = 0;i < 3;i++) { if(dStack[i].empty() || dStack[i].top() == lastItem) continue; if(dStack[i].top() < moveItem) { stackNum = i; moveItem = dStack[i].top(); } } lastItem = moveItem; ++g_stepCnt; //move odd-numbered disk clockwise ,move even-numbered disk counter-clockwise int target = (moveItem % 2 == 0 )?(stackNum+2)%3:(stackNum+1)%3; cout<<"("<<moveItem<<","<<stackNum<<"-->"<<target<<")"<<endl; dStack[target].push(moveItem); dStack[stackNum].pop(); } }
如何计算盘子移动次数?
一个性质是,只要盘子总数确定,不过从哪儿移动到哪个目的柱子,总共要移动的次数是一样的。
假设n个盘子移动次数为h(n),则我们可以计算如下:
可以看出当n=64时,数目极其巨大,无法在有效时间内解决。
Hanoi塔的迭代版本可以使用位操作实现,不过好像技巧性比较强,有兴趣可以参考:How
does this work? Weird Towers of Hanoi Solution.
Koch雪花问题,设计到递归实现问题。关于其一般介绍可参考Wiki koch snow,这里主要讲述与递归实现相关的部分。
首先给出一个OpenGL绘制的效果图如下:
关于这个雪花的实现有3个重要的数学问题。
1)绘制的规律--利用转动角度和圆的坐标计算
首先发现一下规律。
上面分别为进行了0次分形,1,2,3次分形的图形,不管怎么分形有一个重要的性质(一开始我是没想到的,后来观察教材的实现代码是明白了)。
第一次从O1点计算出O2点,O2在其圆周上,利用圆心坐标公式:
prevX = prevX + (side/3)*cos(angle*PI / 180.0); prevY = prevY + (side/3)*sin(angle*PI / 180.0);
2)周长是无限的
每进行一次细分,则边的数目是原来的4倍,同时边的长度是上次的1/3,因此有:
当n趋于无穷大时,长度不收敛,为无穷大。
3)面积是有限的
面积推导也比较简单,每次分形后,面积都在前面的基础上增加,而增加的部分就是向外扩展的小三角形的面积。设原始边长为a,则前几次分形的面积计算如下:
通过发现规律,可以计算出n趋于无穷时的面积为:
由此可以看出,Koch雪花在有限的面积内,周长却无限大。
实际在利用OpenGL绘制Koch雪花时,只需要保存所有的点即可,然后一次渲染即可。
关键部分实现如下:
//predefined variables std::vector< glm::vec4 > vertexVec;//hold points float prevX = 0.0f,prevY =0.0f;//the previous point int angle = 0; float side = 3.0f; int level = 6; //prepare snow data void prepareData() { float originX = 0,originY =0; vertexVec.push_back(glm::vec4(originX,originY,0,1)); for(int i=0;i< 3;i++) { drawFourLine(side,level); angle += -120; } } //draw four lines void drawFourLine(float side,int level) { if (level == 0) { prevX = prevX + (side/3)*cos(angle*PI / 180.0); prevY = prevY + (side/3)*sin(angle*PI / 180.0); vertexVec.push_back(glm::vec4(prevX,prevY,0,1)); } else { drawFourLine(side/3,level-1); angle += 60; drawFourLine(side/3,level-1); angle += -120; drawFourLine(side/3,level-1); angle += 60; drawFourLine(side/3,level-1); } }代码表明,我们实际上把一个雪花看做3个4段组成的,而一个4段的每一段又可以继续分为4段,特殊情况例如没有分形时只有一条边,而这条边可以看做一个4段的特殊情况。
曾经遇到过一个全排列的问题,即给定无重复值的字符串,给出其全排列,例如ab,全排列即为ab,ba.
实际上在用递归实现时,基本算法描述为:
permutaion(input,output) 如果只有一个字符,则将字符添加到output即可; 否则: 每次从input中取出一个不同的字符作为头部字符head 然后拿出剩下的部分leftPart进行排列(返回的是一个子串的排列的集合) 对剩余部分排列的每个结果的首部加上头部head,得到的结果添加到output简单来讲,就是固定一个头部,然后让剩下的子串全排列,将头部和子串全排列的每个结果串链接起来,从而得到完整的全排列。
对于子串重复执行这个过程,直到遇到只有一个字符时,它不用排列了,直接返回即可。
算法实现为:
// permutation the input string and save it to result void permutation(string input,vector<string> &result) { if(input.length() == 1) { result.push_back(input); return; } for(string::size_type i= 0;i < input.length();++i) { string leftPart = input; leftPart.erase(i,1);//get left part vector<string> strVec; permutation(leftPart,strVec);// use left part to permutate // add this char with left part result for(vector<string>::iterator it = strVec.begin();it != strVec.end();++it) result.push_back(input[i] + *it); } }例如输入"abc",则输出结果为:
Permutation of: abc ,kind: 6 abc acb bac bca cab cba
用递归实现的还有很多程序,例如迷宫问题,8皇后问题等等,不再列举。
刚刚学习python的时候写过一个Fibonacci数列的程序,如下:
def fibr(n): """get the n-th Fibonacci series number,using recursion""" global callCnt callCnt += 1 # count how many time function called if n < 2: return n return fibr(n-1)+fibr(n-2)
我们看下实际情形(粗略的时间估计):
~ python3 fibr.py 30 fib(30)=832040 called 'recursive function fibr' 2692537 times consumed 1029.3409824371338 ms ************************************************** ~ python3 fibr.py 40 fib(40)=102334155 called 'recursive function fibr' 331160281 times consumed 125293.18809509277 ms现在知道实际上在递归调用斐波那契数列时例如n=40时函数fibr调用了3亿多次,花了2分多钟才计算完毕!
同样书写了一份迭代版本,去除程序中多余的时间统计和函数调用统计语句后,粗略地比较了c++/Python计算的时间:
通过分析上述数据,可以得出:迭代算法的效率要比递归效率高,C++编译型语言执行计算时比解释型语言Python要快10倍左右(这个比较不代表python在其他方面没有优势)。
下面要对Fabonacci数列的递归实现和迭代实现做简单分析。
对于递归实现,归纳总结得出:
也就是说,对于Fib(n),计算时执行函数调用2Fib(n+1)-1次,执行加法Fib(n+1)-1次。
而对于迭代实现:
//using iteration long long fibi(int n) { if(n < 2) return n; else { long long last =0; long long cur = 1; for(;n > 1;n--) { long long tmp = cur; cur += last; last = tmp; } return cur; } }对于n>1,进入for循环,一共执行(n-1)次。每次循环中执行3次复制操作,隐含一个加法操作,那么一共需要3(n-1)次赋值和(n-1)次加法运算。
这个例子告诉我们,虽然递归算法很容易书写,但是具体应该用递归还是迭代实现,应该视情况而定;最好对迭代和递归版本实现的复杂度和开销进行分析,或者在实际机器上比较算法执行效率。
对于递归算法,总结如下:
1)一般对如要解决的问题,如果能进行分解,且分解为一个和原问题具有相同特征,则可以利用递归实现。
例如移动Hanoi塔分解后就是将上面的(n-1)个塔从一个塔移动到另外一个塔;例如全排列问题,取出一个作为头部后,对于剩下的元素,同样要求出其全排列;对于迷宫问题,总是从当前位置开始,如果是结束位置则停止,否则尝试4个方向走出迷宫,每走到一个新位置,又作出同样的抉择。
2)递归程序的编写,有一个普遍的模式,即程序有一个基底或者叫做出口,另外的部分就是调用自身即可。请注意递归程序一定要选择好出口,否则就成了盗梦空间里回不来了。
出口部分,例如只有一个盘子的Hanoi塔,只需移动他即可;只有一个字符的全排列问题,只需要返回它即可;这些都是程序的出口。递归程序的一个模式就是:
function(param) if 出口: 处理并返回; 否则: ... function(param) .....
3)是谁在背后支持我们的递归调用? 一个是语言本身的支持,另一个是操作系统的运行时栈的支持以及可能的硬件支持。
递归函数避免不了递归调用时的栈开销,但这也并不意味着它的效率一定比迭代方法低。
对如一个问题,迭代实现和递归实现需要作出比较和分析,然后确定到底使用哪种算法实现。
如果想进一步了解,可以参考[4]上面的讨论。
最后,贴上StackOverflow上面的关于递归的一个挺有趣的解释:
A child couldn't sleep, so her mother told her a story about a little frog, who couldn't sleep, so the frog's mother told her a story about a little bear, who couldn't sleep, so the bear's mother told her a story about a little weasel... who fell asleep. ...and the little bear fell asleep; ...and the little frog fell asleep; ...and the child fell asleep.
[1] 《数据结构》 严蔚敏 吴伟明 清华大学出版社
[2] 《数据结构与算法 c++版 第三版》 Adam Drozdek编著 清华大学出版社
[4]
What is recursion and when should I use it?
标签:style blog http io ar color os 使用 sp
原文地址:http://blog.csdn.net/wangdingqiaoit/article/details/41627581