Python学习札记(十四) Function4 递归函数 & Hanoi Tower

reference：递归函数

Note

1.在函数内部，可以调用其他函数。如果一个函数在内部调用自身本身，这个函数就是递归函数。

eg.计算阶乘：

#!/usr/bin/env python3

def my_func(n) :
	if n == 1 :
		return 1
	return n * my_func(n-1)

output：

>>> from function4 import my_func

>>> my_func(1)
1

>>> my_func(2)
2

>>> my_func(3)
6

>>> my_func(4)
24

>>> my_func(5)
120

>>> my_func(10)
3628800

递归函数的优点是定义简单，逻辑清晰。理论上，所有的递归函数都可以写成循环的方式，但循环的逻辑不如递归清晰。

func(5)的计算过程：

===> func(5)
===> 5 * func(4)
===> 5 * (4 * func(3))
===> 5 * (4 * (3 * func(2)))
===> 5 * (4 * (3 * (2 * func(1))))
===> 5 * (4 * (3 * (2 * 1)))
===> 5 * (4 * (3 * 2))
===> 5 * (4 * 6)
===> 5 * 24
===> 120

2.使用递归函数需要注意 防止栈溢出。在计算机中，函数调用是通过栈（stack）这种数据结构实现的，每当进入一个函数调用，栈就会加一层栈帧，每当函数返回，栈就会减一层栈帧。由于栈的大小不是无限的，所以，递归调用的次数过多，会导致栈溢出。

eg. my_func(1000)

output:

  File "/Users/wasdns/Desktop/Python-Learning/function/function4.py", line 4, in my_func
    if n == 1 :
RecursionError: maximum recursion depth exceeded in comparison

3.解决递归调用栈溢出的方法是进行尾递归优化：

尾递归是指：1.在函数返回的时候，调用自身本身；2.return语句不能包含表达式。

这样，编译器或者解释器就可以把尾递归做优化，使递归本身无论调用多少次，都只占用一个栈帧，不会出现栈溢出的情况。

也就是说，尾递归优化重复调用一个帧栈，节省了大量运行时栈空间。

eg.

def my_func_2(num, product) :
	if num == 1 :
		return product
	return my_func_2(num-1, num*product)

output:

>>> my_func_2(5, 1)
120

计算过程：

===> func_2(5, 1)
===> func_2(4, 5)
===> func_2(3, 20)
===> func_2(2, 60)
===> func_2(1, 120)
===> 120

练习

Hanoi Tower解法请参考：Hanoi Tower。

抽象步骤：

1.将A柱中n-1个柱子搬到B柱。

2.将A柱中第n个柱子搬到C柱。

3.将A柱视作B柱，B柱视作A柱，重复上述两个步骤。

一个思考问题的关键是，忽略细节。在思考的时候，需要把函数视作一个整体功能，即将n个盘子从a移动到b，忽略其细节对于思考是一件很重要的事情。

def move(n, a, b, c) :
	if (n == 1) :			# A move last one to C
		print(a, '=>', c)
		return
	else :
		move(n-1, a, c, b)	# from A move n-1 to B 
		move(1, a, b, c)	# A move last one to C
		move(n-1, b, a, c)	# from B move n-1 to C

>>> move(3, 'A', 'B', 'C')
A => C
A => B
C => B
A => C
B => A
B => C
A => C

2017/2/3