概念

递归算法是一种通过函数调用自身将问题分解为同类型的子问题来求解的算法。核心在于通过重复缩小问题规模直至达到可解的基线条件，在逐层返回结果完成原问题的求解。

基本原理

-【递去】与【归来】：通过将问题拆解成更小的相同结构的子问题，最终通过基线条件终止递归并逐层返回结果；

• 终止条件【基线条件】：必须明确的定义递归结束的边界条件，否则会导致无限递归和栈溢出（StackOverflowError）问题；

关键特征

• 简洁性：用少量代码描述复杂逻辑，如阶乘函数可通过n! = n*(n-1)!的递归定义简洁实现。
• 效率问题：可能因重复计算导致时间复杂度过高，例如斐波那契数列的递归解法效率低于迭代方法。
• 栈空间消耗：每次递归调用占用栈帧，深度过大时可能引发栈溢出。

应用场景

1. 数学问题

• 阶乘计算：factorial(n) = n * factorial(n-1)，基线条件为n=0时返回1。
• Ackermann函数：展示复杂递归关系，其增长速率极快。

2. 算法与数据结构

• 汉诺塔问题：通过递归实现圆盘移动的逻辑分解，时间复杂度为O(2n)。
• 文件系统遍历：递归处理嵌套目录结构，如统计文件数或搜索特定文件。

3. 组合问题

• 全排列生成：通过交换元素位置递归生成所有可能的排列组合。
• 八皇后问题：递归试探棋盘位置并回溯，寻找所有合法布局。

优化策略

• 尾递归优化：通过改写递归函数使调用成为最后一步操作，编译器可优化为迭代以避免栈溢出。
• 记忆化技术：缓存已计算子问题的结果（如使用哈希表），减少重复计算，提升效率。
• 使用递归时需平衡代码简洁性与执行效率，优先选择分治策略明显的问题场景。例如快速排序和二叉树遍天然适合递归实现，而数值计算类问题可能更适合迭代方法。