Java 中的递归
递归
递归 一种通过调用某个方法来描述需要重复进行的操作。该方法的特点就是可以自己调用自己。
案例一
排队的问题
在生活中，我们经常需要排队。在排队中，我们怎么才能知道自己所排在第几位呢？
我们也许会想到数自己前面有几个人，这就是典型的迭代思想。就像是一个while循环，只要前面还有没数过的人，就不会停止。这种方式相对来说是比较直观的，但是同样也有局限性。比如在排队时，遇到了转弯，我们看不到前面的人怎么办呢？
有一个方法，我们可以通过询问前面一个人他所处的位置。假设有A、B、C、D四个人，D询问C所在的位置，C询问B所在位置，B询问A所在的位置。A知道自己排在第一位（他不需要再问别人了，这一个询问的过程结束），然后告诉B，那B就知道自己在第二位；然后B告诉C，C也就知道了自己在第三位；最后C告诉D他在第三位时，D也就知道自己所在的位置了。这就是使用递归思想来分析问题——每个人都来回答一个问题，从而使这个问题多次重现（recur）。
这一点也是递归思想的精髓所在，递归方法涉及多个进行合作的单元，每个单元负责解决问题的一小部分。例如刚刚那个例子，每个人都像前询问一个问题，最后每个人又向后回答一个问题，而不是由一个人来负责统计所有的人数。
迭代到递归的转变
根据传递的长度length，打印出length个“ * ”
/**
- 迭代
* - @param length
*/
public void writeStars1(int length) {
for (int i = 0; i < length; i++) {
System.out.print("*");
}
System.out.println();}
/**
- 递归
* - @param length
*/
public void writeStars2(int length) {
if (length == 0) {
System.out.println();
} else {
System.out.print("*");
writeStars2(length - 1);
}}
上面这两个方法最终结果都是一样的。不同的是，迭代好比是一个人来统计所有的人数。递归则是由每个人回答同一个问题，由于每个人所在的位置不同，所回答的结果也不相同。
递归方法的结构
public void writeStars3(int length) {
System.out.println("*");
writeStars3(length - 1);}
我们看一下上面这段代码，如果执行这段代码，程序并不会停止，会一直在自己调用自己执行下去。这也就是我们可能会遇到的无穷递归（infinite recursion）。
递归方法有两个重要的组成部分：一个基本情况（base case）和一个递归情况（recursive case）。
基本情况 一种简单到不需要递归调用就可以解决的情况。
递归情况 一种需要把整个问题转化成一个相同种类的，比较简单的，而且可以通过递归调用来解决的问题的情况。
/**
- 通过注释来解释基本情况和递归情况
* - @param length
*/
public void writeStars2(int length) {
if (length == 0) {
// 基本情况
System.out.println();
} else {
// 递归情况
System.out.print("*");
writeStars2(length - 1);
}}
案例二
我们有一个LinkedList集合，现在需要按照倒叙把集合的内容打印出来，打印完之后集合里面不要有数据。
通过迭代实现
代码
LinkedList list = new LinkedList<>();
list.add("a");
list.add("b");
list.add("c");
list.add("d");
list.add("e");
list.add("f");
System.out.println(list);
for (int i = list.size() - 1; i >= 0; i--) {
System.out.print(list.get(i) + " ");}
list.clear();
System.out.println();
System.out.println(list);
输出结果
[a, b, c, d, e, f]
f e d c b a
[]
看到上面的结果，显然是符合要求的。那我们如果使用递归，该怎么实现呢？
通过递归实现
代码
public static void main(String[] args) {
LinkedList<String> list = new LinkedList<>();
list.add("a");
list.add("b");
list.add("c");
list.add("d");
list.add("e");
list.add("f");
System.out.println(list);
Iterator<String> iterator = list.iterator();
writeArray(iterator);
System.out.println();
System.out.println(list);}
/**
- 递归实现
- @param iterator
*/
private static void writeArray(Iterator iterator) {
// 如果迭代器中还有数据，才进行递归计算
if (iterator.hasNext()) {
// 获得当前指针的参数
String next = iterator.next();
// 删除当前指针
iterator.remove();
// 使用递归计算
writeArray(iterator);
System.out.print(next + " ");
}}
输出结果
[a, b, c, d, e, f]
f e d c b a
[]
由上述代码可以看出，使用递归算法，也可以同样得到结果，并且可以不使用for循环来完成任务。
调用栈
调用栈 用来跟踪所调用方法的顺序的内部结构。
了解递归的底层机制，对于初学者来说是很有帮助的。我们先来分析下面这段代码：
public static void main(String[] args) {
draw();
draws();}
private static void draw(){
System.out.println("在纸上画了一幅画");}
private static void draws(){
draw();
draw();}
我们来人工debug一下这段代码。
程序首先进入main方法；
然后程序会停止执行main方法，转而去执行draw方法，当程序执行完draw方法时，会回到main方法当中；
接着需要执行draws方法，draws方法又会去调用两次draw方法。而此时位于顶端的方法则是我们正在执行的方法draw；
当我们执行draw时，回到了draws上面，执行完draws后，最终会回到main方法中；
调用一个方法我们就把它放在最上面的位置，这就是Java的调用栈（call stack）
了解了什么是调用栈，则可以利用调用栈来分析刚刚那个递归倒叙是如何工作的了。
案例三
整数的密运算。Math.pow(x, y)可以进行x的y次幂运算。但是如果要通过递归该如何实现呢？
为求简单，我们只考虑整数的情况。也就是说我们不考虑负指数，因为它的结果不是整数。
在递归情况中，我们已知y > 0。我们至少需要再乘一个x：x的y次幂=x * x的y-1次幂（$x^y = x * x^z$）。由此我们可通过以下代码实现。
public static void main(String[] args) {
System.out.println(Math.pow(3, 5));
System.out.println(pow(3, 5));}
private static int pow(int x, int y) {
// 按照定义，任何整数的零次幂都是1
if (y == 0) {
return 1;
} else {
return x * pow(x, y - 1);
}}
运算结果
243.0
243
案例四
我们在写程序时，通常都会使用包含上下级结构的码表，例如下面这个数据：
SysCode{scId='01', itemName='测试1', sort=1, fScId='null', cDesc='测试测试1'}
SysCode{scId='02', itemName='测试2', sort=1, fScId='01', cDesc='测试测试2'}
SysCode{scId='03', itemName='测试3', sort=3, fScId='01', cDesc='测试测试3'}
SysCode{scId='04', itemName='测试4', sort=2, fScId='01', cDesc='测试测试4'}
SysCode{scId='05', itemName='测试5', sort=1, fScId='03', cDesc='测试测试5'}
SysCode{scId='06', itemName='测试6', sort=2, fScId='03', cDesc='测试测试6'}
SysCode{scId='07', itemName='测试7', sort=2, fScId='null', cDesc='测试测试2'}
SysCode{scId='08', itemName='测试8', sort=1, fScId='07', cDesc='测试测试2'}
分析以上代码，我们可以根据fScId封装上下级
关系，首先在SysCode类中增加一个children集合来保存子集。
/**
- 使用递归创建子集
* - @param scId
- @param list
- @return
*/
private List getSysCodeChildren(String scId, List list) {
List<SysCode> sysCodeList = new ArrayList<>();
list.forEach(e -> {
if (null != e.getfScId() && e.getfScId().equals(scId)) {
e.setChildren(getSysCodeChildren(e.getScId(), list));
sysCodeList.add(e);
}
});
return sysCodeList;}
递归回溯
很多问题都可以通过系统地检查各种可能性来求解。比如，一个迷宫得游戏，要从入口找到出口，可以检查每一条线路，直到找到可行的线路。
很多使用穷举搜索求解得问题都能够用回溯法（backtracking）求解。回溯法是一种适宜用递归方式表示的问题求解方法。因此，这种方法也称为递归回溯（recursive backtracking）。
（递归）回溯法 一种搜索问题解的通用算法，它先找出可能得候选解，一旦确定某个候选解不适合，就立刻放弃进一步尝试（回溯）。
案例分析
移动线路问题
考虑一个标准的平面直角坐标系（x, y），假设从原点（0, 0）出发，可以进行以下三种移动方式：
向北移动（用“ N ”表示），每次移动纵坐标 +1；
向东移动（用“ E ”表示），每次移动横坐标 +1；
向东北移动（用“ NE ”表示），每次纵坐标，横坐标各 +1；
如上图所示，从原点出发，会有三种不同的移动方式。现在定义一种移动路线问题：通过一系列移动，从原点到坐标（x, y）。例如，通过移动序列：N -> NE -> N 可以到达（1, 3）。
每个适用于回溯法解决的问题都具有包含问题所有可能解的解空间（solution space）。可以把解空间想象成一颗决策树（decision tree）。对于我们要解决的移动线路问题来说，每次移动方案都是选择的结果。
考虑从原点（0, 0）到（1, 2），所有可能的移动序号是：
N -> N -> E
N -> E -> N
N -> NE
E -> N -> N
NE -> N
用程序该如何找出这些解呢？对于大多数回溯问题，最终都会编写两个方法。一般会定义一个含有反应问题特性的参数的公有方法。另外会定义一个包含一些额外参数，执行实际回溯处理过程的私有方法。
因为要使用递归，所以需要确定基本情况和递归情况这两个部分。回溯法通常包含两种不通的基本情况。找到解时，停止回溯，这也是递归过程的一个基本情况。发现遇到死路的时候，停止继续搜索。
在回溯搜索过程中，如果既没有找到问题的解，也没有进入死路，就需要继续探索每一种可能的选择。根据上述的分析，我们可以编写以下伪代码来解释该回溯过程：
private static void explore(current(x, y), target(x, y)) {
if(一个解) {
打印出解
} else if(不是死路) {
explore(向N移动);
explore(向E移动);
explore(向NE移动);
}}
在这个问题中，我们需要当前位置的x, y坐标和目标x, y的坐标。还要记录每次移动的结果，用来形成最终的路径报告。
我们可以通过对比当前移动的起点和终点是否匹配，来验证是否找到了解。对于是否进入死路这个问题，我们知道在移动的过程中，横坐标和纵坐标只会递增，所以一旦当前位置的x坐标值大于目标位置的x坐标值，或者当前位置的y坐标值大于目标位置的y坐标值，就能知道在相应方向上移动距离超过了目标值，所以永远不可能找到解，这时需要停止继续搜索。整合这些分析，我们可以得到以下代码：
public static void main(String[] args) {
// 使用回溯法找到（1, 2）的所有线路
travel(1, 2);
}
/**
- 反应问题特性的参数的公有方法
* - @param targetX ：x目标值
- @param targetY ：y目标值
*/
public static void travel(int targetX, int targetY) {
explore(targetX, targetY, 0, 0, "path: ");}
/**
- 执行实际回溯处理过程的私有方法
* - @param targetX ：x目标值
- @param targetY ：y目标值
- @param currX ：当前x目标值
- @param currY ：当前y目标值
- @param path ：移动的路径
*/
private static void explore(int targetX, int targetY, int currX, int currY, String path) {
if (currX == targetX && currY == targetY) {
System.out.println("找到解：" + path);
} else if (currX <= targetX && currY <= targetY) {
explore(targetX, targetY, currX, currY + 1, path + " N");
explore(targetX, targetY, currX + 1, currY, path + " E");
explore(targetX, targetY, currX + 1, currY + 1, path + " NE");
}}
输出结果
找到解：path: N N E
找到解：path: N E N
找到解：path: N NE
找到解：path: E N N
找到解：path: NE N
下图则是上述搜索对应的决策树，其中五个深色的部分就是找到的解。
这种返回到上一次选择并继续搜索其他可能性的特性，是讲该类方法成为回溯法的原因。找到解或者死路的时候，就返回上一次进行选择的情况，并尝试其他可能，直到尝试完所有可能的选择。
参考文章：
来源：https://muycode.cn/article/backtracking200409.html
《Java程序设计教程 第三版》
