递归、尾递归和函数式编程

最近看到好多人用手机拍递归照，于是我跟着俗气了一把。这张照片不仅满足我的自拍欲望， 也让我对递归充满了敬意！如果用语言来描述拍照时发生的情景的话，那就是：

• 现实中的我，在拍照片
• 照片中的我，在拍照
• 照片中的我拍的照片中我，在拍照
• 。。。
• 第N重世界中的我，还在拍
• 
  

很不幸，无论拍照技术再高超、设备再先进也无法达到无限递归。对此知乎上有专门的讨论。虽说如此，但这并不使我感到沮丧， 对于程序员来说无法停止反而是个灾难。让我觉得有趣的是，假如照片中的我，是个另一唯度的我自己，那么我该如何跟跟任何一个维度中我沟通呢？

假使他们真的存在，那么第一件事就是和他们每一个人打个招呼。这件事情真是非常的简单，我不需要对着他们每个人说一遍，只要和照片中的那个我亲切的打招呼热烈的拥抱，最后叮嘱他做我做过事情，这样每个人都将得到一个招呼和拥抱。

这就是递归的乐趣吧! 废话少说，我们今天要讲的当然不是N重世界，而是和递归有关的编程知识。

一般递归的问题：

Fibonacci数列求值可谓递归经典，对于Fibonacci数列的定义用语言来描述就是，第N项是第N-1与第N-2项之和， 第0项和第1项分别是0，1。 数学表示就是F(n) =F(n-1)+F(n-2); F(0) =0; F(1)=1; n>=0 。

用函数递归代码来描述更是直接而又暴力， JavaScript的代码如下：

function fibonacciRecursivily(n){
	if(n==0){
		return 0;
	}
	if(n==1){
		return 1;
	}
	return fibonacciRecursivily(n-1)+fibonacciRecursivily(n-2);
};

函数的递归调用是通过栈来实现的，每一次函数调用都会把当前函数的状态，如变量，返回地址保存在栈中一直到函数返回才能出栈。因为程序运行时，栈的大小一般很有限（在chrome中运行下面的代码可以计算出chrome给每个线程的栈大小），因此如果递归调用的层次如果过多，将会使栈区溢出。

var n=0;
setTimeout(function(){console.log((n*2/1024)+"KB")}, 1000);
a();
function a(){
	n++; 
	a();
}

当函数递归调用的栈深度超多栈的最大限度时就会溢出，例如：上面的a(); 很快就会抛出RangeError: Maximum call stack size exceeded。

然而fibonacciRecursive(100)并不会抛出栈溢出的错误，因为它的递归深度还不足以占满栈区，但却使程序陷入大量的计算。仔细分析调用过程发现，fibonacciRecursivily(100)的最大栈深度是100，也就是说fibonacciRecursivily算法的空间复杂度是O(n)。 然而它的时间复杂度却是惊人的O(1.618 ^ n)。

解决递归时间的问题：

因此有人说Fibonacci是个使用递归的反例，其实不然，问题不能简单的归结递归过程本身的低效，递归过程作为一个问题的语法描述显示出了它的直观和简单。Fibonacci递归实现真正的问题不是过多的栈（空间问题）的使用，而是子问题的重复计算（时间复杂度）。这一点也不足以证明递归是低效，我们只用改变一下算法，避免子问题的重复计算。这类问题通常是动态规划的拿手好戏，于是有了各种利用空间来换取时间的算法，例如用一个数组，来保存数列的值，这样时间和空间的复杂度是O(n)。 使用动态规划的递归调用，把每一次的计算结果保存起来，下一次再次调用时如果有已经计算过就直接取回，而不用重复计算，但在代码上看起来和fibonacciRecursivily却是相似：

function fibonacciDynamically(n){
	var fibonacci =new Array(n+1);
	return calculate(n);
}
function calculate(n){
	if(n==0)
		return fibonacci[n] = 0;
	if(n==1)
		return fibonacci[n] = 1;
	if(fibonacci[n] != undefined)
		return fibonacci[n];
	else{
		return fibonacci[n]=calculate(n-1)+ calculate(n-2);
	}
}

虽然在时间得到很大的提高，但是递归的本质并没有什么变化，仍然需要用栈来保存递归调用， 因此在空间上相比fibonacciRecursivily反而额外增加了一个数组，空间复杂度反而有所增加。 这显然不能让人满意，因为我们可以很容易的写出一个更高效的非递归算法：

function fibonacciIteratively(n){
	var a = 0, b = 1;
	if(n==0)
		return a;
	if(n == 1)
		return b;
	for(var i = 1; i< n;i++){
		b = a + b;
		a = b - a;
	}
	return b;
}

递归仍然占每次调用的栈空间：

我们不想讨论此问题的非递归方式，然而它给以我们一个启发：这种递推的过程，只用常数个变量而不是通过函数栈来保存所需的所有数据。对于递归我们则要思考的另一个问题，递归过程是否也可以不用进行回溯，不用保存递归调用栈？

上面提到了递归调用会保存当前函数的变量和返回地址，变量被保存起来时因为在调用自身之后可能会被调用。 例如用递归来描述的计算阶乘的过程：

function factorial(n){
	if(n<=0)
		return 0;
	if(n ==1) 
		return 1;
	return factorial(n-1)*n;
}

变量n需要被保存下来，一直等到factorial(n-1)的调用返回并计算，最后将计算结果通过返回地址返回到调用factorial(n)的地方。 在这个过程需要保存下变量和返回地址，但如果我们把他们作为参数传递给递归调用函数呢？是不是可以不用保存了呢？

于是我们改进了一下代码，把当前需要用的变量传递下去：

function factorial(n,a){
	if(n<=0)
		return 0;
	if(n == 1) 
		return a;
	return factorial(n-1,a*n);
}

相比较之前一般形式的递归代码，有两个不同的地方：

• 递归调用时，把n当做参数传给了递归函数，无需等待递归调用返回后参与计算。
• 最终的计算结果在最后一次递归调用后产生，无需回溯。

我们通过这种形式，解决了需要函数回跳才能计算的问题，但最后产生的计算结果仍然需要层层的回调，但这种代码的形式对于普通的递归来说，编译器更容易对其进行优化。这种特殊的递归叫做尾递归，从递归代码形式上看，它自身的调用是函数的最后一个操作。尾递归的目的是为了优化，而优化的目标是减少栈的空间。

尾递归是递归的一种优化

按照尾递归的定义，尾递归就至少必须解决一般递归的两个问题：

• 不能重复计算
• 重复利用栈空间

然而尾递归是为编译器优化的目的，所以还要依赖于编译器的实现，如果一种语言不支持尾递归，那么尾递归也就仅仅是个形式上递归了，JavaScript就是这样的语言，因为它无法优化栈空间的利用。以fibonacci为例，这次我们写一个尾递归的版本：

function fibonacciTailRecursive(n, a, b){
	if(n ==0)
		return a;
	if(n ==1)
		return b;
	return fibonacciTailRecursive(n-1, b, a+b);
}

> fibonacciTailRecursive(100000,0,1)  

 RangeError: Maximum call stack size exceeded

看到这个错误，说明JavaScript尾递归版本的代码并没有被优化，所以在这里尾递归仅仅解决第一个问题， 而第一个问题并不是尾递归的专利，我们用动态规划的思想同样可以做到。 那么尾递归如果没有被编译器优化的话，叫这个名字还真是尴尬！

实际上尾递归一直被看作一种编译技巧，特别是对于函数式编程语言来说，尾递归的编译器实现做当做的一种必须的标准，例如Scheme作为一种Lisp方言，并没有类似for,while的语法定义，因此它必须通过一种高效的递归定义来完成实现过程，Scheme的IEEE标准就要求Scheme解释器必须是尾递归的。

---------------全文结束--------------

[参考文献]

［1］Harold Abelson / Gerald Jay Sussman /.  计算机程序的构造和解释. 北京：机械工业出版社，2004-2.