如何解决如果递归函数返回到开头,它如何操作?
我是一个新手程序员
我正在查找使用递归函数的问题。虽然我能理解要点,但有一个不清楚的问题,我在调试过程中无法立即破译。感谢您对我的问题的帮助。
问题的概念(合并排序)非常简单,但我对递归函数的一般工作方式感到困惑。 Bellow 是我正在处理的程序(来自佐治亚理工学院 Python 课程):
def mergesort(lst):
if len(lst) <= 1:
return lst
else:
midpoint = len(lst) // 2
left = mergesort(lst[:midpoint])
right = mergesort(lst[midpoint:])
newlist = []
while len(left) and len(right) > 0:
if left[0] < right[0]:
newlist.append(left[0])
else:
newlist.append(right[0])
del right[0]
newlist.extend(left)
newlist.extend(right)
return newlist
print(mergesort([2,5,3,8,6,9,1,4,7]))
问题:当程序到达这一行 left = mergesort( lst[:midpoint])
时会发生什么?
根据我的理解,它返回到程序的第一行,然后再次返回到同一行(就像 for
一样)。
所以它一直在返回!!!但是,这使我无法阅读该程序。一般来说,程序如何处理递归函数是我的主要问题。我无法理解它的工作方式。
解决方法
当程序到达这一行 left = mergesort(lst[:midpoint])
时会发生什么?根据我的理解,它返回到程序的第一行并再次下降到同一行...
每次程序重复执行时,它都会使用一个较小的列表调用 mergesort
。我们称之为“子问题”-
def mergesort(lst):
if len(lst) <= 1:
# ...
else:
midpoint = len(lst) // 2 # find midpoint
left = mergesort(lst[:midpoint]) # solve sub-problem one
right = mergesort(lst[midpoint:]) # solve sub-problem two
# ...
例如,如果我们首先使用 4 元素列表调用 mergesort
-
mergesort([5,2,4,7])
输入列表 lst
不符合基本情况,因此我们转到 else
分支 -
def mergesort(lst): # lst = [5,7]
if len(lst) <= 1:
# ...
else:
midpoint = len(lst) // 2 # midpoint = 2
left = mergesort(lst[:midpoint]) # left = mergesort([5,2])
right = mergesort(lst[midpoint:]) # right = mergesort([4,7])
# ...
注意 mergesort
是通过 [5,2]
和 [4,7]
子问题调用的。让我们对第一个子问题重复这些步骤 -
left = mergesort([5,2])
def mergesort(lst): # lst = [5,2]
if len(lst) <= 1:
# ...
else:
midpoint = len(lst) // 2 # midpoint = 1
left = mergesort(lst[:midpoint]) # left = mergesort([5])
right = mergesort(lst[midpoint:]) # right = mergesort([2])
# ...
所以它一直在返回!!!
不完全是。当我们在这一步解决子问题时,事情看起来就不一样了。当输入为一个元素或更少时,满足基本情况,函数退出-
left = mergesort([5])
def mergesort(lst): # lst = [5]
if len(lst) <= 1: # base case condition satisfied
return lst # return [5]
else:
... # no more recursion
left
子问题的递归停止并返回 [5]
的答案。这同样适用于 right
子问题 -
right = mergesort([2])
def mergesort(lst): # lst = [2]
if len(lst) <= 1: # base case condition satisfied
return lst # return [2]
else:
... # no more recursion
接下来我们返回我们的第一个 left
子问题 -
left = mergesort([5,2]
if len(lst) <= 1:
# ...
else:
midpoint = len(lst) // 2 # midpoint = 1
left = mergesort(lst[:midpoint]) # left = [5] <-
right = mergesort(lst[midpoint:]) # right = [2] <-
# ...
return newlist # newlist = [2,5]
您现在将针对第一个 right
子问题重复这些步骤 -
right = mergesort([4,7])
def mergesort(lst): # lst = [4,7]
if len(lst) <= 1:
# ...
else:
midpoint = len(lst) // 2 # midpoint = 1
left = mergesort(lst[:midpoint]) # left = mergesort([4])
right = mergesort(lst[midpoint:]) # right = mergesort([7])
# ...
再次,递归停止,因为新的 left
和 right
子问题是满足基本情况的单元素列表 -
right = mergesort([4,7]
if len(lst) <= 1:
# ...
else:
midpoint = len(lst) // 2 # midpoint = 1
left = mergesort(lst[:midpoint]) # left = [4] <-
right = mergesort(lst[midpoint:]) # right = [7] <-
# ...
return newlist # newlist = [4,7]
最后最外层的 mergesort
调用可以返回 -
mergesort([5,7])
def mergesort(lst): # lst = [5,7]
if len(lst) <= 1:
# ...
else:
midpoint = len(lst) // 2 # midpoint = 2
left = mergesort(lst[:midpoint]) # left = [2,5]
right = mergesort(lst[midpoint:]) # right = [4,7]
# ...
return newlist # newlist = [2,5,7]
# => [2,7]
综上所述,递归是一种函数式遗产,因此将其与函数式风格结合使用会产生最佳效果。这意味着避免诸如突变、变量重新分配和其他副作用之类的事情。考虑这个替代方案,它通过清楚地分离程序的关注点来降低概念开销 -
def mergesort(lst):
def split(lst):
m = len(lst) // 2
return (lst[:m],lst[m:])
def merge(l,r):
if not l:
return r
elif not r:
return l
elif l[0] < r[0]:
return [l[0]] + merge(l[1:],r)
else:
return [r[0]] + merge(l,r[1:])
if len(lst) <= 1:
return lst
else:
(left,right) = split(lst)
return merge(mergesort(left),mergesort(right))
mergesort([5,7])
# => [2,7]
,
您的问题的答案是:copies。
每个函数都是一个用于计算的配方。
当一个函数被调用时,配方的副本被创建。每次调用都涉及创建一个单独的副本。这就是每个人都可以独立运作的方式,而且他们都不会混在一起。
总的来说,递归函数调用没有什么特别之处。函数调用就是函数调用,不管调用的是什么函数。一个函数被调用,执行它所做的事情,并将其结果返回给调用者。至于递归,你不应该跟踪它。它自己完成工作。你应该向自己证明基本情况是正确的,递归情况是正确的。就是这样。
那么它就可以保证以任何复杂的方式工作,而重点是让我们不关心它究竟是如何做到的,即它的确切步骤顺序。
所以特别在你的情况下,假设 mergesort
确实工作正常(等等,什么?没关系,暂停你的一时难以置信),
left = mergesort(lst[:midpoint])
使用 mergesort
的前半部分调用函数 lst
,从它的开始到中点,并存储结果 - 这是 排序的 前半部分,根据假设,-在变量left
中;然后
right = mergesort(lst[midpoint:])
使用mergesort
的第二一半调用函数lst
,从它的中点到它的结尾,并存储结果 - 这是排序 em> 后半部分,假设,-在变量 right
;
然后你需要说服自己,其余的代码从这两个排序的半部分创建 newlist
使得 newlist
also sorted 以正确的顺序。
然后通过数学归纳法证明mergesort
的正确性。
假设它有效,我们证明它确实有效!问题在哪里?没有问题,因为假设的两个案例是针对两个较小的输入(这就是我们的递归案例)。
当我们一遍又一遍地将一个东西分成两部分时,最终我们会得到一个单独的东西,或者一个空的东西。这两个是自然排序的(这是我们的基本情况)。
递归是一种信仰的飞跃。假设这个东西在工作,然后你就可以使用它了。如果您正确使用它,您将因此构建您最初使用的东西!
版权声明:本文内容由互联网用户自发贡献,该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 dio@foxmail.com 举报,一经查实,本站将立刻删除。