Kotlin - 尾递归优化

2021-02-19 22:31:50 阅读：125 来源： 互联网

尾递归

尾递归就是函数在调用完自己之后没有其他操作的递归，是递归的一种特殊形式。举个例子，"计算斐波那契数列第 n 项"的递归算法有哪些？

简单递归实现

斐波那契数列第 0、1 位都是 1，从第二位开始，每项是前两位之和，因此用递归算法很容易就能实现出来了：

fun fib1(n: Int): Int {
    if (n == 0 || n == 1) return 1
    return fib1(n - 1) + fib1(n - 2);
}

这种写法虽然递归调用是在方法的最后一行，但其实这里还有结果相加的操作，并不符合尾递归的定义。

简单递归虽然容易理解，但实际上，该算法会有冗余计算，比如：fib1(2)会被执行多次，如果 n 越大，这种冗余计算就会越多：

尾递归实现

为了解决上述简单递归实现的弊端，我们可以把已经计算过的结果保存起来，传递给下次计算，所以可以将递归写法进行优化：

fun fib2(n: Int): Int {
    return fibIter(1, 1, n);
}

fun fibIter(a: Int, b: Int, n: Int): Int {
    // return if (n == 0) a else fibIter(b, a + b, n - 1) // 简便写法
    if (n == 0) {
        return a
    } else {
        return fibIter(b, a + b, n - 1)
    }
}

其中，fibIter() 的递归代码在方法的最后一行，调用完也没有其他的操作，符合尾递归的定义。

性能对比

理论归理论，我们还是得用实际代码来测试一下两种递归算法的运行耗时情况，这种才更能直观看出差别，为了方便测试，这里写了一个耗时测试方法：

fun timeConsume(operation: () -> Unit) {
    val begin = System.currentTimeMillis()
    operation()
    val end = System.currentTimeMillis()
    println("begin = ${begin}ms , end = ${end}ms , 耗时 ${end - begin}ms")
}

分别将两种递归算法丢到耗时测试方法 timeConsume() 中，得到测试结果：

fun main(args: Array<String>) {
    timeConsume {
        println(fib1(45))
    }
    // 1836311903
    // begin = 1612368480299ms , end = 1612368486217ms , 耗时 5918ms

    timeConsume {
        println(fib2(45))
    }
    // 1836311903
    // begin = 1612368486217ms , end = 1612368486217ms , 耗时 0ms
}

为了拿到斐波那契数列第 45 个元素值，fib1() 耗时近 6s，而 fib2() 耗时 0ms，这是何等的差距。

注意：测试 fib1(50) 会内存溢出。

尾递归优化(tailrec)

虽然上述尾递归算法的耗时很小，但我们知道，递归算法效率其实并不高，因为每递归一次就要开辟一个方法栈，这是有性能消耗的，还有可能因为递归次数过多导致出现内存溢出的情况，而迭代算法就没有这种问题：

fun fib3(n: Int): Int {
    if (n == 0 || n == 1) return 1
    var a = 1
    var b = 1
    for (i in 0 until n) {
        val a_ = b
        val b_ = a + b
        a = a_
        b = b_
    }
    return a
}

同样的，我们来对尾递归算法和迭代算法进行耗时测试：

fun main(args: Array<String>) {
    timeConsume {
        println(fib2(12000))
    }
    // 690383169
    // begin = 1612369032575ms , end = 1612369032578ms , 耗时 3ms

    timeConsume {
        println(fib3(12000))
    }
    // 690383169
    // begin = 1612369032578ms , end = 1612369032579ms , 耗时 1ms
}

理论与实际相结合，通过测试结果可以得知，尾递归算法和迭代算法的差距还是有的，如果电脑 CPU 性能较低，或者方法中存在内存操作，这个差距会更大。

注意：因为"计算斐波那契数列第 n 项"这个算法题目仅仅只是数值运行，对于这 2 个算法来说太 easy 了，都是毫秒级别的，所以，需要取较后的元素这样计算量会多一点才能看出差距，同时因为递归过多会出现内存溢出，因此 n 的取值也不能太大，测试 15000 会内存溢出，12000 则不会。

既然递归有这种缺点，那么我们以后就杜绝使用递归算法吧？当然不行，递归也有一个很大的优点，那就是代码逻辑理解容易，既然这样，那有没有办法让递归算法的性能跟迭代算法一样呢？还真有，Kotlin 提供了 tailrec 关键字，可以让 尾递归算法 在编译期自动进行代码优化，从而解决尾递归算法的缺点。我们将 fibIter() 加上 tailrec 关键字：

fun fib2(n: Int): Int {
    return fibIter(1, 1, n);
}

// 只加了 tailrec 关键字
tailrec fun fibIter(a: Int, b: Int, n: Int): Int {
    return if (n == 0) a else fibIter(b, a + b, n - 1)
}

再来测试 fib2() 与 fib3() 两个算法的耗时情况：

fun main(args: Array<String>) {
    timeConsume {
        println(fib2(50000))
    }
    // -1256600222
    // begin = 1612370134450ms , end = 1612370134451ms , 耗时 1ms

    timeConsume {
        println(fib3(50000))
    }
    // -1256600222
    // begin = 1612370134452ms , end = 1612370134453ms , 耗时 1ms
}

这原本传入 15000 就会出现内存溢出的尾递归算法 fib2()，现在居然能传入 50000 了，耗时也与迭代算法 fib3() 一样，这就是 tailrec 关键字的厉害之处。

注意：tailrec 关键字只能优化尾递归算法，其它递归算法无法优化。

标签：return,递归,Int,Kotlin,耗时,算法,fun,优化
来源： https://blog.csdn.net/CSDN_LQR/article/details/113873075

本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享；
2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关；
3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关；
4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除；
5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。

ICode9

Kotlin - 尾递归优化

尾递归

简单递归实现

尾递归实现

性能对比

尾递归优化(tailrec)