Kotlin - 尾递归优化-白红宇

Kotlin - 尾递归优化

阅读量：1979 次

发布时间：2019-04-27

本文共 3148 字，大约阅读时间需要 10 分钟。

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
   
    ) {
       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
   
    ) {
       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
   
    ) {
       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。

转载地址：http://eshpf.baihongyu.com/

你可能感兴趣的文章