数据结构:递归:自然数之和

目录

递归解法

🔹第一步:定义本质问题

🔹第二步:分解问题结构

🔹第三步:定义初始条件

🔹第四步:递归思想的自然生成

循环解法

[🔹第 1 步:定义问题最小操作单位](#🔹第 1 步:定义问题最小操作单位)

[🔹第 2 步:识别模式:操作在变化,但结构不变](#🔹第 2 步:识别模式:操作在变化,但结构不变)

[🔹第 3 步:构造"自我控制的重复流程"](#🔹第 3 步:构造“自我控制的重复流程”)

公式解法

复杂度对比分析


我们希望计算:

S(n)=1+2+3+⋯+n

我们运用第一性原理,从最基本的思考出发。

递归解法

🔹第一步:定义本质问题

我们的问题是:如何求"前 n 个自然数"的总和?

这是一个数学过程,它可以表示为:

S(n) = 1 + 2 + 3 + ⋯ + n

我们意识到这个总和的结果,和它前一项的总和非常接近。

例如:

  • S(3) = 1+ 2 + 3 =6

  • S(2) = 1 + 2 = 3

  • 差值:3(恰好是第3项)

观察:

S(n) = S(n−1) + n

我们还没用"递归"这个词,但我们已经观察到了:

✅ 当前问题的解,等于一个更小规模的问题的解 + 当前项

🔹第二步:分解问题结构

我们从基本操作开始模拟:

  • S(1)=1(这是我们唯一能确定的"基础真理")

  • S(2)=S(1)+2=1+2=3

  • S(3)=S(2)+3=3+3=6

  • S(4)=S(3)+4=6+4=10

于是我们归纳出结构性关系:

S(n)=S(n−1)+n

这时候,我们不是为了"递归编程"而发现这个关系,而是:

🔍我们通过"问题拆解"自然得出了一个问题依赖于更小版本的问题的解决结果的事实。

🔹第三步:定义初始条件

任何这种"问题拆解"机制,都需要一个,否则会无限拆解。

从实际观察:

S(1)=1→ 唯一直接能算出的总和

我们就可以从这里出发,逐步构建更大的答案。

🔹第四步:递归思想的自然生成

通过以上分析,我们从第一性原理推导出了:

  1. 问题的结构性:每个总和是前一个总和加当前项;

  2. 最基本的事实:我们只知道 S(1)=1

  3. 由小推大的模式出现了,这就是递归的本质:

cpp 复制代码
#include <iostream>

int sumOfNumbers(int n)
{
	if (n == 0)
		return 0;
	else
		return sumOfNumbers(n - 1) + n;
}

循环解法

🔹第 1 步:定义问题最小操作单位

最原始的求和操作,我们只能用 一个一个加起来 的方式。

例如:要计算 S(3),你只能写:

cpp 复制代码
int s = 0;
s = s + 1;
s = s + 2;
s = s + 3;

你会发现这段代码"重复"了完全相同的结构:

cpp 复制代码
s = s + X;

只是每次 X 变了。

🔹第 2 步:识别模式:操作在变化,但结构不变

❗我们观察到:"结构一致,数值递增"的模式:

  • 起始值从 1 到 n;

  • 每次执行的指令是类似的;

  • 只是某个变量(这里是 X)在以固定规律变化。

从第一性角度我们意识到:

✅ 为了避免重复写代码,我们应该"将重复的操作抽象为一个流程",并让某些部分变化。

🔹第 3 步:构造"自我控制的重复流程"

我们定义:

  • 一个当前项 i:表示我们正处理第几个数;

  • 一个结束条件:当我们加到 n 时,停止;

  • 一个变化规则:每次 i = i + 1

于是我们就得到:

cpp 复制代码
int s = 0;
int i = 1; // 初始状态

while (i <= n) {
    s = s + i;
    i = i + 1; // 状态变化
}

从第一性原理看,"循环"之所以产生,是因为:

  1. 我们面对的问题具有重复性(相同操作、不同值);

  2. 人为复制是不经济、脆弱的(写死 s = s + 1 + 2 + ... 会爆炸);

  3. 我们想用一个"变化控制机制"让重复自动发生;

  4. 这就产生了循环语义:自动控制的重复结构。

公式解法

cpp 复制代码
int sumOfNumbers(int n)
{
	return n * (n + 1) / 2;
}

复杂度对比分析

方法 时间复杂度 空间复杂度 原因解释
✅递归 O(n) O(n) 每次递归都需要函数调用栈,每次计算加法,总共调用 nn 次
✅循环 O(n) O(1) 只需一个累加器和一个循环变量,占用常数空间
✅公式 O(1) O(1) 只做一次乘法和一次除法,且不使用任何额外空间

⚠️注意事项

  • 公式法虽然最快,但若 n 非常大(如 2^31 - 1),n*(n+1) 可能会产生整数溢出。可使用 long long 类型或进行乘法前除法优化。

  • 递归法在 C++ 中若没有尾递归优化,容易栈溢出;在 Python 中栈深限制也较低。

  • 循环法更通用、安全、稳定,适用于大多数工程需求。

相关推荐
ytttr87335 分钟前
matlab通过Q学习算法解决房间路径规划问题
学习·算法·matlab
小张成长计划..1 小时前
数据结构-栈的实现
开发语言·数据结构
go54631584652 小时前
修改Spatial-MLLM项目,使其专注于无人机航拍视频的空间理解
人工智能·算法·机器学习·架构·音视频·无人机
油泼辣子多加2 小时前
【Torch】nn.BatchNorm1d算法详解
算法
nlog3n2 小时前
基于 govaluate 的监控系统中,如何设计灵活可扩展的自定义表达式函数体系
算法·go
IT古董2 小时前
【第三章:神经网络原理详解与Pytorch入门】01.神经网络算法理论详解与实践-(2)神经网络整体结构
pytorch·神经网络·算法
ThetaarSofVenice2 小时前
垃圾收集相关算法Test
java·jvm·算法
小陈phd3 小时前
langchain从入门到精通(二十八)——RAG优化策略(六)集成多种检索器算法实现混合检索及问题转换总结
算法
是小王同学啊~3 小时前
(LangChain)RAG系统链路向量检索器之Retrievers(五)
python·算法·langchain
薰衣草23333 小时前
一天两道力扣(1)
算法·leetcode·职场和发展