从爬楼梯到算斐波那契，我终于弄懂了递归和动态规划这俩 "磨人精"

最近在代码界摸爬滚打，总被两个词按在地上摩擦 ------ 递归和动态规划。这俩货就像数学题里的 "小明"，天天换着花样折磨人，今天就来好好扒一扒它们的底裤。

递归：自己调自己的 "套娃大师"

递归这东西，说白了就是函数自己喊自己的名字。就像小时候问妈妈 "我从哪来的"，妈妈说 "你是妈妈生的"，再问 "妈妈从哪来的"，妈妈说 "外婆生的"... 一直问到祖宗十八代，这就是递归的精髓 ------ 找规律 + 找出口。

比如算个阶乘，用递归（时间复杂度过高）写出来是这样：

js 复制代码

function mul(n){

   if(n === 1){ // 出口：问到祖宗了

       return 1

   }

   return n * mul(n-1) 

}

这代码简洁得像诗，但算个斐波那契数列就露馅了。那个 1,1,2,3,5,8... 的数列，递归写法看着简单：

递归的 "中年危机"：重复计算让 CPU 原地冒烟

js 复制代码

function fb(n){

   if(n === 1 || n === 2){

       return 1

   }

   return fb(n-1) + fb(n-2)

}

这代码算个 n=10 还行，要是算 n=40，能让你喝杯咖啡回来还没出结果。就像你查快递单号，每次都要从快递员刚取件的时候查起，哪怕昨天刚查过。

给递归装个 "备忘录"：记忆化搜索救场

比如爬楼梯问题：一次能爬 1 或 2 阶，到第 n 阶有几种走法？

后来我灵机一动，给递归加了个小本本（数组 f）：

js 复制代码

const f = []
var climbStairs = function (n) {
    if (n === 1 || n === 2) {
        return n
    }
    if (f[n] === undefined) { // 查小本本，没记过才计算
        f[n] = climbStairs(n - 1) + climbStairs(n - 2)
    }
    return f[n]
};

这招叫 "记忆化搜索"（提效），相当于把算过的结果记在通讯录里，下次直接拨号不用重新查号。

后来才发现，这代码就像给老年机装了智能手机的通讯录 ------ 思路对但效率不够。全局数组 f 在多组测试用例下会残留历史数据，而且递归调用本身就有函数栈的开销，n 太大时还是扛不住。

彻底换个活法：动态规划的 "自底向上" 哲学

站在已知的角度，通过已知来定位未知最后改用纯动态规划找到动态方程）写法，直接逆袭：

js 复制代码

var climbStairs = function (n){
    const f = []
    // 先搞定已知的1楼和2楼
    f[1] = 1
    f[2] = 2
    // 从3楼开始往上爬，每步都踩在前人的肩膀上
    for(let i = 3;i<=n;i++){
        f[i] = f[i-1] + f[i-2]
    }
    return f[n]
 }

这思路就像盖楼，从 1 层开始一层层往上盖，每一层的建材都直接用前两层的，根本不用回头看。没有递归的函数调用开销，也没有重复计算，效率直接拉满。

总结：三种写法的生存现状

写法	特点	适合场景
纯递归	代码简洁如诗	理解思路用，n≤30
记忆化搜索	加了缓存的递归	教学演示，n≤1000
动态规划	自底向上迭代	实际开发，n多大都不怕

总结：什么时候该套娃，什么时候该记笔记？

递归适合简单问题或调试时用，写起来爽，但容易重复劳动
动态规划适合复杂问题，虽然前期要多写几行，但跑起来飞快
记住：所有动态规划问题，先建个空数组当小本本准没错

现在终于明白，递归是浪漫的诗人，只顾优雅不管效率；动态规划是务实的会计，每一笔账都记得清清楚楚。下次再遇到这俩货，我可不会再被它们忽悠了！