如何用java递归实现1到100的相加
本篇内容介绍了"如何用java递归实现1到100的相加"的有关知识，在实际案例的操作过程中，不少人都会遇到这样的困境，接下来就让小编带领大家学习一下如何处理这些情况吧！希望大家仔细阅读，能够学有所成！
何为递归？
所谓递归，是指程序在运行的过程中调用自身的行为。
这种行为也不能无限制地进行下去，得有个出口，叫做边界条件，所以，递归可以分成三个段：前进段、达到边界条件，返回段，在这三个段我们都可以做一些事，比如前进段对问题规模进行缩小，返回段对结果进行整理。
这么说可能比较抽象，让我们看一个简单的案例：
如何用递归实现1到100的相加？
1到100相加使用循环大家都会解，代码如下：
public class Sum { public static void main(String[] args) { System.out.println(sumCircle(1, 100)); } private static int sumCircle(int min, int max) { int sum = 0; for (int i = min; i <= max; i++) { sum += i; } return sum; }}那么，如何使用递归实现呢？
如何快速实现递归？
首先，我们要找到这道题的边界条件，1到100相加，边界条件可以是1，也可以是100，如果从1开始，那么边界条件就是100，反之亦然。
找到了边界条件之后，就是将问题规模缩小，对于这道题，计算1到100相加，那么，能不能先计算1到99相加再把100加上呢？肯定是可以的，这样问题的规模就缩小了，直到，问题规模缩小为1到1相加为止。
OK，让我们看代码实现：
private static int sumRecursive(int min, int max) { // 边界条件 if (min >= max) { return min; } // 问题规模缩小 int sum = sumRecursive(min, max - 1); // 加上当前值 sum += max; // 返回 return sum;}是不是很简单？还可以更简单：
private static int sumRecursive2(int min, int max) { return min >= max ? min : sumRecursive2(min, max - 1) + max;}686?
所以，使用递归最重要的就是找到边界条件，然后让问题的规模朝着边界条件的方向一直缩小，直到达到边界条件，最后依次返回即可，这也是快速实现递归的套路。
这么看来，使用递归似乎很简单，但是，它有没有什么缺点呢？
要了解缺点就得从递归的本质入手。
递归的本质是什么？
我们知道，JVM启动的时候有个参数叫做-Xss，它不是表示XSS攻击哈，它是指每个线程可以使用的线程栈的大小。
那么，什么又是线程栈呢？
栈大家都理解了，我们在前面的章节也学习过了，使用栈，可以实现计算器的功能，非常方便。
线程栈，顾名思义，就是指线程运行过程中使用的栈。
那么，线程在运行的过程中为什么要使用栈呢？
这就不得不说方法调用的本质了。
举个简单的例子：
private static int a(int num) { int a = 1; return a + b(num);}private static int b(int num) { int b = 2; return c(num) + b;}private static int c(int num) { int c = 3; return c + num;}在这段代码中，方法a() 调用 方法b()，方法b() 调用 方法c()，在实际运行的过程中，是这样处理的：调用方法a()时，发现需要调用方法b()才能返回，那就把方法a()及其状态保存到栈中，然后调用方法b()，同样地，调用方法b()时，发现需要先调用方法c()才能返回，那就把方法b()及其状态入栈，然后调用方法c()，调用方法c()时，不需要额外调用别的方法了，计算完毕返回，返回之后，从栈顶取出方法b()及当时的状态，继续运行方法b()，方法b()运行完毕，返回，再从栈中取出方法a()及当时的状态，计算完毕，方法a()返回，程序等待结束。
还是上图吧：
所以，方法调用的本质，就是栈的使用。
同理，递归的调用就是方法的调用，所以，递归的调用，也是栈的使用，不过，这个栈会变得非常大，比如，对于1到100相加，就有99次入栈出栈的操作。
因此，总结起来，递归有以下两个缺点：
操作耗时，因为牵涉到大量的入栈出栈操作；
有可能导致线程栈溢出，因为递归调用占用了线程栈很大的空间。
那么，我们是不是就不要使用递归了呢？
当然不是，之所以使用递归，就是因为它使用起来非常简单，能够快速地解决我们的问题，合理控制递归调用链的长度，就是一个好递归。
既然，递归调用的本质，就是栈的使用，那么，我们能不能自己模拟一个栈，将递归调用改成非递归呢？
当然可以。
修改递归为非递归的套路
还是使用上面的例子，现在我们需要把递归修改成非递归，且不是使用for循环的那种形式，要怎么实现呢？
首先，我们要自己模拟一个栈；
然后，找到边界条件；
最后，朝着边界条件的方向缩小问题规模；
OK，上代码：
private static int sumNonRecursive(int min, int max) { int sum = 0; // 声明一个栈 Stack stack = new Stack(); stack.push(max); while (!stack.isEmpty()) { if (max > min) { // 要计算max，先计算max-1 stack.push(--max); } else { // 问题规模缩小到一定程度，计算返回 sum += stack.pop(); } } return sum; } 好了，是不是很简单，其实跟递归的套路是一样的，只不过改成自己模拟栈来实现。
这个例子可能不是那么明显，我们再举个二叉树遍历的例子来看一下。
public class BinaryTree { Node root; // 插入元素 void put(int value) { if (root == null) { root = new Node(value); } else { Node parent = root; while (true) { if (value <= parent.value) { if (parent.left == null) { parent.left = new Node(value); return; } else { parent = parent.left; } } else { if (parent.right == null) { parent.right = new Node(value); return; } else { parent = parent.right; } } } } } // 先序遍历 void preTraversal(Node x) { if (x == null) return; System.out.print(x.value + ","); preTraversal(x.left); preTraversal(x.right); } static class Node { int value; Node left; Node right; public Node(int value) { this.value = value; } } public static void main(String[] args) { BinaryTree binaryTree = new BinaryTree(); binaryTree.put(3); binaryTree.put(1); binaryTree.put(2); binaryTree.put(7); binaryTree.put(8); binaryTree.put(5); binaryTree.put(4); binaryTree.put(6); binaryTree.put(9); binaryTree.put(0); binaryTree.preTraversal(binaryTree.root); }}我这里随手写了一颗二叉树，并实现了其先序遍历，这个测试用例中的二叉树长这个样子：
所以，这个二叉树的先序遍历结果为3,1,0,2,7,5,4,6,8,9,。
可以看到，使用递归先序遍历二叉树非常简单，而且代码清晰易懂，那么，它如何修改为非递归实现呢？
首先，我们要自己模拟一个栈；
然后，找到边界条件，为节点等于空时；
最后，缩小问题规模，这里是先把右子树压栈，再把左子树压栈，因为先左后右；
好了，来看代码实现：
// 先序遍历非递归形式void nonRecursivePreTraversal(Node x) { // 自己模拟一个栈 Stack stack = new Stack(); stack.push(x); while (!stack.isEmpty()) { Node tmp = stack.pop(); // 隐含的边界条件 if (tmp != null) { System.out.print(tmp.value + ","); // 缩小问题规模 stack.push(tmp.right); stack.push(tmp.left); } }} "如何用java递归实现1到100的相加"的内容就介绍到这里了，感谢大家的阅读。如果想了解更多行业相关的知识可以关注网站，小编将为大家输出更多高质量的实用文章！
