-
原问题是否可以分解为层级的子问题。
-
每个子问题的求解方式是否与原问题处理方式相似。
-
整个框架是否存在明确的递归基，即结束条件。
递归案例：阶乘
int factorial(int n) {
//递归基（递归结束条件,此条件为递归中必须要有的）
if (n == 1 || n == 0) return 1;
//return 为回归阶段; n * factorial(n - 1)为递推阶段;
return n * factorial(n - 1);
递归描述递归调用是函数内部调用自身的过程，递归必须要有结束条件，否则会进入无限递归状态。无法停止。 我们称这个条件为（递归基）递归原理递归包括（递推）和（回归），递推是指将原问题不断分解为子问题，直到达到结束条件，返回最近子问题的解；然后逆向逐一回归，最终到达递推开始的原问题，返回原问题的解。要素提取：原问题是否可以分解为层级的子问题。 每个子问题的求解方式是否与原问题处理方式相似。 整个框架是否存在明确的递归基，即结束条件。递归案例：阶乘int factorial(
StringBuffer.append().append().append()，这个不叫作递归，这个叫做方法的连续使用
Math.max(Math.max(a,b),c)，这个也不叫做递归，这玩意叫方法的嵌套使用
大家伙小时都应该都听过这个故事吧：
从前有座山，山上有座庙，庙里有个老和尚和小和尚说
从前有座山，山上有座庙，庙里有个老和尚和小和尚说
从前有座山，山上有座庙，庙里有个老和尚和小和尚说
那这个故事什么时候会截
到底递归是如何执行的， 首先递归用到的是有限的存储空间， 在ram上存储， 另外， 递归，是对内存空间的重读使用， 图解只是为了方面理解， 但递归是有数量限制的， 不能像迭代那样， 可以无限多的迭代下去。
那么如何递归呢：
如果求F(5)的阶乘， 具体如上图。F(1) = 1, 返回到subvalue = 1, returnValue = 2 * f(1) = 2, 在继续， 直到求出结果。
应用求阶乘
def fact(n):
if n <=1:
return .
递归一般用来算一些比较麻烦的算法问题。
递归跟循环的区别，循环注重过程，而递归值注重结果。
简单的来说就是：用循环能实现的，递归一般可以实现，但是能用递归实现的，循环不一定能。因为有些题目①只注重循环的结束条件和循环过程，而往往这个结束条件不易表达（也就是说用循环并不好写）；②只注重循环的次数而不注重循环的开始条件和结束条件（这个循环更加无从下手了）。
要想理解递归一时半...
int 从前有座山(int i);
char 最后说[]="从前有座山，山里有座庙，庙里有个盆，盆里有个锅，锅里有个碗，碗里有个匙，匙里有个花生仁，我吃了，你谗了，我的故事讲完了。";
从前有座山(2);
printf("%s",最后说);
int 从前有座山(int i)//递归函数:直接或间接调用自己的函数
char 老和尚说[]="从前有座山.山里有座庙.庙里有个老和尚和小和尚.老和尚对小和.
先讲个故事：
从前有座山，山里有座庙，庙里有个和尚，和尚在讲故事，从前有座山，山里有座庙，庙里有个和尚，和尚在讲故事，从前有座山…
其实这就是递归，所以我们每个人都听说过。
定义：递归就是自己调自己。
思想：是把规模较大的一个问题，分解成规模较小的多个子问题去解决，而每一个子问题又可以继续拆分成多个更小的子问题。 最重要的一点就是假设子问题已经解决了，现在要基于已经解决的子问题来解决当前问题；或者说，必须先解决子问题，再基于子问题来解决当前问题。
A依赖于B,B依赖于C,C依赖于D……
当D解决了那C就解决
以下内容来自维基百科：
递归（英语：Recursion），又译为递回，在数学与计算机科学中，是指在函数的定义中使用函数自身的方法。递归一词还较常用于描述以自相似方法重复事物的过程。例如，当两面镜子相互之间近似平行时，镜中嵌套的图像是以无限递归的形式出现的。也可以理解为自我复制的过程。
维基百科的几个例子有助于理解递归：
从前有座山，山里有座庙，庙里有个老和尚，正在给小和尚讲故事呢！故事是什么呢？...
什么是递归，讲一个故事：从前有座山，山上有座庙，庙里有个老和尚，老和尚给小和尚讲故事。讲的什么故事呢？故事是这样的：山上有座庙，庙里有个老和尚，老和尚给小和尚讲故事。。。
递归算法是在程序中不断反复调用自身的方法从而解决特定问题的一种思想，重点是对自身的调用，将求解的问题分解为相同问题的一个子问题，通过多次递归调用，以完成求解。
递归方法中，该方法既是主调方法又是被调方法，反复调用其自
1、 介绍
一说起递归，我想每个人都不陌生。举个从小就听过的例子：从前有座山，山里有座庙，庙里有个和尚，和尚在讲故事，从前有座山，山里有座庙，庙里有个和尚，和尚在讲故事，从前有座山…
还有你从两面相对的镜子中看到的画面，其实都是抽象出来的递归现象，但是严格来说并不是递归，因为会一直重复下去，没有终止条件，那就称为死循环了。有关递归和死循环的异同我们之后会说到，那么现在先来了解一下什么是递归?
那么...
1. 将原数列分成两个子序列，分别求出左子序列的最大子段和、右子序列的最大子段和和跨越中点的最大子段和。
2. 左子序列的最大子段和、右子序列的最大子段和和跨越中点的最大子段和三者中的最大值即为原数列的最大子段和。
3. 递归地对左子序列和右子序列进行上述操作，直到子序列长度为1。
分治递归法的时间复杂度为O(nlogn)，比暴力求解的时间复杂度O(n^2)更优。
### 回答2：
最大子段和问题是一道经典的算法问题，顺序表可以方便地帮助我们解决这个问题。在顺序表中，最大子段和问题可以通过分治递归法来解决。
具体来说，我们可以将原问题分为两个子问题。首先，将原问题的序列一分为二，分别求左半部分和右半部分的最大子段和。这时，我们需要特别考虑子序列跨过中间点的情况，即以中间点为左端点的最大子段和和以中间点为右端点的最大子段和。
然后，我们通过比较这三个值，即左半部分的最大子段和、右半部分的最大子段和和跨过中间点的最大子段和，得到原问题的最大子段和。
具体分治递归算法如下：
1. 将原问题分为两个子问题，分别求左半部分的最大子段和、右半部分的最大子段和。
2. 求跨过中间点的最大子段和。从中间点向左和向右分别求出最大子段和，再将它们相加即可得到跨过中间点的最大子段和。
3. 比较三个值，取其最大值作为原问题的最大子段和。
递归终止条件为序列长度为1，此时序列的最大子段和就是序列本身。
具体实现中，我们可以将上述分治递归算法转化为递推算法，用两个数组分别记录每个子序列的最大子段和和以该子序列结尾的最大子段和，然后通过递推，逐个求解。
顺序表的优点在于，它可以快速存储和随机访问序列中的元素，便于我们进行分治递归操作。此外，由于顺序表中的元素是连续存储的，我们可以通过简单的指针操作来优化算法的空间和时间复杂度。
### 回答3：
最大子段和问题是在一个序列中寻找一个连续子序列，使得该子序列元素之和最大。分治递归法是一种解决最大子段和问题的方法。该方法的核心思想是将问题分成小规模的子问题去解决，并且最后将子问题的结果合并得到问题的最终解。
具体地，分治递归法将问题分成三部分：左半部分、右半部分和跨越中点的子问题。对于左半部分和右半部分，可以采取相同的分治递归法策略，将其继续分成子问题去解决。对于跨越中点的子问题，可以采用线性的方法解决，即从中点开始向左和向右遍历每一段子序列，记录当前的最大值与最终结果比较，更新最终结果。
整个算法的时间复杂度为O(nlogn)，其中n为序列中元素的个数。这个时间复杂度比暴力算法还要更优秀，因而其在处理小于10000的数据时能够瞬间得出结果，而暴力算法已经开始出现一定的计算时间。但是，随着数据大小的增加，分治递归法也面临逐渐增加的计算时间，因此在处理大数据时，我们可以采用其他算法如动态规划来解决这个问题。
总的来说，采用分治递归法求解最大子段和问题是一种高效的方法，其解决问题的时间效率优异，这种方法的思想也可以用于其他解决类似问题的场景中。
