递归

当你面对一棵表达式树 (1 + 2) * 3 时，不同的遍历顺序会得到完全不同的结果：前序遍历产生前缀表达式 * + 1 2 3，中序遍历还原原始表达式 1 + 2 * 3（需要括号），后序遍历产生后缀表达式 1 2 + 3 *——这正是逆波兰表示法，可以直接用于栈式计算器。这就是二叉树遍历的核心价值：遍历顺序决定了数据的处理方式。 ...

假设你需要生成数组 [1, 2, 3] 的所有排列。最直观的想法是写三重循环，每一层选择一个不同的元素——但如果数组长度是 10 呢？你需要写 10 层嵌套循环。更糟糕的是，如果数组长度不固定呢？ ...

当你第一次尝试实现斐波那契数列时,可能会写出这样的递归代码: public int fib(int n) { if (n <= 1) return n; return fib(n - 1) + fib(n - 2); } 这段代码看起来简洁优雅,但当 n 达到 50 时,程序会运行很长时间才能返回结果。问题出在哪里?重复计算。计算 fib(5) 时会调用 fib(3),计算 fib(4) 时又会再次调用 fib(3)。随着 n 增大,重复计算的次数呈指数级增长——时间复杂度高达 $O(2^n)$。 ...

打开Python解释器，输入一个简单的递归函数： def count(n): if n <= 0: return 0 return 1 + count(n - 1) print(count(10000)) 程序崩溃，抛出 RecursionError: maximum recursion depth exceeded。把同样的逻辑翻译成Scheme，却能轻松处理百万次递归调用。这不是Python的bug，而是两种语言对函数调用栈的根本性设计差异。 ...