n的迭代和遞歸演算法

A. 誰能說說遞歸和迭代有什麼區別

簡單來說，遞歸就是自己調用自己,如：
int abc(...)
{
if(...) //遞歸終止條件
{ return abc(...); }
return 0;
}

而遞歸是重復一組指令，不斷地根據變數的舊值推出新值，如：
for(; ; ;) //迭代終止條件
{
a = b + c;
b = a;
c = a;
}

B. 迭代演算法和遞歸演算法的異同

迭代演算法是用計算機解決問題的一種基本方法。它利用計算機運算速度快、適合做重復性操作的特點，讓計算機對一組指令（或一定步驟）進行重復執行，在每次執行這組指令（或這些步驟）時，都從變數的原值推出它的一個新值。

利用迭代演算法解決問題，需要做好以下三個方面的工作：

一、確定迭代變數。在可以用迭代演算法解決的問題中，至少存在一個直接或間接地不斷由舊值遞推出新值的變數，這個變數就是迭代變數。

二、建立迭代關系式。所謂迭代關系式，指如何從變數的前一個值推出其下一個值的公式（或關系）。迭代關系式的建立是解決迭代問題的關鍵，通常可以使用遞推或倒推的方法來完成。

三、對迭代過程進行控制。在什麼時候結束迭代過程？這是編寫迭代程序必須考慮的問題。不能讓迭代過程無休止地重復執行下去。迭代過程的控制通常可分為兩種情況：一種是所需的迭代次數是個確定的值，可以計算出來；另一種是所需的迭代次數無法確定。對於前一種情況，可以構建一個固定次數的循環來實現對迭代過程的控制；對於後一種情況，需要進一步分析出用來結束迭代過程的條件。

例 1 ： 一個飼養場引進一隻剛出生的新品種兔子，這種兔子從出生的下一個月開始，每月新生一隻兔子，新生的兔子也如此繁殖。如果所有的兔子都不死去，問到第 12 個月時，該飼養場共有兔子多少只？

分析： 這是一個典型的遞推問題。我們不妨假設第 1 個月時兔子的只數為 u 1 ，第 2 個月時兔子的只數為 u 2 ，第 3 個月時兔子的只數為 u 3 ，……根據題意，「這種兔子從出生的下一個月開始，每月新生一隻兔子」，則有

u 1 ＝ 1 ， u 2 ＝ u 1 ＋ u 1 × 1 ＝ 2 ， u 3 ＝ u 2 ＋ u 2 × 1 ＝ 4 ，……

根據這個規律，可以歸納出下面的遞推公式：

u n ＝ u n － 1 × 2 (n ≥ 2)

對應 u n 和 u n － 1 ，定義兩個迭代變數 y 和 x ，可將上面的遞推公式轉換成如下迭代關系：

y=x*2

x=y

讓計算機對這個迭代關系重復執行 11 次，就可以算出第 12 個月時的兔子數。參考程序如下：

cls

x=1

for i=2 to 12

y=x*2

x=y

next i

print y

end

例 2 ： 阿米巴用簡單分裂的方式繁殖，它每分裂一次要用 3 分鍾。將若干個阿米巴放在一個盛滿營養參液的容器內， 45 分鍾後容器內充滿了阿米巴。已知容器最多可以裝阿米巴 2 20 個。試問，開始的時候往容器內放了多少個阿米巴？請編程序算出。

分析： 根據題意，阿米巴每 3 分鍾分裂一次，那麼從開始的時候將阿米巴放入容器裡面，到 45 分鍾後充滿容器，需要分裂 45/3=15 次。而「容器最多可以裝阿米巴 2 20 個」，即阿米巴分裂 15 次以後得到的個數是 2 20 。題目要求我們計算分裂之前的阿米巴數，不妨使用倒推的方法，從第 15 次分裂之後的 2 20 個，倒推出第 15 次分裂之前（即第 14 次分裂之後）的個數，再進一步倒推出第 13 次分裂之後、第 12 次分裂之後、……第 1 次分裂之前的個數。

設第 1 次分裂之前的個數為 x 0 、第 1 次分裂之後的個數為 x 1 、第 2 次分裂之後的個數為 x 2 、……第 15 次分裂之後的個數為 x 15 ，則有

x 14 =x 15 /2 、 x 13 =x 14 /2 、…… x n-1 =x n /2 (n ≥ 1)

因為第 15 次分裂之後的個數 x 15 是已知的，如果定義迭代變數為 x ，則可以將上面的倒推公式轉換成如下的迭代公式：

x=x/2 （ x 的初值為第 15 次分裂之後的個數 2 20 ）

讓這個迭代公式重復執行 15 次，就可以倒推出第 1 次分裂之前的阿米巴個數。因為所需的迭代次數是個確定的值，我們可以使用一個固定次數的循環來實現對迭代過程的控制。參考程序如下：

cls

x=2^20

for i=1 to 15

x=x/2

next i

print x end

例 3 ： 驗證谷角猜想。日本數學家谷角靜夫在研究自然數時發現了一個奇怪現象：對於任意一個自然數 n ，若 n 為偶數，則將其除以 2 ；若 n 為奇數，則將其乘以 3 ，然後再加 1 。如此經過有限次運算後，總可以得到自然數 1 。人們把谷角靜夫的這一發現叫做「谷角猜想」。

要求：編寫一個程序，由鍵盤輸入一個自然數 n ，把 n 經過有限次運算後，最終變成自然數 1 的全過程列印出來。

分析： 定義迭代變數為 n ，按照谷角猜想的內容，可以得到兩種情況下的迭代關系式：當 n 為偶數時， n=n/2 ；當 n 為奇數時， n=n*3+1 。用 QBASIC 語言把它描述出來就是：

if n 為偶數 then

n=n/2

else

n=n*3+1

end if

這就是需要計算機重復執行的迭代過程。這個迭代過程需要重復執行多少次，才能使迭代變數 n 最終變成自然數 1 ，這是我們無法計算出來的。因此，還需進一步確定用來結束迭代過程的條件。仔細分析題目要求，不難看出，對任意給定的一個自然數 n ，只要經過有限次運算後，能夠得到自然數 1 ，就已經完成了驗證工作。因此，用來結束迭代過程的條件可以定義為： n=1 。參考程序如下：

cls

input "Please input n=";n

do until n=1

if n mod 2=0 then

rem 如果 n 為偶數，則調用迭代公式 n=n/2

n=n/2

print "—";n;

else

n=n*3+1

print "—";n;

end if

loop

end

迭代法

迭代法是用於求方程或方程組近似根的一種常用的演算法設計方法。設方程為f(x)=0，用某種數學方法導出等價的形式x=g(x)，然後按以下步驟執行：
（1） 選一個方程的近似根，賦給變數x0；
（2） 將x0的值保存於變數x1，然後計算g(x1)，並將結果存於變數x0；
（3） 當x0與x1的差的絕對值還小於指定的精度要求時，重復步驟（2）的計算。
若方程有根，並且用上述方法計算出來的近似根序列收斂，則按上述方法求得的x0就認為是方程的根。上述演算法用C程序的形式表示為：
【演算法】迭代法求方程的根
{ x0=初始近似根；
do {
x1=x0；
x0=g(x1)； /*按特定的方程計算新的近似根*/
} while ( fabs(x0-x1)>Epsilon)；
printf(「方程的近似根是%f\n」，x0)；
}
迭代演算法也常用於求方程組的根，令
X=（x0，x1，…，xn-1）
設方程組為：
xi=gi(X) (I=0，1，…，n-1)
則求方程組根的迭代演算法可描述如下：
【演算法】迭代法求方程組的根
{ for (i=0;i
x=初始近似根;
do {
for (i=0;i
y=x;
for (i=0;i
x=gi(X);
for (delta=0.0,i=0;i
if (fabs(y-x)>delta) delta=fabs(y-x)；
} while (delta>Epsilon)；
for (i=0;i
printf(「變數x[%d]的近似根是 %f」，I，x)；
printf(「\n」)；
}
具體使用迭代法求根時應注意以下兩種可能發生的情況：
（1） 如果方程無解，演算法求出的近似根序列就不會收斂，迭代過程會變成死循環，因此在使用迭代演算法前應先考察方程是否有解，並在程序中對迭代的次數給予限制；
（2） 方程雖然有解，但迭代公式選擇不當，或迭代的初始近似根選擇不合理，也會導致迭代失敗。
遞歸

遞歸是設計和描述演算法的一種有力的工具，由於它在復雜演算法的描述中被經常採用，為此在進一步介紹其他演算法設計方法之前先討論它。
能採用遞歸描述的演算法通常有這樣的特徵：為求解規模為N的問題，設法將它分解成規模較小的問題，然後從這些小問題的解方便地構造出大問題的解，並且這些規模較小的問題也能採用同樣的分解和綜合方法，分解成規模更小的問題，並從這些更小問題的解構造出規模較大問題的解。特別地，當規模N=1時，能直接得解。
【問題】 編寫計算斐波那契（Fibonacci）數列的第n項函數fib（n）。
斐波那契數列為：0、1、1、2、3、……，即：
fib(0)=0;
fib(1)=1;
fib(n)=fib(n-1)+fib(n-2) （當n>1時）。
寫成遞歸函數有：
int fib(int n)
{ if (n==0) return 0;
if (n==1) return 1;
if (n>1) return fib(n-1)+fib(n-2);
}
遞歸演算法的執行過程分遞推和回歸兩個階段。在遞推階段，把較復雜的問題（規模為n）的求解推到比原問題簡單一些的問題（規模小於n）的求解。例如上例中，求解fib(n)，把它推到求解fib(n-1)和fib(n-2)。也就是說，為計算fib(n)，必須先計算fib(n-1)和fib(n- 2)，而計算fib(n-1)和fib(n-2)，又必須先計算fib(n-3)和fib(n-4)。依次類推，直至計算fib(1)和fib(0)，分別能立即得到結果1和0。在遞推階段，必須要有終止遞歸的情況。例如在函數fib中，當n為1和0的情況。
在回歸階段，當獲得最簡單情況的解後，逐級返回，依次得到稍復雜問題的解，例如得到fib(1)和fib(0)後，返回得到fib(2)的結果，……，在得到了fib(n-1)和fib(n-2)的結果後，返回得到fib(n)的結果。
在編寫遞歸函數時要注意，函數中的局部變數和參數知識局限於當前調用層，當遞推進入「簡單問題」層時，原來層次上的參數和局部變數便被隱蔽起來。在一系列「簡單問題」層，它們各有自己的參數和局部變數。
由於遞歸引起一系列的函數調用，並且可能會有一系列的重復計算，遞歸演算法的執行效率相對較低。當某個遞歸演算法能較方便地轉換成遞推演算法時，通常按遞推演算法編寫程序。例如上例計算斐波那契數列的第n項的函數fib(n)應採用遞推演算法，即從斐波那契數列的前兩項出發，逐次由前兩項計算出下一項，直至計算出要求的第n項。
【問題】 組合問題
問題描述：找出從自然數1、2、……、n中任取r個數的所有組合。例如n=5，r=3的所有組合為： （1）5、4、3 （2）5、4、2 （3）5、4、1
（4）5、3、2 （5）5、3、1 （6）5、2、1
（7）4、3、2 （8）4、3、1 （9）4、2、1
（10）3、2、1
分析所列的10個組合，可以採用這樣的遞歸思想來考慮求組合函數的演算法。設函數為void comb(int m,int k)為找出從自然數1、2、……、m中任取k個數的所有組合。當組合的第一個數字選定時，其後的數字是從餘下的m-1個數中取k-1數的組合。這就將求m 個數中取k個數的組合問題轉化成求m-1個數中取k-1個數的組合問題。設函數引入工作數組a[ ]存放求出的組合的數字，約定函數將確定的k個數字組合的第一個數字放在a[k]中，當一個組合求出後，才將a[ ]中的一個組合輸出。第一個數可以是m、m-1、……、k，函數將確定組合的第一個數字放入數組後，有兩種可能的選擇，因還未去頂組合的其餘元素，繼續遞歸去確定；或因已確定了組合的全部元素，輸出這個組合。細節見以下程序中的函數comb。
【程序】
# include
# define MAXN 100
int a[MAXN];
void comb(int m,int k)
{ int i,j;
for (i=m;i>=k;i--)
{ a[k]=i;
if (k>1)
comb(i-1,k-1);
else
{ for (j=a[0];j>0;j--)
printf(「%4d」,a[j]);
printf(「\n」);
}
}
}

void main()
{ a[0]=3;
comb(5,3);
}
【問題】 背包問題
問題描述：有不同價值、不同重量的物品n件，求從這n件物品中選取一部分物品的選擇方案，使選中物品的總重量不超過指定的限制重量，但選中物品的價值之和最大。
設n 件物品的重量分別為w0、w1、…、wn-1，物品的價值分別為v0、v1、…、vn-1。採用遞歸尋找物品的選擇方案。設前面已有了多種選擇的方案，並保留了其中總價值最大的方案於數組option[ ]，該方案的總價值存於變數maxv。當前正在考察新方案，其物品選擇情況保存於數組cop[ ]。假定當前方案已考慮了前i-1件物品，現在要考慮第i件物品；當前方案已包含的物品的重量之和為tw；至此，若其餘物品都選擇是可能的話，本方案能達到的總價值的期望值為tv。演算法引入tv是當一旦當前方案的總價值的期望值也小於前面方案的總價值maxv時，繼續考察當前方案變成無意義的工作，應終止當前方案，立即去考察下一個方案。因為當方案的總價值不比maxv大時，該方案不會被再考察，這同時保證函數後找到的方案一定會比前面的方案更好。
對於第i件物品的選擇考慮有兩種可能：
（1） 考慮物品i被選擇，這種可能性僅當包含它不會超過方案總重量限制時才是可行的。選中後，繼續遞歸去考慮其餘物品的選擇。
（2） 考慮物品i不被選擇，這種可能性僅當不包含物品i也有可能會找到價值更大的方案的情況。
按以上思想寫出遞歸演算法如下：
try(物品i，當前選擇已達到的重量和，本方案可能達到的總價值tv)
{ /*考慮物品i包含在當前方案中的可能性*/
if(包含物品i是可以接受的)
{ 將物品i包含在當前方案中；
if (i
try(i+1,tw+物品i的重量,tv);
else
/*又一個完整方案，因為它比前面的方案好，以它作為最佳方案*/
以當前方案作為臨時最佳方案保存;
恢復物品i不包含狀態；
}
/*考慮物品i不包含在當前方案中的可能性*/
if (不包含物品i僅是可男考慮的)
if (i
try(i+1,tw,tv-物品i的價值)；
else
/*又一個完整方案，因它比前面的方案好，以它作為最佳方案*/
以當前方案作為臨時最佳方案保存;
}
為了理解上述演算法，特舉以下實例。設有4件物品，它們的重量和價值見表：
物品 0 1 2 3
重量 5 3 2 1
價值 4 4 3 1

並設限制重量為7。則按以上演算法，下圖表示找解過程。由圖知，一旦找到一個解，演算法就進一步找更好的佳。如能判定某個查找分支不會找到更好的解，演算法不會在該分支繼續查找，而是立即終止該分支，並去考察下一個分支。

按上述演算法編寫函數和程序如下：
【程序】
# include
# define N 100
double limitW,totV,maxV;
int option[N],cop[N];
struct { double weight;
double value;
}a[N];
int n;
void find(int i,double tw,double tv)
{ int k;
/*考慮物品i包含在當前方案中的可能性*/
if (tw+a.weight<=limitW)
{ cop=1;
if (i
else
{ for (k=0;k
option[k]=cop[k];
maxv=tv;
}
cop=0;
}
/*考慮物品i不包含在當前方案中的可能性*/
if (tv-a.value>maxV)
if (i
else
{ for (k=0;k
option[k]=cop[k];
maxv=tv-a.value;
}
}

void main()
{ int k;
double w,v;
printf(「輸入物品種數\n」);
scanf((「%d」,&n);
printf(「輸入各物品的重量和價值\n」);
for (totv=0.0,k=0;k
{ scanf(「%1f%1f」,&w,&v);
a[k].weight=w;
a[k].value=v;
totV+=V;
}
printf(「輸入限制重量\n」);
scanf(「%1f」,&limitV);
maxv=0.0;
for (k=0;k find(0,0.0,totV);
for (k=0;k
if (option[k]) printf(「%4d」,k+1);
printf(「\n總價值為%.2f\n」,maxv);
}
作為對比，下面以同樣的解題思想，考慮非遞歸的程序解。為了提高找解速度，程序不是簡單地逐一生成所有候選解，而是從每個物品對候選解的影響來形成值得進一步考慮的候選解，一個候選解是通過依次考察每個物品形成的。對物品i的考察有這樣幾種情況：當該物品被包含在候選解中依舊滿足解的總重量的限制，該物品被包含在候選解中是應該繼續考慮的；反之，該物品不應該包括在當前正在形成的候選解中。同樣地，僅當物品不被包括在候選解中，還是有可能找到比目前臨時最佳解更好的候選解時，才去考慮該物品不被包括在候選解中；反之，該物品不包括在當前候選解中的方案也不應繼續考慮。對於任一值得繼續考慮的方案，程序就去進一步考慮下一個物品。
【程序】
# include
# define N 100
double limitW;
int cop[N];
struct ele { double weight;
double value;
} a[N];
int k,n;
struct { int ;
double tw;
double tv;
}twv[N];
void next(int i,double tw,double tv)
{ twv.=1;
twv.tw=tw;
twv.tv=tv;
}
double find(struct ele *a,int n)
{ int i,k,f;
double maxv,tw,tv,totv;
maxv=0;
for (totv=0.0,k=0;k
totv+=a[k].value;
next(0,0.0,totv);
i=0;
While (i>=0)
{ f=twv.;
tw=twv.tw;
tv=twv.tv;
switch(f)
{ case 1: twv.++;
if (tw+a.weight<=limitW)
if (i
{ next(i+1,tw+a.weight,tv);
i++;
}
else
{ maxv=tv;
for (k=0;k
cop[k]=twv[k].!=0;
}
break;
case 0: i--;
break;
default: twv.=0;
if (tv-a.value>maxv)
if (i
{ next(i+1,tw,tv-a.value);
i++;
}
else
{ maxv=tv-a.value;
for (k=0;k
cop[k]=twv[k].!=0;
}
break;
}
}
return maxv;
}

void main()
{ double maxv;
printf(「輸入物品種數\n」);
scanf((「%d」,&n);
printf(「輸入限制重量\n」);
scanf(「%1f」,&limitW);
printf(「輸入各物品的重量和價值\n」);
for (k=0;k
scanf(「%1f%1f」,&a[k].weight,&a[k].value);
maxv=find(a,n);
printf(「\n選中的物品為\n」);
for (k=0;k
if (option[k]) printf(「%4d」,k+1);
printf(「\n總價值為%.2f\n」,maxv);
}

遞歸的基本概念和特點
程序調用自身的編程技巧稱為遞歸（ recursion）。
一個過程或函數在其定義或說明中又直接或間接調用自身的一種方法，它通常把一個大型復雜的問題層層轉化為一個與原問題相似的規模較小的問題來求解，遞歸策略只需少量的程序就可描述出解題過程所需要的多次重復計算，大大地減少了程序的代碼量。遞歸的能力在於用有限的語句來定義對象的無限集合。用遞歸思想寫出的程序往往十分簡潔易懂。
一般來說，遞歸需要有邊界條件、遞歸前進段和遞歸返回段。當邊界條件不滿足時，遞歸前進；當邊界條件滿足時，遞歸返回。
注意：
(1) 遞歸就是在過程或函數里調用自身;
(2) 在使用遞增歸策略時，必須有一個明確的遞歸結束條件，稱為遞歸出口。

C. 遞歸和迭代有什麼區別

遞歸和迭代都是循環的一種。
簡單地說，遞歸是重復調用函數自身實現循環。迭代是函數內某段代碼實現循環，而迭代與普通循環的區別是：循環代碼中參與運算的變數同時是保存結果的變數，當前保存的結果作為下一次循環計算的初始值。

遞歸循環中，遇到滿足終止條件的情況時逐層返回來結束。迭代則使用計數器結束循環。當然很多情況都是多種循環混合採用，這要根據具體需求。

遞歸的例子，比如給定一個整數數組，採用折半查詢返回指定值在數組中的索引，假設數組已排序，為方便描述，假設元素都為正數,數組長度為2的整數倍。
折半查詢是查詢的一種，比遍歷所有元素要快很多。
int Find(int *ary,int index,int len,int value)
{
if(len==1)//最後一個元素
{
if (ary[index]==value)return index;//成功查詢返回索引
return -1;//失敗，返回-1
}
//如果長度大於1，進行折半
遞歸查詢
int half=len/2;
//檢查被查值是否大於上半部分最後一個值，如果是則遞歸查詢後半部分
if(value>ary[index+half-1])
return Find(ary,index+half,half,value);
//否則遞歸查詢上半部分
return Find(ary,index,half,value);
}

迭代經典例子就是實數的累加，比如計算1-100所有實數的和。
int v=1;
for(i=2;i<=100;i++)
{
v=v+i;
}

D. 遞歸和迭代的區別，聯系，優缺點及實例對比

區別和聯系：遞歸是迭代的一個特例，從理論上講，任何遞歸都可以轉換成迭代。
優缺點及對比:遞歸性能不如迭代，但是遞歸思路簡單清晰，並且有些時候是必須要用遞歸才能做，而迭代是做不到的，比如，在實際開發過中，有那麼一張表，描述了實體之間的層次關系的，比如要遍歷所有實體之間存在的層次關系，即n:m的關系，且事先是不知道每個實體間的數量，所以如果用迭代是根本實現不了。必須藉助遞歸進行深層次遞歸才能得到結果。

E. 遞歸與迭代(遞推)有什麼區別

zwu說到點子上了。
遞歸是自頂向下逐步拓展需求，最後自下向頂運算。即由f(n)拓展到f(1)，再由f(1)逐步算回f(n)
迭代是直接自下向頂運算，由f(1)算到f(n)。

F. 用java 求第n個Fibonacci數的遞歸和迭代演算法

1. Fibonacci
import javax.swing.JOptionPane;

public class Test {

public static void main(String args[]) {
int i,n,m;
Test f=new Test();
String s=JOptionPane.showInputDialog(null,"please input n:\n");
n=Integer.parseInt(s);
for(i=0;i<=n;i++)
{
m=f.f2(i);
System.out.println(m);
}
}

/*遞歸*/
int f1(int n)
{
if(n==0)
return 1;
else if(n==1)
return 1;
else if(n>1)
return f1(n-1)+f1(n-2);
else
JOptionPane.showMessageDialog(null,"方程無解!");
return 0;
}

//迭代
public int f2(int n)
{
int n1 = 1;
int n2 = 1;
int s = 0;
if(n==1||n==2) return n1;
for(int i=3;i<=n;i++)
{
s=n1+n2;
n1=n2;
n2=s;
}
return s;
}
}

2.二分搜索
public class Main {

public static void main(String args[]) {
int[] nums = {1,2,3,4,5,6,7,8,9};
int i = Main.binarySearch1(nums, 0);
System.out.println(i);
}

//迭代
public static int binarySearch(int [] a, int key) {
int low = 0;
int high = a.length -1;
while (low <= high) {
int mid = (low + high) >>> 1;
long midVal = a[mid];

if (midVal < key)
low = mid + 1;
else if (midVal > key)
high = mid - 1;
else
return mid; // key found
}
return -(low + 1); // key not found.
}

//遞歸
public static int binarySearch1(int [] a, int key) {
return binarySearch0(a, key, 0, a.length -1);
}
public static int binarySearch0(int [] a, int key, int from, int to) {
int low = from;
int high = to;
int mid = (low + high)/2;
long midVal = a[mid];
if(low<high) {
if (midVal < key)
return binarySearch0(a, key, mid+1, to);
else if (midVal > key)
return binarySearch0(a, key, low, mid-1);
else
return mid;
}
return -1;
}
}

G. 遞推，遞歸，迭代分別是啥意思，希望能分別

遞推是按照一定的規律來計算序列中的每個項，通常是通過計算前面的一些項來得出序列中的指定項的值。其思想是把一個復雜的龐大的計算過程轉化為簡單過程的多次重復。
例：十本不同的書放在書架上。現重新擺放，使每本書都不在原來放的位置。有幾種擺法？
當n個編號元素放在n個編號位置,元素編號與位置編號各不對應的方法數用M(n)表示,那麼M(n-1)就表示n-1個編號元素放在n-1個編號位置,各不對應的方法數,其它類推.
第一步,把第n個元素放在一個位置,比如位置k,一共有n-1種方法;
第二步,放編號為k的元素,這時有兩種情況.1,把它放到位置n,那麼,對於剩下的n-2個元素,就有M(n-2)種方法;2,不把它放到位置n,這時,對於這n-1個元素,有M(n-1)種方法;
綜上得到
M(n)=(n-1)[M(n-2)+M(n-1)]
遞推演算法以初始（起點）值為基礎，用相同的運算規律，逐次重復運算，直至運算結束。這種從「起點」重復相同的方法直至到達一定「邊界」，猶如單向運動，用循環可以實現。遞推的本質是按規律逐次推出（計算）先一步的結果。
遞歸，就是在運行的過程中調用自己。構成遞歸需具備的條件：
1. 子問題須與原始問題為同樣的事，且更為簡單；
2. 不能無限制地調用本身，須有個出口，化簡為非遞歸狀況處理。
例： 樓梯有n階台階，上樓可以一步上1階，也可以一步上2階，編一程序計算共有多少種不同的走法.
設n階台階的走法數為f(n)，顯然有：
1 n=1
2 n=2
f(n-1)+f(n-2) n>2
演算法為：當n>2時函數f(n)返回f(n-1)+f(n-2)；
當n=2時函數f(n)返回2
當n=1時函數f(n)返回1
迭代是重復反饋過程的活動，其目的通常是為了逼近所需目標或結果。每一次對過程的重復稱為一次「迭代」，而每一次迭代得到的結果會作為下一次迭代的初始值。
例：一個飼養場引進一隻剛出生的新品種兔子，這種兔子從出生的下一個月開始，每月新生一隻兔子，新生的兔子也如此繁殖。如果所有的兔子都不死去，問到第 12 個月時，該飼養場共有兔子多少只?
分析：這是一個典型的遞推問題。我們不妨假設第 1 個月時兔子的只數為 u 1 ，第 2 個月時兔子的只數為 u 2 ，第 3 個月時兔子的只數為 u 3 ，……根據題意，「這種兔子從出生的下一個月開始，每月新生一隻兔子」，則有：
u 1 = 1 ， u 2 = u 1 + u 1 × 1 = 2 ， u 3 = u 2 + u 2 × 1 = 4 ，……
根據這個規律，可以歸納出下面的遞推公式：
u n = (u n - 1） × 2 (n ≥ 2）* ①

對應 u n 和 u n - 1 ，定義兩個迭代變數y 和 x ，可將上面的遞推公式轉換成如下迭代關系：
①y=x*2

②x=y
①②兩步反復迭代，就可以求出第12個月時兔子的總數了。

H. 遞歸和迭代有哪些區別

深究遞歸和迭代的區別、聯系、優缺點及實例對比（是我看到講解遞歸與迭代的區別比較好的一篇文章）
文章有總結兩者之間的關系：
1） 遞歸中一定有迭代,但是迭代中不一定有遞歸,大部分可以相互轉換。
2） 能用迭代的不用遞歸,遞歸調用函數,浪費空間,並且遞歸太深容易造成堆棧的溢出./*相對*/在數學上，遞歸強調的是，新的值與前面計算的好幾個值有關系；比如斐波那契數列
而迭代一般是只是與之間進行計算，即;
計算機進行演算法分析中，（我對遞歸的復雜度分析不熟，可以去看看《演算法導論》）遞歸方法一般是將遞歸式轉換成樹形結構，然後是不斷向下計算吧；
在常見的迭代法中，有牛頓法與梯度下降法;像Tianyuan解說的那樣，是一種循環逼近的方式，使得初始值進過一系列的迭代之後收斂到極限值。
（再看看維基上的解釋）
我想最主要的是你去用這些具體的方法，才會更加了解其中的一些區別。

I. 遞歸和迭代有什麼區別

一、含義不同：

遞歸是重復調用函數自身實現循環。迭代是函數內某段代碼實現循環，循環代碼中參與運算的變數同時是保存結果的變數，當前保存的結果作為下一次循環計算的初始值。

遞歸循環中，遇到滿足終止條件的情況時逐層返回來結束。迭代則使用計數器結束循環。當然很多情況都是多種循環混合採用，這要根據具體需求。

二、結構不同：

遞歸與迭代都是基於控制結構：迭代用重復結構，而遞歸用選擇結構。 遞歸與迭代都涉及重復：迭代顯式使用重復結構，而遞歸通過重復函數調用實現重復。

遞歸與迭代都涉及終止測試：迭代在循環條件失敗時終止，遞歸在遇到基本情況時終止，使用計數器控制重復的迭代和遞歸都逐漸到達終止點：迭代一直修改計數器，直到計數器值使循環條件失敗；遞歸不斷產生最初問題的簡化副本，直到達到基本情況。

遞歸演算法一般用於解決三類問題：

(1)數據的定義是按遞歸定義的。（Fibonacci函數）

(2)問題解法按遞歸演算法實現。

這類問題雖則本身沒有明顯的遞歸結構，但用遞歸求解比迭代求解更簡單，如Hanoi問題。

(3)數據的結構形式是按遞歸定義的。

如二叉樹、廣義表等，由於結構本身固有的遞歸特性，則它們的操作可遞歸地描述。

以上內容參考：網路-遞歸

J. 在計算機演算法中，迭代和遞歸是什麼意思它們有什麼區別

舉個例子：我想求1+2+3+4+..+100的值。
迭代的做法：從1到100，順著往下累加。1+2=3,3+3=6,6+4=10,10+5=15……
程序表示，
int i=1,sum=0;
while(i<=100){
sum = sum +i;
}
遞歸的做法：我要求1到100的累加值，如果我已經得到1到99的累加值，將這個值加上100就是1到100的累加值；要得到1到99的累加值，如果已經得到1到98的累加值，將這個值加上99，就是1到99的累加值……最後我要得到1到2的累加值，我如果得到1自身累加值，再加上2即可，1自身的累加值顯然就是1了。於是現在我們得到了1到2的累加值，將這個值加3就得到了1到3的累加值，……最後直到得到1到100的累加值。
程序表示，其中函數會調用自身，這就是遞歸方法的典型特徵
int GetSum(int n)
{
if(n<=0) return 0;
else return n+GetSum(n-1);
}

上述例子中，其實遞歸最後得到結果也是用迭代方法完成的，只是在程序的處理上直觀看不出來。兩者都能很好的完成計算任務，不同之處在於思維方式上，從而導致不同的計算方法：迭代是正向思維，從頭到尾思考問題；遞歸是逆向思維，他假設我們已經得到了部分結果(假設我已經知道了1到99的累加值，把這個值加上100我們就得到了1到100的累加值了)，從尾部追溯到頭部，從而讓問題簡化(當然這個例子中看不出來，這里只是方便理解，有興趣可以參考一下http://ke..com/view/568949.htm 斐波那契數列 的構造方法)。