请求提供Recursion（递归）的最简定义及通俗解释

递归是一个过程（或函数）调用自身，同时逐步缩小问题的规模，直到触发某个无需再递归的终止条件。

用生活化场景理解递归 #

举个最常见的例子：找家门钥匙。

• 你要找钥匙，但记得钥匙在背包里 → 现在问题变成「找背包」
• 背包在卧室衣柜里 → 问题变成「找衣柜」
• 衣柜上层被储物箱挡住了 → 问题变成「找储物箱」
• 储物箱在床底下 → 这时候你直接能拿到储物箱，不用再找别的东西来获取它（这就是终止条件）
• 拿到储物箱后，你就能打开衣柜、取出背包、找到钥匙——这就是递归的「回溯计算」过程：从最底层的结果一步步往上推，解决最初的大问题。

简单说，递归就是「把大问题拆成和原问题逻辑一样但更小的问题，直到遇到一个不用再拆的“终点”，再从终点往回得出最终答案」。

用简单代码示例看递归 #

以计算正整数的阶乘为例（n的阶乘是1×2×…×n），用Python写的递归函数如下：

def factorial(n):
    # 终止条件：当n=1时，阶乘结果就是1，不用再递归
    if n == 1:
        return 1
    # 递归调用：把计算n的阶拆成n乘以(n-1)的阶乘，问题规模缩小了1
    return n * factorial(n-1)

比如计算factorial(5)：

1. 先调用factorial(5)，需要计算5 * factorial(4)
2. 调用factorial(4)，需要计算4 * factorial(3)
3. 调用factorial(3)，需要计算3 * factorial(2)
4. 调用factorial(2)，需要计算2 * factorial(1)
5. 触发终止条件，factorial(1)返回1
6. 回溯计算：2*1=2 → 3*2=6 → 4*6=24 → 5*24=120，最终得到结果120

递归的核心要点 #

• 必须有终止条件：如果没有终止条件，递归会无限调用自身，导致程序崩溃（就像镜子对着镜子，无限反射下去）
• 问题规模必须逐步缩小：每次递归调用都要把问题变简单，这样才能最终触发终止条件
• 回溯计算：递归不是只拆问题，还要从终止条件的结果往回推导，得到原问题的答案

内容的提问来源于stack exchange，提问作者Lukar