当编写递归函数时，有几个关键的思考点可以帮助你设计和实现递归算法：
-
定义递归的基本情况：确定递归函数应该在何时终止，即递归的基本情况。这是一个递归的出口条件，确保递归不会无限进行下去。基本情况应该是可以直接求解或返回的简单情况。
-
确定递归的问题规模：考虑如何将原问题分解为规模更小的子问题。递归函数应该在每一次递归调用时减小问题的规模，使得递归最终会达到基本情况。
-
利用递归调用解决子问题：在递归函数中调用自身来解决子问题。递归调用应当是朝着基本情况逼近的方向进行的，以确保问题规模不断缩小。
整合子问题的结果：在递归函数中，将子问题的解合并为原问题的解。这可能涉及到对子问题结果的处理、组合、计算等操作，以获得最终的结果。
无论是表格路径搜索的dfs，还是说其他的递归问题，都可以用这一套思想来处理，下面的题目是695. 岛屿的最大面积做路径搜索dfs的例子
我的小思考就是：最直接的想法就是：想清楚你写的递归函数的作用是什么，自然而然也就能写出清晰明了的递归函数了。
比如对于上方的代码，我的backing递归函数的作用就是返回我能走过路的最大路长（面积）【一路走到黑】；因此对于子问题的处理我只需要交给backing函数，而对于原问题的处理，我只需要在已有的步长1的基础上，加上子问题返回的backing即可，最终返回我的答案res，也就是上面图片所示。
附上完整代码
class Solution {int[][] directions = new int[][]{{-1,0},{1,0},{0,1},{0,-1}};int row;int col;public int maxAreaOfIsland(int[][] grid) {row = grid.length;col = grid[0].length;int max = 0;for(int i=0;i<row;i++){for(int j=0;j<col;j++){if(grid[i][j]==1){max = Math.max(max,backing(i,j,grid));}}}return max;}public int backing(int x,int y,int[][] grid){if(x<0 || y <0 || x>=row || y>=col || grid[x][y]==0){return 0;}//grid[x][y] = 0; //防止重复走绕圈情况，也可以单独用一个visited[][]标记int res = 1; //能走到这里，说明grid[x][y]==1for(int i=0;i<4;i++){int[] direction = directions[i];res += backing(x+direction[0],y+direction[1],grid);}return res;}}其他问题的迁移 【 463. 岛屿的周长】
