递归、搜索与回溯算法：深入理解记忆化搜索

本题我们存的可变参数和返回值的映射是< index , memory[ index ] >，表示< n , fib (n) >;

编写代码

解法三：动态规划

我们可以通过递归，来推出上面动态规划的五步，因为它们是一 一对应的关系 ；

常规的动态规划＆记忆化搜索的本质

编写代码

拓展问题

不同路径

题目解析

为了避免处理过多边界情况，我们从下标 1 开始计数：

算法原理

解法：记忆化搜索

1. 写出暴搜代码

函数头

我们直接定义 dfs(int i , int j)，给 dfs() 的任务：表示给一个坐标，通过递归求出，到达 ( i , j ) 坐标一共有多少种方法；

函数体

如果机器人想要到达一个位置，我们只需要关心到达这个目标位置的前一个位置即可，而前一个位置有两种情况：

如果我们知道：到达上面的圆圈有多少种方式，那么我们直接走到目标位置即可；

到达目标位置的路径数 = 目标位置的前一个位置的所有情况对应路径数之和；

dfs( i , j ) = dfs ( i - 1 , j ) + dfs ( i , j - 1 ) ( i > 0 && j > 0)

递归出口

目标位置是 ( 1 , 1 )，dfs( 1 , 1 ) = dfs ( 0 , 1 ) + dfs ( 1 , 0 ) ，此时就会出现越界情况；

所以递归出口 if ( i == 0 || j == 0 ) return 0 ，表示能到达 ( 0 , j ) 或者 ( i , 0 ) 的路径数之和为 0；

还有一个递归出口，if ( i ==1 && j == 1 ) return 1，表示位于起点，路径数之和为 1

编写代码

暴搜转换成记忆化搜索

发现重复问题

添加备忘录

编写代码

处理细节问题

修改成动态规划代码

最长递增子序列

题目解析

算法原理

我们以这个例子进行讲解

递归

对于本题，要找出最长递增子序列，我们就可以先暴力查找所有递增子序列，在这些递增的子序列中，找到长度最长的子序列即可；

函数头

我们要找的是最长递增子序列的长度，所以 dfs 的任务：给一个起点，后续找出以这个起点的最长递增子序列长度；int dfs( int pos ) ，返回以 pos 为起点的最长递增子序列长度；

函数体

函数体会找以 pos 为起点之后的递增子序列的最大值，最大值 +1 就是最终的返回值；

递归出口

本题不需要递归出口，因为我们使用的循环不会越界；

编写代码

这个 dfs 其实写出来要考虑很多东西，所以暴搜 -> 记忆化搜索 -> 动态规划这条思考路径也没有那么好用；

暴搜修改为记忆化搜索

重复子问题

编写代码

这道题使用记忆化搜索的时间复杂度高，是因为这道题的最优解是贪心算法；

细节问题

动态规划

注意填表顺序

我们这里解释一下填表顺序为什么是从后往前，我们先来看记忆化搜索的 dfs 函数体：

求 dfs( pos ) 时，是依赖 dfs( pos+1 ) 以及往后位置的值，因此我们在填 dp 表的 dp[ pos ]，也需要依赖 dp[ pos+1 ] 以及 pos +1 后面的值，所以后面的值要先算出来；

解释状态表示 dp[ i ]

第二层循环用于遍历以 i+1 为起点后面的所有序列元素，并且把最长递增子序列长度填入对应 dp 表中：

此时 dp[ i ] 存的是以 i 为起点的最长递增子序列的长度;

所以如果 nums[ i ] 是最大的元素，那么 dp[ i ] =1；

注意返回值

我们填表的时候，dp[ i ] 记录的是以 i 这个位置的最长递增子序列的值和 i + 1 位置最长递增子序列的最大值；

但是返回值不是 dp 表某一个元素，而是 dp 表中所有元素的最大值；

猜数字大小Ⅱ

题目解析

算法原理

假设给的 n = 10，那么如果我们采用二分查找策略：

虽然能在一般情况下最快速地找到要猜到的数，但是我们保证赢的情况下（采取的决策面临的最坏情况)，至少需要花的钱为决策树最长分支各个节点的总和：

所以对于这题，二分查找策略并不是最优解，最优解：

暴搜

我们要的是所有情况下的 i 拿到的所有最大值分支中，最小的那条分支 ( 合照最后一排最矮的人)；

处理细节问题

编写代码

暴搜修改为记忆化搜索

重复子问题

添加备忘录

编写代码

矩阵中的最长递增路径

题目解析

算法原理

以矩阵的每一个位置为起点进行暴搜，找出每个起点所有的递增路径，返回递增路径的最大值；

然后最终返回所有起点最长递增路径的最大值即可；

解法：记忆化搜索

这里可以使用记忆化搜索，是因为当我们以某一个位置为起点时，这个位置的最长递增路径是固定的，我们把这个位置的最长递增路径存在备忘录中；

后续以别的位置为起点，递归到这个位置时，直接向上返回这个位置对应备忘录的元素即可；

处理细节问题

找递增路径决定了不需要设置标记数组

把 len 设置为参数（而不是全局遍历），表示当调用新的 dfs，把 len 置为 1，1 代表已经算上这个位置的方格；

我们每次递归都要找新的 ( x , y ) 的所有递增路径，并且让 len 等于这些路径的最大值；

我们解释一下为什么要拿 len 和 dfs( x , y ) + 1 进行比较：

编写代码

暴搜

记忆化搜索