暴力递归到动态规划

暴力递归到动态规划

假设有排成一行的n个位置， 记为1~n，n-定大于或等于2。开始时机器人在其中的m位置上(m 一定是1~n中的一个)。如果机器人来到1位置，那么下一步只能往右来到2位置；如果机器人来到n位置， 那么下一步只能往左来到n-1位置；如果机器人来到中间位置，那么下一步可以往左走或者往右走；规定机器人必须走k步，最终能来到p位置(p也是1~n中的一个)的方法有多少种？给定四个参数n、m、k、p，返回方法数。

暴力递归

public static int robot(int n, int m, int k, int p){
   // 无效参数的情况
   if (n < 2 || m < 1 || m > n || k < 1 || p < 1 || p > n)
      return 0;
   return walk(n, m, k, p);
}

// n 还是表示一共n个位置，p 还是表示目标位置
// cur 表示当前位置，rest表示还能走几步
private static int walk(int n, int cur, int rest, int p) {
   // 如果没有剩余步数了，当前的cur位置就是最后的位置
   // 如果最后的位置停在P上，那么之前做的移动是有效的
   // 如果最后的位置没在P上，那么之前做的移动是无效的
   if (rest == 0)
      return cur == p ? 1 : 0;
   if (cur == 1)
      return walk(n, cur + 1, rest - 1, p);
   if (cur == n)
      return walk(n, cur - 1, rest - 1, p);
   // 如果还有rest步要走，而当前的cur位置在中间位置上，那么当前这步可以走向左，也可以走右
   // 走向左之后，后续的过程就是，来到cur-1位置 上，还剩rest-1步要走
   // 走向右之后，后续的过程就是，来到cur+1位置. 上，还剩rest-1步要走
   // 走向左、走向右是截然不同的方法，所以总方法数要都算上
   return walk(n, cur - 1, rest - 1, p) + walk(n, cur + 1, rest - 1, p);
}

这种解法是最纯粹的暴力递归，有一些是重复计算。可以发现递归时只有两个参数对结果有实际影响

当前位置 剩余步数 ，如果将这两个参数的取值组成一张矩阵，计算好的数据存在矩阵中，当碰到有重复计算时只需要取值即可。

半动态规划

// 上述的这种暴力递归方法是有重复计算的。可以看出递归中n、p两个参数是固定不变的，结果只取决于(m,k)的组合，如果有
// 一个cache存放各种组合的结果，当重复计算时只需要从cache中返回结果。
public static int robotCache(int n, int m, int k, int p){
   // 无效参数的情况
   if (n < 2 || m < 1 || m > n || k < 1 || p < 1 || p > n)
      return 0;
   int[][] cache = new int[n + 1][k + 1];
   // 默认将cache所有元素都设为-1，表示从来没计算过，当递归访问某个元素时发现不是-1时说明已经计算过了，直接取值即可
   for (int[] ints : cache) Arrays.fill(ints, -1);

   return walkCache(n, m, k, p, cache);
}

// 此时，所有的递归都要带上cache这张表一起玩
private static int walkCache(int n, int cur, int rest, int p, int[][] cache) {
   if (cache[cur][rest] != -1)
      return cache[cur][rest];
   if (rest == 0){
      cache[cur][rest] = cur == p ? 1 : 0;
      return cache[cur][rest];
   }
   if (cur == 1){
      cache[cur][rest] = walkCache(n, cur + 1, rest - 1, p, cache);
      return cache[cur][rest];
   }
   if (cur == n){
      cache[cur][rest] = walkCache(n, cur - 1, rest - 1, p, cache);
      return cache[cur][rest];
   }
   // 在中间位置
   cache[cur][rest] = walkCache(n, cur - 1, rest - 1, p, cache) +
      walkCache(n, cur + 1, rest - 1, p, cache);
   return cache[cur][rest];
}

通过分析发现，当$cur=1$ 时，依赖 $cache[cur+1][rest-1]$ 的值；当 $cur=n$ 时，依赖 $cache[cur-1][rest-1]$ 的值；当cur不在首尾时，依赖 $cache[cur-1][rest-1]$ 和 $cache[cur+1][rest-1]$ 。没有$cur=0$ 的情况，虽然cache容量为$(N+1)\times (K+1)$ ，但那是为了方便运算而已。初始情况下，$rest=0$，如果$cur\ne p$ 则为0，否则为1。假设目标位置$p=3$ 如下图所示：

如果确定了这种依赖关系后，直接填表就好了，连递归都省了。

纯粹动态规划

public static int dp(int n, int m, int k, int p){
   // 无效参数的情况
   if (n < 2 || m < 1 || m > n || k < 1 || p < 1 || p > n)
      return 0;
   int[][] cache = new int[n + 1][k + 1];

   cache[p][0] = 1;
   // 先填列再填行
   for (int col = 1; col < cache[0].length; col++) {
      for (int row = 1; row < cache.length; row++) {
         if (row == 1)
            cache[row][col] = cache[row + 1][col - 1];
         else if (row == cache.length - 1)
            cache[row][col] = cache[row - 1][col - 1];
         else
            cache[row][col] = cache[row - 1][col - 1] + cache[row + 1][col - 1];
      }
   }
   return cache[m][p];
}