MIT_计算机科学与程序：动态规划，重叠的子问题

在做递归的时候会产生很多的冗余计算，需要用暂存(将一些计算结果暂时记入到内存，当使用的时候直接调用)的方法进行优化
最优子结构

一、fib的快速方法

def fib(n):
    global numbcalls_fib
    numbcalls_fib += 1
    if n <= 1:
        return 1
    return fib(n-1) + fib(n -2)

def fastfib(n, memo):
    global numbcalls
    numbcalls += 1
    if n not in memo: # 减少了重叠部分的计算
        memo[n] = fastfib(n-1, memo) + fastfib(n-2, memo)
    return memo[n]

def fib1(n):
    memo = {0:1, 1:1}
    return fastfib(n, memo)

def fib_compare(n):
    print("{}th fib is {}(fib func)/{}(fast_fib func)".format(n, fib(n), fib1(n)))
    print("Compare Two fib function loop times:\nfib:{}, fastfib:{}".format(numbcalls_fib, numbcalls))

numbcalls, numbcalls_fib = 0, 0
fib_compare(10)


"""
10th fib is 89(fib func)/89(fast_fib func)
Compare Two fib function loop times:
fib:177, fastfib:19
"""

从结果看：该方法显然将指数时间复杂度做了很大提升。这也是