递归和动态规划（python)

        暴力递归： 1，把问题转化为规模缩小了的同类问题的子问题 2，有明确的不需要继续进行递归的条件(base case) 3，有当得到了子问题的结果之后的决策过程 4，不记录每一个子问题的解
        动态规划： 1，从暴力递归中来 2，将每一个子问题的解记录下来，避免重复计算 3，把暴力递归的过程，抽象成了状态表达 4，并且存在化简状态表达，使其更加简洁的可能

1、求n!的结果

        想法是转换成fact(n)=n*fact(n-1)

# 求n!,时间复杂度为O(logN）
def factorial(n):
    if n == 1:
        return 1
    else:
        return n*factorial(n-1)

if __name__ == '__main__':
    n = int(input())
    print(factorial(n))

2、汉诺塔问题   打印n层汉诺塔从最左边移动到最右边的全部过程

A，B，C三个圆柱，分别为初始位，过渡位，目标位，设A柱为初始位，C位为最终目标位

（1）将最上面的n-1个圆盘从初始位移动到过渡位

（2）将初始位的最底下的一个圆盘移动到目标位

（3）将过渡位的n-1个圆盘移动到目标位

对于递归算法中的嵌套函数f（n-1）来说，其初始位，过渡位，目标位发生了变化