递推是一种用若干步可重复运算来解决复杂问题的方法。
1.一维递推
1.1 问题描述
有一个n层的楼梯,每次只可以向上爬1层或者2层,问爬完n层共有多少种不同的方式呢?
1.2 分析
设f(n)表示n层楼总共不同的方式。
假设此时位于第i层,因为每次只能爬1层或2层,所以到第i层只有2种方式。
-
从第i-1层爬上来。
-
从第i-2层爬上来。
所以得到递推公式为f(n)=f(n-1)+f(n-2)。前2项之和等于第3项,其实就是斐波那契数列,1,1,2,3,5,8,13,21...
1.3 代码实现
f[0] = 1; f[1] = 1;
for (int i = 2; i < n; i++){
f[i] = f[i - 1] + f[i - 2]
}
cout << f[n - 1] << endl;
1.4 空间优化
每一步的递推只与前2步有关,所以只需要记录前2步的方案数,用滚动数组,而不需要开O(n)的空间。
手动赋值
int f[3];
f[0] = 1;
f[1] = 1;
for (int i = 2; i < 10; ++i) {
f[2] = f[1] + f[0];
f[0] = f[1];
f[1] = f[2];
cout << f[2] << endl;
}
取模滚动
int f[3];
f[0] = 1;
f[1] = 1;
for (int i = 2; i < 10; ++i) {
f[i % 3] = f[(i - 1) % 3] + f[(i - 2) % 3];
cout << f[i % 3] << endl;
}
如果只与前一个状态有关,比如f[n]=f[n-1]+1,可以用0,1滚动,这个在动态规划中会比较常用。
int f[2], t = 0;
f[0] = 1;
for (int i = 2; i < 10; ++i) {
t = 1 - t;
f[t] = f[1 - t] + 1;
cout << f[t] << endl;
}
递推和动态规划最大的区别:递推的每一步是所有方案数的加和,而动态规划在每一步递推中,需要用来选取一个最优策略。本质其实都是通过重复的小规模子问题推导出大规模的结果。
1.5 时间优化
斐波那契数列递推公式很简单,但数据很大时,效率就比较低,因为递推是O(n)复杂度。
通过矩阵公式变换可将加法变为乘法
如下将递推公式放入矩阵:
假设: