递推的思维构建与技巧实现

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：