动态规划
|-定义:将原问题拆解成若干子问题,同时保存子问题的答案,使得每个子问题只求解一次,最终获得原问题的答案
|-解决的问题:
递归问题->重叠子问题 -> 记忆化搜索(自顶向下的解决问题)
|-定义:将原问题拆解成若干子问题,同时保存子问题的答案,使得每个子问题只求解一次,最终获得原问题的答案
|-解决的问题:
递归问题->重叠子问题 -> 记忆化搜索(自顶向下的解决问题)
-> 动态规划(自底向上的解决问题)
# 递归的的斐波那契数列解决方法 时间复杂度O(2^n)
def fib(n):
if n == 0:
return 0
if n == 1:
return 1
return fib(n-1) + fib(n-2)
# print(fib(50))
# 动态规划 先解决小数据量的 再层层递推的解决大数据量级的问题 时间复杂度O(n)
def fib2(n):
memo = [-1 for x in range(n+1)]
memo[0] = 0
memo[1] = 1
for i in range(2, n+1):
memo[i] = memo[i-1]+memo[i-2]
return memo[n]
# print(fib2(50))
# 记忆化搜索
MAXSIZE = 1000
memo = [-1 for i in range(MAXSIZE)]
def fib3(n):
if n == 0:
return 0
if n == 1:
return 1
if memo[n] == -1:
memo[n] = fib3(n-1) + fib3(n-2)
return memo[n]
print(fib3(40))
可见 动态规划和记忆化搜索的思路是比较接近的。