动态规划和递归经验分享

动态规划和递归经验分享

主要参考的是知乎大佬，我只是快乐的搬运工。
动态规划;https://zhuanlan.zhihu.com/p/91582909
1.第一步骤：定义数组元素的含义
2.第二步骤：找出数组元素之间的关系式
3.第三步骤：找出初始值
递归:https://mp.weixin.qq.com/s/mJ_jZZoak7uhItNgnfmZvQ
1.第一要素：明确你这个函数想要干什么
2.第二要素：寻找递归结束条件
3.第三要素：找出函数的等价关系式

深度优先搜索（DFS）
一般来说，深度优先搜索类型的题可以分为主函数和辅函数，主函数用于遍历所有的搜索位置，判断是否可以开始搜索，如果可以即在辅函数进行搜索。辅函数则负责深度优先搜索的递归调用。当然，我们也可以使用栈（stack）实现深度优先搜索，但因为栈与递归的调用原理相同，而递归相对便于实现，因此刷题时笔者推荐使用递归式写法，同时也方便进行回溯（见下节）。不过在实际工程上，直接使用栈可
能才是最好的选择，一是因为便于理解，二是更不易出现递归栈满的情况。
在辅函数里，一个一定要注意的点是辅函数内递归搜索时，边界条件的判定。边界判定一般有两种写法，一种是先判定是否越界，只有在合法的情况下才进行下一步搜索（即判断放在调用递归函数前）；另一种是不管三七二十一先进行下一步搜索，待下一步搜索开始时再判断是否合法（即判断放在辅函数第一行）。

广度优先（BFS）
参考：https://blog.csdn.net/Aelous_dp/article/details/107481646
BFS 的核心思想应该不难理解的，就是把一些问题抽象成图，从一个点开始，向四周开始扩散。一般来说，我们写 BFS 算法都是用「队列」这种数据结构，每次将一个节点周围的所有节点加入队列。

BFS 相对 DFS 的最主要的区别是：BFS 找到的路径一定是最短的，但代价就是空间复杂度比 DFS 大很多。

// 计算从起点 start 到终点 target 的最近距离
int BFS(Node start, Node target) {
  Queue<Node> q; // 核心数据结构
  Set<Node> visited; // 避免走回头路

  q.offer(start); // 将起点加入队列
  visited.add(start);
  int step = 0; // 记录扩散的步数

  while (q not empty) {
    int sz = q.size();
    /* 将当前队列中的所有节点向四周扩散 */
    for (int i = 0; i < sz; i++) {
      Node cur = q.poll();
      /* 划重点:这里判断是否到达终点 */
      if (cur is target)
        return step;
      /* 将 cur 的相邻节点加入队列 */
      for (Node x : cur.adj())
        if (x not in visited) {
          q.offer(x);
          visited.add(x);
        }
    }
    /* 划重点:更新步数在这里 */
    step++;
  }
}

队列 q 就不说了，BFS 的核心数据结构；cur.adj()泛指 cur 相邻的节点，比如说二维数组中，cur 上下左右四面的位置就是相邻节点；
visited 的主要作用是防止走回头路，大部分时候都是必须的，但是像一般的二叉树结构，没有子节点到父节点的指针，不会走回头路就不需要 visited。