记忆化搜索和暴力搜索的区别【一文阐述！】

*不求点赞，只求耐心看完，指出您的疑惑和写的不好的地方，谢谢您。本人会及时更正感谢。希望看完后能帮助您理解算法的本质*

一、题目：本文用一道题深度剖析记忆化和暴搜的区别

一个整数总可以拆分为2的幂的和，例如： 7=1+2+4 7=1+2+2+2 7=1+1+1+4； 7=1+1+1+2+2； 7=1+1+1+1+1+2； 7=1+1+1+1+1+1+1 总共有六种不同的拆分方式。 再比如：4可以拆分成：4 = 4，4 = 1 + 1 + 1 + 1，4 = 2 + 2，4=1+1+2。

用f(n)表示n的不同拆分的种数，例如f(7)=6. 要求编写程序，读入n(不超过1000000)，输出f(n)%1000000000。

输入描述:
每组输入包括一个整数：N(1<=N<=1000000)。

输出描述:
对于每组数据，输出f(n)%1000000000。

示例1
输入
7
输出
6

二、暴搜：详解细节问题，看一遍终生难忘!

思路：

在这个问题中，sum是当前已经选取的物品总重量，last是上一次选取的物品的编号。

在搜索时，如果当前搜索到第i个物品，那么sum就表示前i-1个物品已经选了多少，last就表示上一次选取的物品的编号。

sum和last的主要作用是为了避免枚举重复方案。由于这道题目需要枚举所有选取物品的方案，因此在搜索的过程中，需要记录下已经选取的物品的编号和总重量，避免重复搜索相同的方案。

具体地，在每一层搜索中，都需要从上一次选取的物品编号开始枚举下一个物品，同时统计已经选取的物品总重量。如果当前物品已经选取过，那么就跳过这个物品，继续枚举下一个物品。如果当前已经选取的物品总重量超过了背包容量，那么就返回。

最终，当搜索到第n个物品时，如果已经选取的物品总重量正好等于背包容量，那么就说明找到了一种可行方案，将结果加1。

last的作用：

last表示上一次选取的物品的编号。主要作用是为了避免枚举重复方案。由于这道题目需要枚举所有选取物品的方案，因此在搜索的过程中，需要记录下已经选取的物品的编号和总重量，避免重复搜索相同的方案。

具体地，在每一层搜索中，都需要从上一次选取的物品编号开始枚举下一个物品，同时统计已经选取的物品总重量。如果当前物品已经选取过，那么就跳过这个物品，继续枚举下一个物品。如果当前已经选取的物品总重量超过了背包容量，那么就返回。

重复的情况：因为在题目中：[1 2 1] = [1 1 2] = [2 1 1]三种顺序不同的序列，但是却是同一种方案！所以说last就是为了避免出现这种情况；而这种情况的递归体通常是这样的：
即每次从1开始枚举！！

    for (int i = 1; i <= n; i *= 2) {
        // 从上一次选择的数开始，每次选择下一个2的幂次方数
        res += dfs(sum + i);
    }

从而造成重复而last变量的引入就可以避免这种情况，请仔细品味下面的递归树：

    for (int i = last; i <= n; i *= 2) {
        // 从上一次选择的数开始，每次选择下一个2的幂次方数
        res += dfs(sum + i, i);
        // 对每个选择进行递归搜索，并将结果加起来
        res %= mod;
    }

由图可知红色圈的部分是合法的，但是两者是重复的！而重复的原因是当我们回溯到 1____这里的时候，11___的情况已经枚举完毕了，那么接下来我们应该枚举的是：12___的情况，而当你从 dfs (sum, last = 2)去递归的时候，那么 递归里的for循环就是从 i=last=2开始，而不是从1开始，从1开始的话，就会出现重复！本质是个完全背包问题！所以才会涉及重复性！

假设没有last呢？代码如下：

    for (int i = 1; i <= n; i *= 2) {
        // 从上一次选择的数开始，每次选择下一个2的幂次方数
        res += dfs(sum + i);
    }

那么结合图和代码进行模拟，那么回溯到 1__时，开始递归 12___的下一个位置：dfs (sum) ，然后由 for(int i=1; ) dfs(sum + i) —> 12 1___，即每次都从1开始！

res为什么是局部变量？

记住，在递归里面用 局部变量去记录答案的时候，记录的是：当前状态到终点状态的答案。而不是起点到终点的答案
答案要求是最大值：则res记录的是从当前状态到终点状态的最大值。
答案要求是方案数：则res记录的是从当前状态到终点状态的方案数目。

那么很明显：第二层的 $res$ 记录的是从 11___到 目标和等于4的状态 11XXXX…的状态的方案数，为2（1111，112）；
第三层的res=1，记录的是从：111__到目标状态的方案数：(111)；
依次类推，由于第三层的所有状态（111___）属于第二层状态（11___）的子集，所以说，第三层的方案也是包括在第二层里面的，回溯的时候会累加答案：$res+=dfs(...);$

批注：没想到 $2^x$可以用一个for循环来表示$2^0,2^1,,2^2...$：而我之前还单蠢地写了一个快速幂来求解：

for (int i=1; i <= n; i *= 2) 
就可以表示2的0次幂到2的i次幂了，i=1，表示的是2的0次幂
而我之前写的如下；
int qmi(int a, int b)
{
	int res=1;
	while (b)
	{
		if (b&1) res = res*1ll*a;
		a = a*1ll*a;
		b >>= 1;
	}
	return res;
}

for (int i=0; qmi(2, i) <= n; i ++) 我好笨！！！！
或者：
for  (int i=0; (1<<i) <= n; i ++) 我真的笨！！！！
....

代码：

#include <iostream>
#include <vector>

using namespace std;

const int mod = 1e9;
int n;

int dfs(int sum, int last)
{
    if (sum == n) {
        // 如果当前和等于n，则返回1，表示找到一种方案
        return 1;
    } else if (sum > n) {
        // 如果当前和大于n，则返回0，表示不是有效方案
        return 0;
    }

    int res = 0;
    for (int i = last; i <= n; i *= 2) {
        // 从上一次选择的数开始，每次选择下一个2的幂次方数
        res += dfs(sum + i, i);
        // 对每个选择进行递归搜索，并将结果加起来
        res %= mod;
    }

    return res;
}

int main()
{
    cin >> n;
    cout << dfs(0, 1) << endl;
    return 0;
}

三、记忆化搜索：千万不要错过，很精彩!

思路：

对于记忆化而言，上面的 $res$，实际上就是记忆化里面的一种体现，只不过它并没有记录的是当前状态是什么！！！，

1. 而记忆化的本质就是记录当前状态，到目标状态的答案，即记录了答案，也记录了当前的状态！！
2. 而一个局部变量 $res$，仅仅记录的是当局的答案！
3. 而记忆化的高效就在于这里：可以利用记录的 状态及该状态的答案 去提前判断后面的路径是否已经 (递归) 走过了，走过了的话，说明一定记录了当前的答案，所以直接返回 (剪枝) 即可！而不是花费时间走一遍，从而造成2倍的时间，得到了同样的效果！

一个简单的例图阐述记忆化的作用：

如图所示：红色的路径，是之前已经走过了的，绿色的路径是当前正在走的，如果这里采用的是暴搜，那么在相遇点黄色格子，绿色路线再暴搜一遍，枚举完其所有的分支后，其最优解仍然是和红色的后半段路径一样的，从而造成了大量的枚举，因为每个点都会存在有大量的分支！

但如果采用的是记忆化搜索就不一样了！在第一次红色路径的时候，回溯的时候，我们就会记录各个点（状态）到目标点的最优解，那么在绿色路径走的时候，在黄色格子点，会即刻返回，而不是去搜索，直接就利用了记忆化里的答案，返回累加，然后将该答案和之前的最优解进行比较！取一个更优的！