dfs常规设计思路：LeetCode:#1575.统计所有可行路径

设计dfs算法有三个思路：

1. 设计好递归函数的【入参】和【出参】

2. 设计好递归函数的出口（Base Case）

3. 编写【最小单元】处理逻辑

通常Base Case是三部曲中最难的。

以一道题为例：

Question:

给你一个 互不相同 的整数数组，其中 locations[i] 表示第 i 个城市的位置。同时给你 start，finish 和 fuel 分别表示出发城市、目的地城市和你初始拥有的汽油总量

每一步中，如果你在城市 i ，你可以选择任意一个城市 j ，满足  j != i 且 0 <= j < locations.length ，并移动到城市 j 。从城市 i 移动到 j 消耗的汽油量为 |locations[i] - locations[j]|，|x| 表示 x 的绝对值。

请注意， fuel 任何时刻都 不能 为负，且你 可以 经过任意城市超过一次（包括 start 和 finish ）。

请你返回从 start 到 finish 所有可能路径的数目。

由于答案可能很大， 请将它对 10^9 + 7 取余后返回。

示例 1：

输入：locations = [2,3,6,8,4], start = 1, finish = 3, fuel = 5
输出：4
解释：以下为所有可能路径，每一条都用了 5 单位的汽油：
1 -> 3
1 -> 2 -> 3
1 -> 4 -> 3
1 -> 4 -> 2 -> 3

Resolution:

入参即为locations,start,finish,fuel，出参即为路径数

最小处理逻辑单元：

int sum = (start == finish ? 1 : 0);
for (int i = 0; i < n; i++) {
    if (i != start) {
        int need = Math.abs(locations[i] - locations[start]);
            if (fuel >= need) {
                sum += dfs(locations, i, finish, fuel - need);
                sum %= mod;
        }
    }
}

由于题目说明每个城市可以经过多次（包括起始点），所以递归函数的出口只能是因为燃油耗尽，即fuel == 0，所以Base Case：

if (fuel == 0) {
    return cache[start][fuel] = (start == finish ? 1 : 0);
}