递归-记忆化搜索

正文例子:

在讲记忆化搜索之前,我们来分析一下,递归的弊端。

这里以经典简单的斐波那契数列的递归解决方法作为例子;

int fibnacci(int n)
{
	if (n == 1) return 1;
	if (n == 0) return 0;
	return fibnacci(n - 1) + fibnacci(n - 2);
}

这个经典的递归,存在很多重复计算的情况,画出递归树可以很直观的观察到这点。

 那么,如何解决这一情况呢?可以使用一个数组(备忘录),用来存储已经计算过的情况,如果再次遇到这种情况,直接返回这种情况对应的值即可,这样便可以大大节省时间与空间。

优化后的计算斐波那契数列的代码为:

int Fibnacci(int n, int arr[])
{
	if (arr[n] != -1)
		return arr[n];
	arr[0] = 0;
	arr[1] = 1;
	if(n>=2)
	arr[n] = Func_1(n - 1, arr) + Func_1(n - 2, arr);
	return arr[n];
}

arr[n]存储了当问题规模为n时的结果,这里如果arr[n]内的值如果为-1,代表问题规模为n时尚未计算过,反之则会储存问题规模为n时的数据。

后续如果再次遇到与之重复的结点,就会可以直接拿来用。

记忆化搜索本质还是动态规划,只不过采用了DFS的形式。

由于其会“记忆”住已经计算过的结点,因而不会出现重复计算结点的情况,使递归的时间及空间复杂度大大缩减。


例题

Function - 洛谷

对于一个递归函数 w(a,b,c)

  • 如果 a≤0 或b≤0 或0c≤0 就返回值1。
  • 如果 a>20 或 b>20 或 c>20 就返回 w(20,20,20)
  • 如果 a<b 并且 b<c 就返回w(a,b,c-1)+w(a,b-1,c-1)-w(a,b-1,c)
  • 其它的情况就返回 w(a-1,b,c)+w(a-1,b-1,c)+w(a-1,b,c-1)-w(a-1,b-1,c-1)

这是个简单的递归函数,但实现起来可能会有些问题。当 a,b,c 均为 15 时,调用的次数将非常的多。你要想个办法才行。

注意:例如 w(30,-1,0) 又满足条件 11 又满足条件 22,请按照最上面的条件来算,答案为 11。

输入格式

会有若干行。

并以 -1,-1,-1 结束。

保证输入的数在[−9223372036854775808,9223372036854775807] 之间,并且是整数。

输出格式

输出若干行,每一行格式:

w(a, b, c) = ans

题解

直接进行递归会TLE,所以需要进行优化,也就是记忆化搜索。定义一个三维数组memory,

memory[a][b][c]表示形参为a,b,c的递归的结点的数据,后续再次递归到该结点就直接拿出来用。

属于是入门级题目。

#include <iostream>
#include <cstring>
#include <algorithm>
using namespace std;
typedef long long LL;
LL memory[100][100][100];
//记忆化搜索。
LL w(LL a, LL b, LL c)
{
	if (a <= 0 || b <= 0 || c <= 0) return 1;
	else if (a > 20 || b > 20 || c > 20)
		return w(20, 20, 20);
	else if (memory[a][b][c] != 0)
		return memory[a][b][c];
	else if (a < b && b < c)
	{
		memory[a][b][c] = w(a, b, c - 1) + w(a, b - 1, c - 1) - w(a, b - 1, c);
		return memory[a][b][c];
	}
	else
	{
		memory[a][b][c] = w(a - 1, b, c) + w(a - 1, b - 1, c) + w(a - 1, b, c - 1) - w(a - 1, b - 1, c - 1);
		return memory[a][b][c];
	}
	return memory[a][b][c];
}

int main()
{
	int a, b, c;
	while (cin >> a >> b >> c)
	{
		if (a == -1 && b == -1 && c == -1)
			break;
		cout << "w(" << a << ", " << b << ", " << c << ")" << " = ";
		cout << w(a, b, c) << endl;
	}
	return 0;
}

  • 0
    点赞
  • 5
    收藏
    觉得还不错? 一键收藏
  • 2
    评论
记忆化搜索是一种优化递归算法的方法,它通过保存已计算的结果以避免重复计算,提高算法的效率。引用是一个使用记忆化搜索的C语言例子,通过保存计算结果在数组f中,避免了重复计算。在这个例子中,函数w用来计算三个参数a、b、c的结果,并使用数组f保存计算结果。当函数w被调用时,首先判断是否已经计算过,如果是则直接返回结果,否则进行计算并保存结果。该例子中的递归调用是通过不断减小参数a、b、c的值来实现的。引用是一个使用记忆化搜索的Java语言例子,它用来计算一个数组nums中能够组成目标值S的方式数量。与引用类似,它使用了一个二维数组memo来保存计算结果,并在递归调用时先判断是否已经计算过。记忆化搜索的优点是可以避免重复计算,提高算法效率。在递归调用时,每一层都会生成一个新的函数实例,它们之间的参数和局部变量是独立的,互不干扰。递归过程中需要明确参数的意义和当前的值,设定递归的边界条件,以及确定递归调用的返回值。记忆化搜索的过程是定义一个数组,用来存储递归所求得的值。在主程序中,对数组进行初始化并设置边界值。在递归函数中,首先判断数组中的值是否已经计算过,如果是则直接返回结果,否则进行计算并保存结果。这样可以避免重复计算,提高算法效率。<span class="em">1</span><span class="em">2</span><span class="em">3</span> #### 引用[.reference_title] - *1* [洛谷 P1464 Function](https://blog.csdn.net/HJ921004/article/details/101368809)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v92^chatsearchT0_1"}}] [.reference_item style="max-width: 33.333333333333336%"] - *2* [记忆化搜索递归)](https://blog.csdn.net/To_be_to_thought/article/details/99642379)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v92^chatsearchT0_1"}}] [.reference_item style="max-width: 33.333333333333336%"] - *3* [递归+记忆化搜索](https://blog.csdn.net/weixin_42696435/article/details/90741289)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v92^chatsearchT0_1"}}] [.reference_item style="max-width: 33.333333333333336%"] [ .reference_list ]
评论 2
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值