最优子结构与记忆化搜索

源于对算法竞赛一书的理解

最优子结构：先来看一个数塔
从最顶部的结点出发，每次可以向左或者向右走一格，走到最底部时把沿途经历的结点全部加起来，如何走才能和最大。
可以用一个二维数组a（i，j）记录这张数塔图，每一个结点的位置（i，j），都可以看作是一个状态，则从当前状态出发，下一个状态可以是（i+1，j）或者是（i+1，j+1），而题目就是求从状态（0,0）出发，不断的状态进行转移，转移到最底部时所得的和最大值。设d（0,0）为从状态（0,0）出发得到的和最大值，则d（0,0）=a（0,0）+d（1，0）或者d（0,0）=a（0,0）+d（1,1）；要得到最大值只能是其中一种走法，所以d（0,0）=a（0,0）+max（d（1,0），d（1,1）），即当前最优解等于下一子状态的最优解加上当前结点值。当下一子状态都不是最优解时，当前状态一定不是最优解。这就是最优子结构。
递归算法如下：


int solve(int i,int j)
{
return d[i][j]=a[i][j]+(i==n?0:max(solve(i+1,j),solve(i+1,j+1));
}
但是这样做这道题，相当于从节点开始往下搜索，由于总共层数有n层，一共有2的n次-1个结点要被执行，所以 时间复杂度为o（2^n），过于复杂，这是因为有很多结点被重复执行了，比如从状态（2,1）要转移到（3,2），而从状态（2,2）也要转移到（3,2），这样从（3,2）这个结点往下的子树就被执行了两次，更何况，别的结点及以下的子树也会发生这种情况，时间复杂度就这样上来了。因此采用记忆化搜索来保证每个结点及以下的子树只走一次。
记忆化搜索：
如果把每从一个状态出发后所得的最优解记录在一个数组dp[i][j]中，那么当下一次又执行到这个状态时，就可以返回了，避免了重复操作。
代码int solve(int i,int j)
{
if(dp[i][j]>0)
return dp[i][j];
else
return dp[i][j]=a[i][j]+(i==n?0:max(solve(i+1,j),solve(i+1,j+1));
}
这里赋值语句本身有返回值。即把值赋给dp[i][j]后，又可以把dp[i][j]的值返回。

如果博文有什么误笔，错误欢迎留言指出。