来，一起捋一捋 “递归——记忆化搜索——动态规划” 三者之间的关系

0 1 2 3 5
递归方法如果用二叉树画出递归的结构图就会发现，出现了很多重复运算，比如说fib(100)=fib(99)+fib(98)。
记忆化搜索通过新增一个列表容器来记录已经计算过的内容，这样就避免了重复运算，提高了效率，但是很明显有空间换时间的味道。
动态规划通过两个变量保存目标之前两个的内容就可以了，这样省略了空间开销，也提高了效率。动态规划有个状态转移过程，一般可以用一个等式来表示，当然这里可以表示为f(n) = f(n-1)+f(n-2)，所以求解动态规划问题，可以先找到这个状态转移方程。
但是必须声明，这里的动态规划相对比较简单，真正的动态规划是有表结构可以推算的。
很明显这里的递归和记忆化搜索都用的是自上而下，动态规划是自下而上，二者的区别很明显，自上而下的话由于真正的值在最底层，所以上方的值无法求出，就需要一步步推到最下层，然后再把变量向上传递，最终得出结果，其中有自上而下推导，再自下而上传递变量，两个过程。
但是自下而上的话，直接从底层开始，一步步推导到目标，变量也同时自下而上传递，得出最终的结果。
但是众所周知，递归有自下而上的，也有自上而下的，这里我们用了自上而下，那么有没有自下而上的呢？当然有啦删除线格式

归并排序

自上而下的递归

对一个数组（str）选中一个中间位置（mid=（start+end）/2），分别进行左递归（mergeSort（str，start，mid，length）），右递归（mergeSort（str，mid+1，end，length）），在回朔的时候分别对以中间为分割的数组进行排序（merge（str,start,end,mid）），此时是一个归并的过程，这是自上而下的方法。

自下而上的递归

自下而上归并其实就是自上而下的时候的回朔过程，先对每一个数字排序，在两两排序，在对结果两两排序，直到完成。！

1.递归

def  fab(n):
  if n<=1:
    return n
  return fab(n-1)+fab(n-2)

2.记忆化搜索

def  fab(n):
  memo = [-1]*(n+1)
  def fib(n):
    if n<=1:
      memo[n] = n
    if memo[n]==-1:
      memo[n] = fab(n-1)+fab(n-2)
    return memo[n]
  return fib(n)

3.动态规划

def climbStairs(self, n):
    a = b = 1
    for _ in range(n):
        a, b = b, a + b
    return a
  

比较三者的区别：显然动态规划中没有递归，只需要推导出状态转移方程即可，而递归和记忆化搜索都需要递归调用，但是记忆化搜索明显减少了重复计算，至于效果当然是动态规划最好，记忆化搜索次之，递归效果最差。空间和时间效率方面也是相同的排列顺序。