任务四 递归思想和动态规划

递归思想

相对于迭代，递归不需要维护许多变量，其过程更容易理解，也更容易实现。但要注意为递归函数编写终止条件，否则将产生无限递归。

一般递归求解问题需满足的条件：
（1）把要解决的问题转化为一个子问题，这个子问题规模更小、具有与原来问题相同解法。
（2）原问题可以通过子问题解决而组合解决。
（3）存在一种简单的情境，是问题在简单情境下退出。

例子：斐波拉契数列问题

一个数列满足 1，1，2，3，5…… 的形式，即当前项为前两项之和的形式，那么则称这个数列为斐波拉契数列。假设现在要求第 n 项数列的值。

f(n)由f(n-1)+f(n-2)求得，即原问题可以转化为两个子问题，满足条件一。
假设求得 f(n-1)、f(n-2)后，根据f(n)=f(n-1)+f(n-2)求得f(n), 即原问题可以通过子问题的解决而解决，满足条件二。
已知f(1)=1,f(2)=1，计算到此步，递归停止，满足条件三。

代码如下：

#递归思想
‘’’javascrip
def fab(n):
	if n==1 or n==2:
		return 1
else:
return fab(n-1)+fab(n-2) 
for i in range(1,11):
	print(fab(i), end = ' ')
	
#循环思想
def Fab (n):
    n1 = 1
    n2 = 1
    n3 = 2
    if n == 1:
        return n1
    if n == 2:
        return n2
    else:
        for i in range(3,n+1):
            n3 = n2 + n1
            n1 = n2
            n2 = n3
        return n3 

动态规划(dynamic programming)

动态规划是运筹学的一个分支，是求解决策过程最优化的数学方法。它把多阶段过程转化为一系列单阶段问题，利用各阶段之间的关系，逐个求解。

使用动态规划特征：

1. 求一个问题的最优解
2. 大问题可以分解为子问题，子问题还有重叠的更小的子问题
3. 整体问题最优解取决于子问题的最优解（状态转移方程）
4. 从上往下分析问题，从下往上解决问题
5. 讨论底层的边界问题

动态规划图解过程见：https://www.jianshu.com/p/d6efacd8a252

例子：走楼梯问题

有十个台阶，从上往下走，一次只能走一个或两个台阶，请问总共有多少种走法？

最优子结构：我们来考虑要走到第十个台阶的最后一步，最后一步必须走到第八或者第九。不难得到 f(10) = f(9)+f(8)。f(9) = f(8)+f(7)
边界：f(1) = 1, f(2) = 2
状态转移：f(n) = f(n-1) + f(n-2)

#递归代码
def get_count(n):
    if n == 1:return 1
    if n == 2:return 2
    else:
        return get_count(n-1)+get_count(n-2)
print(get_count(10))

#备忘录算法代码：
def climb_stairs(n):
    way = [0, 1, 2]
    for i in range(3, n + 1):
        way.append(way[i - 1] + way[i - 2])
    return way[n]

回顾：
https://blog.csdn.net/weixin_44157737/article/details/85172377
https://blog.csdn.net/weixin_44157737/article/details/85070502
https://blog.csdn.net/weixin_44157737/article/details/85128531
https://blog.csdn.net/weixin_44157737/article/details/85172256