递归与动态规划

递归步骤：

1.定义递归函数，明确函数的功能，

2.查找问题与子问题的关系：

要采用自上而下，由大到小的方式

用递归表达式表示关系

3.根据递归伪代码补充函数的功能（画图）

4.分析时间复杂度

动态规划：

1.将每一个子问题的解记录下来，避免重复计算，一旦某个给定子问题的解已经算出，则将其记忆化存储，以便下次需要同一个子问题解之时直接查表。

2.采用由小到大的方式

3.动态规划法试图只解决每个子问题一次

「动态规划」中包含三个重要的概念：

• 【最优子结构】

• 【边界】

• 【状态转移公式】

• 在「 爬台阶问题 」中

  f(10) = f(9) + f(8) 是【最优子结构】
  f(1) 与 f(2) 是【边界】
  f(n) = f(n-1) + f(n-2) 【状态转移公式】

区别

1.递归是从上而下（从大问题到小问题），而动态规划是由下而上（先解决小问题最后到大问题）
2.动态规划会储存每个小问题的结果，从而它的计算速度会比递归要快。（代价是动态规划的空间复杂度更高，即用空间换取的时间）

下面拿斐波那契函数举例

递归如下：

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

动态规划如下：

int fib(int n)
{
	int F[100],i;
	F[0]=0;
	F[1]=1;
	for(i=2;i<n;i++)
		F[i]=F[i-1]+F[i-2];
	return F[n-1];
}

总结：能用动态规划或者迭代，就不用递归，因为递归太耗堆栈了。效率不高。