动态规划 VS 记忆化搜索

• 记忆化搜素=搜索的形式+动态规划的思想
• 动态规划适用于：要使用的子问题的值已经被确定，不会再被更新的情况
• 适合动态规划的都适合记忆化搜索，反之不然
• 思想：在搜索过程中，会有很多重复计算,如果我们能记录一些状态的答案，就可以减少重复搜索量
• 适用范围：解决重复计算，不适合单纯生成一个走步方案，而是适合生成一个走步方案的代价
• 核心实现
  • 一个表记录已经存储下的搜索结果
  • 状态存储
  • 如果状态出现过则直接调用结果，没有出现过则正常搜索

参考链接：

https://blog.csdn.net/hjf1201/article/details/78680814

https://blog.csdn.net/qq_41289920/article/details/80691537

例题：

https://leetcode-cn.com/explore/interview/card/top-interview-quesitons-in-2018/272/dynamic-programming/1181/

//矩阵中的最长递增路径，可以向上下左右四个方向走
class Solution {
public:
    int n, m;
    vector<vector<int>> f, g;
    int next[4][2]={1,0,-1,0,0,-1,0,1};
    int dp(int x, int y)
    {
        if (f[x][y] != -1) return f[x][y];//记忆话搜索的的核心，搜过就标记，避免重复搜索。
        f[x][y] = 1;//注意这里要初始化为1  标记为搜索过
        for (int i = 0; i < 4; i ++ )
        {
            int a=x+next[i][0];
            int b=y+next[i][1];
            if (a >= 0 && a < n && b >= 0 && b < m && g[a][b] < g[x][y])
                f[x][y] = max(f[x][y], dp(a, b) + 1);
        }
        return f[x][y];
    }


    int longestIncreasingPath(vector<vector<int>>& matrix) {
        if (matrix.empty()) return 0;
        g = matrix;
        n = g.size(), m = g[0].size();
        f = vector<vector<int>>(n, vector<int>(m, -1));
        int res = 1;
        for (int i = 0; i < n; i ++ )
            for (int j = 0; j < m; j ++ )
                res = max(res, dp(i, j));
        return res;
    }
};