【C/C++】递归 与 动态规划(DP)
- 第 82 篇 -
Date: 2025 - 03 - 17
2025 - 04 - 05 改
2025 - 04 - 07 改
Author: 郑龙浩/仟墨
【递归与动态规划(DP) C/C++】
文章目录
- 递归与动态规划
- 一 递归
- 1基本介绍
- 2 递归技巧
- **(1) 递归三步法**
- **(2) 思维小技巧**
- 3 例题
- (1) 阶乘 (纯递归 or DP)
- (2) 斐波那契数列 (纯递归 or DP)
- (3) 汉诺塔 (纯递归 or DP)
- **① 英文打印过程的版本**
- **② 中文打印过程的版本(为了避免自己以后复习的时候又理解错误,故写了中文打印版本)**
- 二 动态规划(DP)
- 1 基本介绍
- 2 例题
- (1) 递归版动态规划(DP)
- (2) 迭代版动态规划(DP)
递归与动态规划
2025-04-07重新复习,并且又加了一些笔记,因为复习的时候发现有些地方又不明白了,而之前并没有在这个地方记笔记
一 递归
我看的课程,如下视频链接
https://www.bilibili.com/video/BV1LiS1YSEgF/?share_source=copy_web&vd_source=123565abb60ee9d849adaeb118d98b85
1基本介绍
是什么
递归就是函数自己调用自己。
核心
将大问题分解成规模更小的相同问题,直到达到可直接求解的简单情况(如 n=1
),再逐层返回结果。
优化 - 记忆化搜索
如果过程中会出现重复计算,则可以提前将重复计算保存下来
2 递归技巧
(1) 递归三步法
-
定义基准条件(确定结束条件)
明确递归终止的边界条件(如 阶乘时的
n=1
),避免无限递归 -
假设子问题已解决
将递归函数视为黑盒,直接假设它能返回子问题的正确结果(例如:算f(n)
时,直接相信f(n-1)
和f(n-2)
是对的)说简单点就是: 只管向问问题,它一定能返回正确答案。
-
组合子问题的解(拆解问题)
用子问题的解构建当前问题的解(如
return f(n-1) + f(n-2)
)说简单点就是: 把子问题的答案组合起来,得到当前问题的解
(2) 思维小技巧
无需提前理解完整递归过程!!!
我之前就陷入了这个问题。就是我在写递归的时候,必须想清楚递归从头到尾的所有过程和细节,其实没有必要,直接当作这个递归函数已经存在且写完
递归是「自相似性」的数学抽象,只需关注当前层逻辑,无需脑补调用栈细节(如 f(n-1)
内部如何实现)
不要陷入 “先有鸡还是先有蛋“ 的思维陷阱!!!
一定要注意,我之前因为陷入这个思维陷阱,特别较真,特别想搞清楚具体过程,太没必要了
- 直接假设递归函数已能正确工作(即使它尚未写完),基于此设计当前逻辑。这种「信任递归」的思维是突破递归障碍的关键
- 即直接将没写完的递归函数当作已经有了的函数去写,就认为这个函数是有答案的,这么去写就可以了,无需把这个递归函数中的自身的函数当作递归函数
- 禁止:在编码时脑补多级递归调用的堆栈状态
3 例题
(1) 阶乘 (纯递归 or DP)
不使用记忆化搜索 Or 使用记忆化搜索
// 2025-03-16
#include
using namespace std;
// 不使用记忆化搜索
long long funA( long long n ) {
if (n == 1)
return 1;
return funA(n - 1) * n;
}
// 使用记忆化搜索
// 使用数组或哈希表记忆
unordered_map <long long, long long> memo;
long long funB( long long n ) {
if (n == 1)
return 1;
if (memo.find(n) == memo.end()) {
memo[n] = funB(n - 1) * n;
}
return memo[n];
}
int main( void ) {
long long n;
cin >> n;
// 不使用记忆化搜索
cout << "不使用记忆化搜索的答案:" << funA(n) << '
';
// 使用记忆化搜索
cout << "使用记忆化搜索的答案:" << funB(n) << '
';
return 0;
}
(2) 斐波那契数列 (纯递归 or DP)
不使用记忆化搜索 Or 使用记忆化搜索
// 2025-03-16
#include
using namespace std;
// 不使用记忆化搜索
long long funA( long long n ) {
if (n <= 2) return 1;
return funA(n - 1) + funA(n - 2);
}
// 使用记忆化搜索
// 使用数组或哈希表记忆
unordered_map <long long, long long> memo;
long long funB( long long n ) {
if (n <= 2) return 1;
if (memo.find(n) == memo.end())
memo[n] = funB(n - 1) + funB(n - 2);
return memo[n];
}
int main( void ) {
// 第n位斐波那契数字
long long n;
cin >> n;
// 不使用记忆化搜索
cout << "不使用记忆化搜索的答案:" << funA(n) << '
';
// 使用记忆化搜索
cout << "使用记忆化搜索的答案: " << funB(n) << '
';
return 0;
}
(3) 汉诺塔 (纯递归 or DP)
必须要注意,打印的不是 前 n 个 圆盘从某个柱子移动到某个柱子,而是 第 n 个 圆盘从某个柱子移动到某个柱子。
我刚开始想了好久,就是这个地方理解错了,我以为打印的是 前 n 个 圆盘,后来意识到是 第 n 个 圆盘以后,恍然大悟,理解了这个程序。
然后为了助于我理解,我又写了一个中文打印过程版本,以免以后复习的时候,看到这个英文打印的代码又理解错了。
① 英文打印过程的版本
代码
// 2025-03-16
// 输入圆盘数量,三个柱子标识
// 打印圆盘的移动过程: 移动数量 from ? to ? ---> 错误理解
// 打印圆盘的移动过程: 第n个 from ? to ? (这个意思是第 n 个 从 ? 移动到 ?) --> 正确理解
// 注意:该题要求的是移动过程的输出,而不是真的移动,所以不要钻牛角尖,我想了半天为什么只打印不移动,实际人家要的结果就是打印
#include
using namespace std;
void hanoi(int n, char F, char A, char T) {
if (n == 1) { // 递归终止条件:只剩一个盘子时直接移动
// 打印:move 1 from A to C
// 打印:移动第 n 个盘子到目标柱 T
printf("move %d from %c to %c
", n, F, T);
return;
}
// 步骤1:将前 n-1 个盘子从 F 移到 A(借助 T 辅助)
hanoi(n - 1, F, T, A);
// 步骤2:打印:移动第 n 个盘子到目标柱 T
printf("move %d from %c to %c
", n, F, T);
// 步骤3:将 n-1 个盘子从 A 移到 T(借助 F 辅助)
hanoi(n - 1, A, F, T);
}
int main( void ) {
int n, F, A, T;
cout << "请输入圆盘数量" << endl;
cin >> n;getchar();
cout << "请输入起始柱、辅助柱、目标柱" << endl;
scanf ("%c %c %c", &F, &A, &T);
hanoi (n, F, A, T);
return 0;
}
输入与运行结果
请输入圆盘数量
3
请输入起始柱、辅助柱、目标柱
A B C
move 1 from A to C
move 2 from A to B
move 1 from C to B
move 3 from A to C
move 1 from B to A
move 2 from B to C
move 1 from A to C
② 中文打印过程的版本(为了避免自己以后复习的时候又理解错误,故写了中文打印版本)
为了避免自己以后复习的时候又理解错误,故写了中文打印版本
代码
// 2025-03-16
// 输入圆盘数量,三个柱子标识
// 打印圆盘的移动过程: 移动数量 from ? to ? ---> 错误理解
// 打印圆盘的移动过程: 第n个 from ? to ? (这个意思是第 n 个 从 ? 移动到 ?) --> 正确理解
// 注意:该题要求的是移动过程的输出,而不是真的移动,所以不要钻牛角尖,我想了半天为什么只打印不移动,实际人家要的结果就是打印
#include
using namespace std;
void hanoi(int n, char F, char A, char T) {
if (n == 1) { // 递归终止条件:只剩一个盘子时直接移动
// 打印:move 1 from A to C
// 打印:移动第 n 个盘子到目标柱 T
printf("将第 %d 个圆盘从 %c 柱子移动到 %c 柱子
", n, F, T);
return;
}
// 步骤1:将前 n-1 个盘子从 F 移到 A(借助 T 辅助)
hanoi(n - 1, F, T, A);
// 步骤2:打印:移动第 n 个盘子到目标柱 T
printf("将第 %d 个圆盘从 %c 柱子移动到 %c 柱子
", n, F, T);
// 步骤3:将 n-1 个盘子从 A 移到 T(借助 F 辅助)
hanoi(n - 1, A, F, T);
}
int main( void ) {
int n, F, A, T;
cout << "请输入圆盘数量" << endl;
cin >> n;getchar();
cout << "请输入起始柱、辅助柱、目标柱" << endl;
scanf ("%c %c %c", &F, &A, &T);
hanoi (n, F, A, T);
return 0;
}
输入与运行结果
请输入圆盘数量
3
请输入起始柱、辅助柱、目标柱
A B C
将第 1 个圆盘从 A 柱子移动到 C 柱子
将第 2 个圆盘从 A 柱子移动到 B 柱子
将第 1 个圆盘从 C 柱子移动到 B 柱子
将第 3 个圆盘从 A 柱子移动到 C 柱子
将第 1 个圆盘从 B 柱子移动到 A 柱子
将第 2 个圆盘从 B 柱子移动到 C 柱子
将第 1 个圆盘从 A 柱子移动到 C 柱子
二 动态规划(DP)
我看的课程,如下视频链接
https://www.bilibili.com/video/BV1AB4y1w7eT/?share_source=copy_web&vd_source=123565abb60ee9d849adaeb118d98b85
之前接触递归的时候接触过动态规划中的一种,对递归进行优化的时候,使用了记忆化搜索,这里有一些DP的思想。
1 基本介绍
动态规划是一种使用空间换时间的算法,或者也叫做带备忘录的递归(有时DP不用递归),或者也叫做递归树的剪枝。
因为某些节点不需要进行重复计算
2 例题
题目
nums = [1, 5, 2, 4, 3]
子序列要求:从低到高
找出最长的子序列(返回最长序列的长度就行)
(1) 递归版动态规划(DP)
下列代码中我的疑惑点
我一直疑惑,为什么不是
max_len = find_max_len2(arr, j) + 1;
当然我当时以为直接存储从
j
开始往后的最大子序列长度然后加上j
自己就行了(说白了这句话就是计算从 j 开始的最长子序列长度然后算上j自己)但是我还忘记了另外多种情况,举例说明吧
下面第 i 次子序列的意思是:从第 i 个开始,往后的最长子序列是哪些个
然后将在当前元素后,比当前元素大的数量 + 当前1个元素个数 –> 得出从当前元素开始的最长子序列长度
- 第 1 次子序列为: 5 长度为 1(在当前元素后,有多少个元素比当前元素大) + 1(当前的元素) –> 2
- 第 2 次子序列为: 2, 4 长度为 2 + 1 –> 3
- 第 3 次子序列为: 4 长度为 1 + 1 –> 2
- 第 4 次子序列为: 3 长度为 1 + 1 –> 2
如果不写
max(max_len, find_max_len2(arr, j) + 1)
取最大长度的话,第 3 次 和第 4 次的长度会覆盖第 2 次的长度,所以还是要判断一下其实这里的
max()
的作用和if
作用相同, 如下:t = find_max_len2(arr, j) + 1; if (max_len < t) max_len = t
for (int j = i + 1; j < N; j++) {
if (arr[j] > arr[i])
max_len = max(max_len, find_max_len2(arr, j) + 1);
}
使用暴力枚举与递归 Or 使用动态规划(DP)与递归
写了两个函数,一个是用了DP,一个是没用DPz
// Date: 2025-03-16
// Author: 郑龙浩 / 仟濹
// DP + 递归 --> 优化版递归
// 记忆化搜索
// nums = [1, 5, 2, 4, 3]
// 子序列要求:从低到高
// 找出最长的子序列(返回最长序列的长度就行)
#include
using namespace std;
#define N 5
int arr[N] = {1, 5, 2, 4, 3};
// 不使用记忆化搜索 / DP
// arr: 数组 i: 从第i个开始找最长的子序列长度
int find_max_len(int arr[], int i) {
// 确定递归终止条件
if (i == N - 1)
return 1; // 第 N - 1 个元素就是最后一个元素,后边没有元素了,所以从第 N - 1 个元素开始找最长子序列的话,只有自己一个元素,最长子序列长度也就是 1 了
int max_len = 1; // 存储最大长度 至少包含自己
// 寻找下一个比i大的元素的位置,并且再次递归
for (int j = i + 1; j < N; j++) {
if (arr[j] > arr[i])
// max_len: 当前已知的最长子序列长度
// find_max_len(arr, j): 从 arr[j] 开始 的最长递增子序列长度(包含 arr[j])。
// find_max_len(arr, j) + 1: 在以 arr[i] 开头的情况下,接上以 arr[j] 开头的最长子序列后的总长度(+1 就是加上 arr[i] 本身)
max_len = max(max_len, find_max_len(arr, j) + 1);
}
return max_len;
}
// 使用记忆化搜索 / DP
// 使用哈希表 - 命名为 memo
unordered_map <int, int> memo;
int find_max_len2(int arr[], int i) {
// 如果曾计算过 fin_max_len2(arr, i),那么memo会存储,则直接返回之前存储的结果即可
// 只要 memo.find(i) != memo.end() 就表示在memo中,memo[i] 没有存储过结果
if (memo.find(i) != memo.end())
return memo[i];
// 设置终止条件
if (i == N - 1)
return 1;
int max_len = 1; // 最小也有自身
for (int j = i + 1; j < N; j++) {
if (arr[j] > arr[i])
max_len = max(max_len, find_max_len2(arr, j) + 1);
}
memo[i] = max_len;
return max_len;
}
// 不断调用find_max_len函数,将每个元素作为子序列的头个元素遍历
// 进而寻找众多子序列中最大的子序列长度
int len_max1(int arr[]) {
int max_len = 1;
for (int i = 0; i < N; i++) {
int t = find_max_len(arr, i); // 减少计算次数,提前存储答案
if (t > max_len) max_len = t;
}
return max_len;
}
int len_max2(int arr[]) {
memo.clear(); // 清空记忆化存储
int max_len = 1;
for (int i = 0; i < N; i++) {
int t = find_max_len2(arr, i); // 减少计算次数,提前存储答案
if (t > max_len) max_len = t;
}
return max_len;
}
int main( void ){
// 不使用DP/记忆化搜索
int max1 = len_max1(arr);
// 使用DP/记忆化搜索
int max2 = len_max2(arr);
cout << "纯递归的答案:" << max1 << '
' << "DP的答案:" << max2 << '
';
return 0;
}
(2) 迭代版动态规划(DP)
这次就不适用递归了,用迭代版的DP时间复杂度更小
但是我感觉,迭代版DP 比 递归版DP 难理解
因为递归版DP思路是正着想的,从前往后找最长子序列
但是迭代版DP思路是反着想的,从后往前找最长子序列,感觉不如从前往后好理解
而且还有一个很关键的语句 memo[i] = max(memo[i], memo[j] + 1);
我理解了好久才明白什么意思 ! ! !
下面将每个地方拆分进行了解释:
memo[i]:
以arr[i]
结尾的最长递增子序列的长度memo[j]:
以arr[j]
结尾的最长递增子序列的长度(j > i)
memo[j] + 1:
把arr[i]
接在arr[j]
前面,形成一个新的子序列,这个新的子序列的长度max(memo[i], memo[j] + 1):
动态更新memo[i]
,使其始终存储以arr[i]
结尾的最长子序列长度。
// Date: 2025-03-18
// 2025-04-07 增加注释--> 因为复习的时候发现memo[i] = max(memo[i], memo[j] + 1);不明白了
// 而且倒着从后往前找最长子序列我也不是很理解了,所以加了一些注释,便于自己理解
// Author: 郑龙浩 / 仟濹
// --P + 递归 --> 优化版递归
// 记忆化搜索
// nums = [1, 5, 2, 4, 3]
// 子序列要求:从低到高
// 找出最长的子序列(返回最长序列的长度就行)
#include
using namespace std;
#define N 5
int arr[N] = {1, 5, 2, 4, 3};
// 使用迭代版 记忆化搜索 / DP
// 这次不用哈希表了,用vector - 命名为 memo
// 这次不用递归来DP了,而是用迭代来DP,这样时间复杂度就不是指数级别的了
vector <int> memo(N, 1);
int find_max_len() {
int max_len = 1; // 最小也是1
// 说白了就是从后往前倒着寻找最长的子序列
for (int i = N - 1; i >= 0; i--) {
// 将 i 后 的每一个位置当作一次子序列的头
for (int j = i + 1; j < N; j++) {
if (arr[i] < arr[j])
// memo[i]: 以 arr[i] 结尾的最长递增子序列的长度
// memo[j]: 以 arr[j] 结尾的最长递增子序列的长度(j > i)
// memo[j] + 1: 把 arr[i] 接在 arr[j] 前面,形成一个新的子序列,这个新的子序列的长度
// max(memo[i], memo[j] + 1): 更新 memo[i],使其始终存储以 arr[i] 结尾的最长子序列长度。
memo[i] = max(memo[i], memo[j] + 1); // 刷新以i为结尾的最长子序列长度
}
}
return *max_element(memo.begin(), memo.end());
}
int main( void ){
// 使用 迭代版DP
int max = find_max_len();
cout << "迭代版DP的答案:" << max << '
';
return 0;
}