【算法】记忆化搜索

[!TIP]

一种剪枝算法，优化运算效率，减少冗余计算

基本内容

• 入门例子 [P1028 [NOIP2001 普及组] 数的计算]([P1028 NOIP2001 普及组] 数的计算 - 洛谷 | 计算机科学教育新生态)

题目要求：输入n，输出一共可以构造多少个数列，要求数列的第 i不能超过第i-1个数的一半

示例：输入6，只能输出 [6], [6, 1], [6, 2], [6, 3], [6, 2, 1], [6, 3, 1] 一共六种

• 传统思路，深度优先搜索算法，可以发现大部分案例都 TLE（超时）了

n = int(input())
ans = 0
def f(x):
    global ans
    ans += 1
    for i in range(1, int(x/2)+1):
        f(i)

f(n)
print(ans)

• 超时分析：存在着重复计算的数列重复子问题，以输入8为例，当我们计算出[8, 2, 1]时就知道了当输入为2时只有俩个可以满足的序列，以此类推，当我们以32为输入，计算到[36, 16, 8 …] 得知子树8共有 10 种数列时，即可直接计算 [36, 8] 共有11种满足的数列。

• 记忆化搜索：额外开辟一个数组空间 cache 存储计算过的值

n = int(input())
cache = [-1] * (n+1)
def f(x):
    if cache[x] != -1: # cache 不为-1表示已经计算过
        return cache[x]
    
    ans = 1 # 每一个数字都可以表示单独为一个数列
    for i in range(1, int(x/2)+1):
        ans += f(i)
    cache[x] = ans
    return ans

print(f(n))

题目

1. Leetcode 638. 大礼包

本来想用贪心算法去做，行不通，还是需要遍历每一种情况

class Solution:
    def shoppingOffers(self, price: List[int], special: List[List[int]], needs: List[int]) -> int:
        cache = {}

        def dfs(needs: Tuple[int]) -> int:
            if needs in cache: # 若need被计算过则返回need所需的最小花费
                return cache[needs]
            
            min_cost = 0 # 不用礼包的低消
            for i in range(len(price)):
                min_cost += (needs[i] * price[i])
          
            for offer in special: # 因为礼包可以无限次使用，每次都需要遍历每一个礼包
                new_needs = []
                for i in range(len(needs)):
                    if needs[i] < offer[i]:  # 如果大礼包的物品超出需求，跳过
                        break
                    new_needs.append(needs[i] - offer[i])
                else: # 表示for循环没有被break，计算当前使用该礼包是否可以得到最小值
                    min_cost = min(min_cost, dfs(tuple(new_needs)) + offer[-1])
                    
            cache[needs] = min_cost
            return min_cost
        
        return dfs(tuple(needs))