目录

引言：

1. 什么是记忆化搜索？

2. 如何实现记忆化搜索？

一、斐波那契数

1. 题目链接：509. 斐波那契数

2. 题目描述：

3. 解法（暴搜 -> 记忆化搜索 -> 动态规划）：

🌴算法思路：

🌴算法代码：

二、不同路径

1. 题目链接：62. 不同路径

2. 题目描述：

3. 解法（暴搜 -> 记忆化搜索 -> 动态规划）：

🌴算法思路：

🌴算法代码：

三、最长递增子序列

1. 题目链接：300. 最长递增子序列

2. 题目描述：

3. 解法：

🌴算法思路：

🌴算法代码：

四、猜数字大小 II

1. 题目链接：375. 猜数字大小 II

2. 题目描述：

3. 解法：

🌴算法思路：

🌴算法代码：

五、矩阵中的最长递增路径

1. 题目链接：329. 矩阵中的最长递增路径

2. 题目描述：

3. 解法：

🌴算法思路：

🌴算法代码：

---

引言：

1. 什么是记忆化搜索？

        记忆化搜索（Memoization Search）是一种通过存储已经遍历过的状态信息，从而避免对同一状态重复遍历的搜索算法。它是动态规划的一种实现方式，特别适用于那些具有重叠子问题和最优子结构特性的问题。

        在记忆化搜索中，当算法需要计算某个子问题的结果时，它首先检查是否已经计算过该问题。如果已经计算过，则直接返回已经存储的结果；否则，计算该问题，并将结果存储下来以备将来使用。这种方法可以显著减少重复计算，提高算法的效率。

2. 如何实现记忆化搜索？

实现记忆化搜索的基本步骤通常包括：

1. 确定问题的动态规划状态和状态转移方程。
2. 创建一个缓存结构（如数组或哈希表），用于存储子问题的解。
3. 定义一个递归函数，用于计算问题的解。在递归过程中，首先检查缓存中是否已经有了当前子问题的解，如果有，则直接返回；如果没有，则计算该子问题，并将结果存储到缓存中。
4. 调用递归函数并返回最终结果。

        记忆化搜索与递推（自底向上的动态规划）的主要区别在于，记忆化搜索是自顶向下的解决问题方法，而递推是自底向上的方法。记忆化搜索适合那些状态转移方程复杂或递归深度不会太深的问题，而递推适合那些状态转移方程简单且递归深度可能过大的问题。

---

一、斐波那契数

1. 题目链接：509. 斐波那契数

2. 题目描述：

斐波那契数 （通常用 F(n) 表示）形成的序列称为 斐波那契数列 。该数列由 0 和 1 开始，后面的每一项数字都是前面两项数字的和。也就是：

F(0) = 0，F(1) = 1
F(n) = F(n - 1) + F(n - 2)，其中 n > 1

给定 n ，请计算 F(n) 。

示例 1：

输入：n = 2
输出：1
解释：F(2) = F(1) + F(0) = 1 + 0 = 1

示例 2：

输入：n = 3
输出：2
解释：F(3) = F(2) + F(1) = 1 + 1 = 2

示例 3：

输入：n = 4
输出：3
解释：F(4) = F(3) + F(2) = 2 + 1 = 3

提示：

• 0 <= n <= 30

3. 解法（暴搜 -> 记忆化搜索 -> 动态规划）：

🌴算法思路：

暴搜：

1. 递归含义：给 dfs ⼀个使命，给他⼀个数 n ，返回第 n 个斐波那契数的值；
2. 函数体：斐波那契数的递推公式；
3. 递归出口：当 n == 0 或者 n == 1 时，不用套公式。

---

记忆化搜索：

1. 加上一个备忘录；
2. 每次进入递归的时候，去备忘录里面看看；
3. 每次返回的时候，将结果加入到备忘录里面。

---

动态规划：

1. 递归含义 -> 状态表示；
2. 函数体 -> 状态转移方程；
3. 递归出口 -> 初始化。

🌴算法代码：

class Solution 
{int memo[31];
public:int fib(int n) {// 初始化备忘录memset(memo, -1, sizeof(memo));return dfs(n);}int dfs(int n){if (memo[n] != -1){return memo[n];// 直接去备忘录里边拿值}if (n == 0 || n == 1){memo[n] = n;// 记录到备忘录里边return n;}memo[n] = dfs(n - 1) + dfs(n - 2);// 记录到备忘录里边return memo[n];}
};

二、不同路径

1. 题目链接：62. 不同路径

2. 题目描述：

一个机器人位于一个 m x n 网格的左上角 （起始点在下图中标记为 “Start” ）。

机器人每次只能向下或者向右移动一步。机器人试图达到网格的右下角（在下图中标记为 “Finish” ）。

问总共有多少条不同的路径？

示例 1：

输入：m = 3, n = 7
输出：28

示例 2：

输入：m = 3, n = 2
输出：3
解释：
从左上角开始，总共有 3 条路径可以到达右下角。
1. 向右 -> 向下 -> 向下
2. 向下 -> 向下 -> 向右
3. 向下 -> 向右 -> 向下

示例 3：

输入：m = 7, n = 3
输出：28

示例 4：

输入：m = 3, n = 3
输出：6

提示：

• 1 <= m, n <= 100
• 题目数据保证答案小于等于 2 * 109

3. 解法（暴搜 -> 记忆化搜索 -> 动态规划）：

🌴算法思路：

暴搜：

1. 递归含义：给 dfs ⼀个使命，给他⼀个下标，返回从 [0, 0] 位置走到 [i, j] 位置一共有多少种方法；
2. 函数体：只要知道到达上面位置的方法数以及到达左边位置的方法数，然后累加起来即可；
3. 递归出口：当下标越界的时候返回 0 ；当位于起点的时候，返回 1 。

---

记忆化搜索：

1. 加上一个备忘录；
2. 每次进入递归的时候，去备忘录里面看看；
3. 每次返回的时候，将结果加入到备忘录里面。

---

动态规划：

1. 递归含义 -> 状态表示；
2. 函数体 -> 状态转移方程；
3. 递归出口 -> 初始化。

🌴算法代码：

class Solution 
{
public:int uniquePaths(int m, int n) {vector<vector<int>> memo(m + 1, vector<int>(n + 1));// 备忘录return dfs(m, n, memo);}int dfs(int i, int j, vector<vector<int>>& memo){if(memo[i][j] != 0){return memo[i][j];}if(i ==0 || j ==0) return 0;if(i ==1 && j ==1){memo[i][j] = 1;return memo[i][j];}memo[i][j] = dfs(i - 1, j, memo) + dfs(i, j - 1, memo);return memo[i][j];}
};

三、最长递增子序列

1. 题目链接：300. 最长递增子序列

2. 题目描述：

给定一个 m x n 整数矩阵 matrix ，找出其中 最长递增路径 的长度。

对于每个单元格，你可以往上，下，左，右四个方向移动。 你 不能 在 对角线 方向上移动或移动到 边界外（即不允许环绕）。

示例 1：

输入：matrix = [[9,9,4],[6,6,8],[2,1,1]]
输出：4 
解释：最长递增路径为 [1, 2, 6, 9]。

示例 2：

 

输入：matrix = [[3,4,5],[3,2,6],[2,2,1]]
输出：4 
解释：最长递增路径是 [3, 4, 5, 6]。注意不允许在对角线方向上移动。

示例 3：

输入：matrix = [[1]]
输出：1

提示：

• m == matrix.length
• n == matrix[i].length
• 1 <= m, n <= 200
• 0 <= matrix[i][j] <= 231 - 1

3. 解法：

🌴算法思路：

暴搜：

1. 递归含义：给 dfs ⼀个使命，给他⼀个数 i ，返回以 i 位置为起点的最长递增子序列的长度；
2. 函数体：遍历 i 后面的所有位置，看看谁能加到 i 这个元素的后面。统计所有情况下的最大值。
3. 递归出口：因为我们是判断之后再进入递归的，因此没有出口~

记忆化搜索：

1. 加上⼀个备忘录；
2. 每次进入递归的时候，去备忘录里面看看；
3. 每次返回的时候，将结果加入到备忘录里面。

动态规划：

1. 递归含义 -> 状态表示；
2. 函数体 -> 状态转移方程；
3. 递归出口 -> 初始化。

🌴算法代码：

class Solution
{int m, n;int dx[4] = {0, 0, 1, -1};int dy[4] = {1, -1, 0, 0};int memo[201][201];
public:int longestIncreasingPath(vector<vector<int>>& matrix) {int ret = 0;m = matrix.size(), n = matrix[0].size();for (int i = 0; i < m; i++)for (int j = 0; j < n; j++){ret = max(ret, dfs(matrix, i, j));}return ret;}int dfs(vector<vector<int>>& matrix, int i, int j){if (memo[i][j] != 0) return memo[i][j];int ret = 1;for (int k = 0; k < 4; k++){int x = i + dx[k], y = j + dy[k];if (x >= 0 && x < m && y >= 0 && y < n && matrix[x][y] > matrix[i][j]){ret = max(ret, dfs(matrix, x, y) + 1);}}memo[i][j] = ret;return ret;}
};

四、猜数字大小 II

1. 题目链接：375. 猜数字大小 II

2. 题目描述：

我们正在玩一个猜数游戏，游戏规则如下：

1. 我从 1 到 n 之间选择一个数字。
2. 你来猜我选了哪个数字。
3. 如果你猜到正确的数字，就会 赢得游戏 。
4. 如果你猜错了，那么我会告诉你，我选的数字比你的 更大或者更小 ，并且你需要继续猜数。
5. 每当你猜了数字 x 并且猜错了的时候，你需要支付金额为 x 的现金。如果你花光了钱，就会 输掉游戏 。

给你一个特定的数字 n ，返回能够 确保你获胜 的最小现金数，不管我选择那个数字 。

示例 1：

输入：n = 10
输出：16
解释：制胜策略如下：
- 数字范围是 [1,10] 。你先猜测数字为 7 。- 如果这是我选中的数字，你的总费用为 $0 。否则，你需要支付 $7 。- 如果我的数字更大，则下一步需要猜测的数字范围是 [8,10] 。你可以猜测数字为 9 。- 如果这是我选中的数字，你的总费用为 $7 。否则，你需要支付 $9 。- 如果我的数字更大，那么这个数字一定是 10 。你猜测数字为 10 并赢得游戏，总费用为 $7 + $9 = $16 。- 如果我的数字更小，那么这个数字一定是 8 。你猜测数字为 8 并赢得游戏，总费用为 $7 + $9 = $16 。- 如果我的数字更小，则下一步需要猜测的数字范围是 [1,6] 。你可以猜测数字为 3 。- 如果这是我选中的数字，你的总费用为 $7 。否则，你需要支付 $3 。- 如果我的数字更大，则下一步需要猜测的数字范围是 [4,6] 。你可以猜测数字为 5 。- 如果这是我选中的数字，你的总费用为 $7 + $3 = $10 。否则，你需要支付 $5 。- 如果我的数字更大，那么这个数字一定是 6 。你猜测数字为 6 并赢得游戏，总费用为 $7 + $3 + $5 = $15 。- 如果我的数字更小，那么这个数字一定是 4 。你猜测数字为 4 并赢得游戏，总费用为 $7 + $3 + $5 = $15 。- 如果我的数字更小，则下一步需要猜测的数字范围是 [1,2] 。你可以猜测数字为 1 。- 如果这是我选中的数字，你的总费用为 $7 + $3 = $10 。否则，你需要支付 $1 。- 如果我的数字更大，那么这个数字一定是 2 。你猜测数字为 2 并赢得游戏，总费用为 $7 + $3 + $1 = $11 。
在最糟糕的情况下，你需要支付 $16 。因此，你只需要 $16 就可以确保自己赢得游戏。

示例 2：

输入：n = 1
输出：0
解释：只有一个可能的数字，所以你可以直接猜 1 并赢得游戏，无需支付任何费用。

示例 3：

输入：n = 2
输出：1
解释：有两个可能的数字 1 和 2 。
- 你可以先猜 1 。- 如果这是我选中的数字，你的总费用为 $0 。否则，你需要支付 $1 。- 如果我的数字更大，那么这个数字一定是 2 。你猜测数字为 2 并赢得游戏，总费用为 $1 。
最糟糕的情况下，你需要支付 $1 。

提示：

• 1 <= n <= 200

3. 解法：

🌴算法思路：

暴搜：

1. 递归含义：给 dfs ⼀个使命，给他⼀个区间 [left, right] ，返回在这个区间上能完胜的最小费用；
2. 函数体：选择 [left, right] 区间上的任意⼀个数作为头结点，然后递归分析左右子树。求出所有情况下的最小值；
3. 递归出口：当 left >= right 的时候，直接返回 0 。

记忆化搜索：

1. 加上一个备忘录；
2. 每次进入递归的时候，去备忘录里面看看；
3. 每次返回的时候，将结果加入到备忘录里面。

🌴算法代码：

class Solution 
{int memo[201][201];
public:int getMoneyAmount(int n) {return dfs(1, n);}int dfs(int left, int right){if (left >= right) return 0;if (memo[left][right] != 0) return memo[left][right];int ret = INT_MAX;for (int head = left; head < right; head++){int x = dfs(left, head - 1);int y = dfs(head + 1, right);ret = min(ret, head + max(x, y));}memo[left][right] = ret;return ret;}
};

五、矩阵中的最长递增路径

1. 题目链接：329. 矩阵中的最长递增路径

2. 题目描述：

给定一个 m x n 整数矩阵 matrix ，找出其中 最长递增路径 的长度。

对于每个单元格，你可以往上，下，左，右四个方向移动。 你 不能 在 对角线 方向上移动或移动到 边界外（即不允许环绕）。

示例 1：

输入：matrix = [[9,9,4],[6,6,8],[2,1,1]]
输出：4 
解释：最长递增路径为 [1, 2, 6, 9]。

示例 2：

输入：matrix = [[3,4,5],[3,2,6],[2,2,1]]
输出：4 
解释：最长递增路径是 [3, 4, 5, 6]。注意不允许在对角线方向上移动。

示例 3：

输入：matrix = [[1]]
输出：1

提示：

• m == matrix.length
• n == matrix[i].length
• 1 <= m, n <= 200
• 0 <= matrix[i][j] <= 2^31 - 1

3. 解法：

🌴算法思路：

暴搜：

1. 递归含义：给 dfs ⼀个使命，给他⼀个下标 [i, j] ，返回从这个位置开始的最长递增路径的长度；
2. 函数体：上下左右四个方向瞅⼀瞅，哪里能过去就过去，统计四个方向上的最大长度；
3. 递归出口：因为我们是先判断再进入递归，因此没有出口~

记忆化搜索：

1. 加上一个备忘录；
2. 每次进入递归的时候，去备忘录里面看看；
3. 每次返回的时候，将结果加入到备忘录里面。

🌴算法代码：

class Solution
{int m, n;int dx[4] = {0, 0, 1, -1};int dy[4] = {1, -1, 0, 0};int memo[201][201];
public:int longestIncreasingPath(vector<vector<int>>& matrix) {int ret = 0;m = matrix.size(), n = matrix[0].size();for (int i = 0; i < m; i++)for (int j = 0; j < n; j++){ret = max(ret, dfs(matrix, i, j));}return ret;}int dfs(vector<vector<int>>& matrix, int i, int j){if (memo[i][j] != 0) return memo[i][j];int ret = 1;for (int k = 0; k < 4; k++){int x = i + dx[k], y = j + dy[k];if (x >= 0 && x < m && y >= 0 && y < n && matrix[x][y] > matrix[i][j]){ret = max(ret, dfs(matrix, x, y) + 1);}}memo[i][j] = ret;return ret;}
};