前往小程序,Get更优阅读体验!
立即前往
首页
学习
活动
专区
工具
TVP
发布
社区首页 >专栏 >记忆化搜索(Memory Search)

记忆化搜索(Memory Search)

作者头像
全栈程序员站长
发布2022-09-17 10:28:15
3400
发布2022-09-17 10:28:15
举报
文章被收录于专栏:全栈程序员必看

大家好,又见面了,我是你们的朋友全栈君。

Question 输入n,符合要求的序列为:第一个数为n,第二个数不大于n,从第三个数起小于前两个数的差的绝对值,后面以此类推。求有多少种序列?答案取模10000(数据:n最大为1000)

Sample input:4 / output:7 input:5 / output:14 input:6 / output:26

Hint n为4时有如下序列: 4 1 4 2 4 3 4 4 4 1 1 4 1 2 4 2 1 故共7种。

这是校赛的一道题,当时用朴素dfs暴力,最大只能算到n为30左右,再后面的便需要等很长很长时间,而这道题n最大为1000。赛后听说是记忆化搜索,便打算等有空再研究一番。时隔多月,终于重新看回这道题。试着用记忆化搜索搞,调试了蛮长时间,终于搞定,这时当n为1000时便可在2s内得出答案,但时限1s,依旧超时,所以还可以进一步的优化。下面结合这道题总结下记忆化搜索。


普通搜索的低效使得很多时候在数据比较大时会导致TLE,一个重要原因是其搜索过程中重复计算了重叠子问题。记忆化搜索以搜索的形式加上动态规划的思想,面对会有很多重复计算的问题时,在搜索过程中记录一些状态的答案,可以减少重复搜索量。记忆化搜索本质上是DP,它们都保存了中间结果,不同点是DP从下往上算,记忆化DFS因为是递归所以从上往下算。

记忆化搜索:

  1. 递归函数的结果以返回值形式存在,不能以全局变量或参数形式传递。
  2. 不依赖任何外部变量。 (根据以上两个要求把朴素暴搜dfs写出来后,添加个记忆化数组就ok了)
  3. 记忆化数组一般初始化为-1。在每一状态搜索的开始进行判断,如果该状态已经计算过,则直接返回答案,否则正常搜索。

对于这道题,很明显前2个数共有n种情况,所以我们的dfs以前2个数为参数,搜当前状态有几种情况。可以发现,搜索过程种存在很多重叠子问题,比如n为5时,5 1 3→5 1 3 1→5 1 3 1 1,5 3 1→5 3 1 1,这里便存在重叠的子问题dfs(3,1),对于相同一组参数, dfs 返回值总是相同的 ,所以在前面已求出dfs(3,1)结果后把答案存储到记忆数组dp[3][1]中,后面再遇到直接调用记忆数组就可以了。

如果对记忆化搜索不熟练,可以先写出void型dfs,再转化为有返回值的dfs,最后再加个数组记录已经搜过的状态就是记忆化dfs了。

①void型朴素dfs,代码如下:

代码语言:javascript
复制
def dfs(f,s):
    if abs(f-s)<2: return
    for i in range(1,n):
        if i<abs(f-s):
            global num
            num+=1
            dfs(s,i)
        else: return
num=0
while True :
    n=int(input())
    num=0
    for i in range(1,n+1):
        dfs(n,i)
    print(num+n)

②改成“无需外部变量”的有返回值的朴素dfs,代码如下:

代码语言:javascript
复制
#include<bits/stdc++.h>
using namespace std;
typedef long long ll;
ll sum;
ll dfs(int f,int s)
{ 
   
    if(abs(f-s)<2)return 0;
    ll num=0; //注意num不能是全局,必须是在函数内定义的局部变量
    for(int i=1;i<abs(f-s);i++)
        num+=dfs(s,i)+1;
    /* 如果把上面这个for循环改换成下面这个,代码也是对的,但是却无法直接添加记忆化数组改 写成记忆化搜索,因为里面存在有一个外部变量sum for(int i=1;i<abs(f-s);i++){ num++; sum+=dfs(s,i); } */
    return num;
}
int main()
{ 
   
    int n;
    while(~scanf("%d",&n)){ 
   
        sum=0;
        for(int i=1;i<=n;i++)
            sum+=dfs(n,i);
        printf("%lld\n",sum+n);
    }
    return 0;
}

上述代码dfs函数内的num变量必须在函数内定义ll num=0。如果是在全局定义ll num=0,dfs函数内改为num=0,则是错误的。

每递归调用一次函数,系统就会生成一个新的函数实例。这些函数实例有同名的参数和局部变量,但各自独立,互不干扰。流程执行到哪一层,那一层的变量就起作用,返回上一层,就释放掉低层的同名变量。这个需要深刻理解一下。

③记忆化dfs,添加个dp[f][s]数组记录当前两个数是f和s时有多少种序列,代码如下:

代码语言:javascript
复制
#include<bits/stdc++.h>
using namespace std;
typedef long long ll;
const ll mod = 10000;
ll dp[1005][1005],sum;
ll dfs(int f,int s)
{ 
   
    if(dp[f][s]!=-1)
        return dp[f][s]; 
    if(abs(f-s)<2)
        return dp[f][s]=0;
    ll num=0;
    for(int i=1;i<abs(f-s);i++)
        num+=dfs(s,i)+1;
    return dp[f][s]=num; //返回num值前要把num值记录到记忆化数组
    //若需取模则改为 return dp[f][s] = num % mod;
}
int main()
{ 
   
    int n;
    while(~scanf("%d",&n)){ 
   
        sum=n;
        memset(dp,-1,sizeof(dp));
        for(int i=1;i<=n;i++)
        	sum+=dfs(n,i); //若需取模则 sum=(sum+dfs(n,i))%mod;
        printf("%lld\n",sum);
    }
    return 0;
}

下面是对普通搜索和记忆化搜索的dfs函数调用次数进行对比: (左图为记忆化dfs,右图为朴素dfs,答案均无取模)

至此在时限1s内可计算到n为800,,对于n为1000,还可进一步优化。

④进一步优化

解空间是N的平方(详细为N*N)表格,但是每次都要循环加总,所以成了N的立方,在同样的解空间下,避免循环加总,即可优化到N的平方 重新考虑状态的转移: 如果我们用f(i,j)表示前一个数是i,当前数是1到j的合法序列的个数;有f(i,j) = 1 + f(i,j-1) + f(j,abs(i-j)-1)即分为两个部分1)i作为前一个数,从1到j-1为当前数的合法序列的个数已经计算好,2)求以j为尾数,后面选择1到abs(i-j)-1的合法序列的个数。 如 f(10,5)=f(10,4)+f(5,4);而不是枚举1到5;这样每次解答树只展开两个节点,相当于减少一层循环,虽然解答树的层次还是很深,但是由于记忆的存在,解空间仍然是N的平方。可在100ms内解决。 ——摘自https://blog.csdn.net/zhengwei223/article/details/105065435

代码语言:javascript
复制
#include<bits/stdc++.h>
typedef long long LL;
using namespace std;
const int MOD = 10000;
int mem[1001][1000];
int dfs(int pre, int cur) { 
   
    if (cur <= 0) return 0;
    if (mem[pre][cur] != 0) return mem[pre][cur];
    return mem[pre][cur] = (1 + dfs(pre, cur - 1) + dfs(cur, abs(pre - cur) - 1)) % MOD;
}
int main() 
{ 
   
	int N;
    cin >> N;
    cout << dfs(N, N) << endl;
    return 0;
}

发布者:全栈程序员栈长,转载请注明出处:https://javaforall.cn/164455.html原文链接:https://javaforall.cn

本文参与 腾讯云自媒体同步曝光计划,分享自作者个人站点/博客。
如有侵权请联系 cloudcommunity@tencent.com 删除

本文分享自 作者个人站点/博客 前往查看

如有侵权,请联系 cloudcommunity@tencent.com 删除。

本文参与 腾讯云自媒体同步曝光计划  ,欢迎热爱写作的你一起参与!

评论
登录后参与评论
0 条评论
热度
最新
推荐阅读
领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档