递归就是子程序(或函数)直接调用自己或通过一系列调用语句间接调用自己,是一种描述问题和解决问题的基本方法。
递归常与分治思想同时使用,能产生许多高效的算法。递归常用来解决结构相似的问题。所谓结构相似,是指构成原问题的子问题与原问题在结构上相似,可以用类似的方法解决。具体地,整个问题的解决,可以分为两部分:第一部分是一些特殊情况,有直接的解法;第二部分与原问题相似,但比原问题的规模小,并且依赖第一部分的结果。
实际上,递归是把一个不能或不好解决的大问题转化成一个或几个小问题,再把这些小问题进一步分解成更小的小问题,直至每个小问题都可以直接解决。因此,递归有两个基本要素:
(1) 边界条件:确定递归到何时终止,也称为递归出口。
(2) 递归模式:大问题是如何分解为小问题的,也称为递归体。
递归函数只有具备了这两个要素,才能在有限次计算后得出结果。
def fib(n):
if n==0 or n==1:
return n
return fib(n-1)+fib(n-2)
def Factorial(n):
if n<=1:
return 1
return n*Factorial(n-1)
Factorial(5)
# 可用包 【自带的库itertools.permutations】获取子集的全排列
COUNT=0
def perm(n,begin,end):
global COUNT
if begin>=end:
print (n)
COUNT +=1
else:
i=begin
for num in range(begin,end):
n[num],n[i]=n[i],n[num]
perm(n,begin+1,end)
n[num],n[i]=n[i],n[num]
n=[1,2,3,4]
perm(n,0,len(n))
print (COUNT)
[https://leetcode-cn.com/problems/climbing-stairs/]
题目描述
假设你正在爬楼梯。需要 n 阶你才能到达楼顶。
每次你可以爬 1 或 2 个台阶。你有多少种不同的方法可以爬到楼顶呢?
注意:给定 n 是一个正整数。
示例 1:
输入: 2
输出: 2
解释: 有两种方法可以爬到楼顶。
输入: 3
输出: 3
解释: 有三种方法可以爬到楼顶。
解题思路
设dp[i]表示到达点第i层时有多少种方法,而到达第i层可以由i-1层跳一层上去,也可以由i-2层跳两层上去,那么状态转移矩阵可以写为:
代码实现
class Solution:
def climbStairs(self, n: int) -> int:
dp = [0]*n
if n == 1:
return 1
dp[0] = 1
dp[1] = 2
for i in range(2,n,1):
dp[i] = dp[i-1]+dp[i-2]
return dp[-1]
[https://leetcode-cn.com/problems/min-cost-climbing-stairs/]
题目描述
数组的每个索引做为一个阶梯,第 i个阶梯对应着一个非负数的体力花费值 costi。
每当你爬上一个阶梯你都要花费对应的体力花费值,然后你可以选择继续爬一个阶梯或者爬两个阶梯。
您需要找到达到楼层顶部的最低花费。在开始时,你可以选择从索引为 0 或 1 的元素作为初始阶梯。
示例 1:
输入: cost = [10, 15, 20]
输出: 15
解释: 最低花费是从cost[1]开始,然后走两步即可到阶梯顶,一共花费15。
示例 2:
输入: cost = [1, 100, 1, 1, 1, 100, 1, 1, 100, 1]
输出: 6
解释: 最低花费方式是从cost[0]开始,逐个经过那些1,跳过cost[3],一共花费6。
注意:
cost 的长度将会在 [2, 1000]。
每一个 cost[i] 将会是一个Integer类型,范围为 [0, 999]。
代码实现
class Solution:
def minCostClimbingStairs(self, cost: List[int]) -> int:
n = len(cost)
dp = [0]*n
dp[0] = cost[0]
dp[1] = cost[1]
for i in range(1,n):
dp[i] = min(dp[i-1], dp[i-2]) + cost[i]
return min(dp[-1],dp[-2])