递归到动态规划：省去枚举行为

如果在动态规划的过程中没有枚举行为，那严格位置依赖和傻缓存的方式并没有太大区别，但是当有枚举行为的时候（一个位置依赖于多个位置），那严格位置依赖是有优化空间的，枚举行为也许可以省去，题目：

这个题目的动态规划普遍位置({1，8})的依赖，我们原来dp[1][8] = dp [2][8] + dp[2][6] + dp[2][4] + dp[2][2] + dp[2][0]

而dp[1][6] = dp[2][6] + dp[2][4] + dp[2][2] + dp[2][0]

我们可以看到计算dp[2][8]时候用到的 dp[2][6] + dp[2][4] + dp[2][2] + dp[2][0]之前其实是计算过的，这个值就是dp[1][6]

所以可以简化为dp[1][6] + dp[2][8]

普遍位置就是dp[index][rest] = dp[index+1][rest] + dp[index][rest-arr[index]]

dp[index][rest-arr[index]]这个要先判断存在不存在

也就是它依赖于它的下方和左边，dp数组按照从下到上，从左到右的顺序初始化即可

 对应的代码如下：

package dataStructure.recurrence.practice;/*** arr是面值数组，其中的值都是正数且没有重复。再给定一个正数aim。* 每个值都认为是一种面值，且认为张数是无限的。* 返回组成aim的方法数* 例如：arr = {1,2}，aim = 4* 方法如下：1+1+1+1、1+1+2、2+2* 一共就3种方法，所以返回3*/
public class CoinsWayNoLimit {public static int coinsWay(int[] arr, int aim) {return process1(arr, 0, aim);}/*** 动态规划的解法-原始版* 根据递归，可变的参数是index和rest,变化范围分别是0~arr.length, 0~rest* @param arr 原始的数组* @param aim 要组成的目标* @return*/public static int coinsWayDp(int[] arr, int aim) {int[][] dp = new int[arr.length + 1][aim + 1];//最后一行只有0位置是1，其他都是0（0是int默认值，不需要初始化）dp[arr.length][0] = 1;//根据递归，所有的(index, rest)都依赖于下一行前面的某个位置//所以行必须从下往上，列初始化的顺序无所谓for(int index = arr.length - 1; index >=0; index --) {for(int rest = 0; rest <= aim; rest ++) {int ways = 0;for(int num = 0; num * arr[index] <= rest; num ++) {ways += dp[index + 1][rest - (num * arr[index])];}dp[index][rest] = ways;}}return dp[0][aim];}/*** 动态规划的解法-原始版* 根据递归，可变的参数是index和rest,变化范围分别是0~arr.length, 0~rest* @param arr 原始的数组* @param aim 要组成的目标* @return*/public static int coinsWayDpBest(int[] arr, int aim) {int[][] dp = new int[arr.length + 1][aim + 1];//最后一行只有aim位置是1，其他都是0（0是int默认值，不需要初始化）dp[arr.length][0] = 1;//根据递归，所有的(index, rest)都依赖于下一行前面的某个位置//所以行必须从下往上，这里我们要省掉枚举行为，一个位置依赖于他下面的位置和他前面的某个位置，所以必须从前往后for(int index = arr.length - 1; index >=0; index --) {for(int rest = 0; rest <= aim; rest ++) {//这是倒数第二行，他下面肯定有位置dp[index][rest] = dp[index + 1][rest];//但是左边的位置rest-arr[index]不一定存在，所以要做判断if(rest-arr[index] >= 0) {//如果存在就加上dp[index][rest] += dp[index][rest-arr[index]];}}}return dp[0][aim];}/*** 递归黑盒方法，从index号下标开始组成left* @param arr 原始的面值数组，每个面值都是无限的* @param index 当前要考虑的位置下标* @param rest 还差多少钱* @return*/public static int process1(int[] arr, int index, int rest) {if(rest < 0) return 0;if(index == arr.length) {return rest == 0? 1 : 0;}int ways = 0;for(int num = 0; num * arr[index] <= rest; num++) {ways += process1(arr, index + 1, rest - (num * arr[index]));}return ways;}public static void main(String[] args) {int[] arr = {1,2};int aim = 4;int ways = coinsWay(arr, aim);System.out.println(ways);int waysDp1 = coinsWayDp(arr, aim);System.out.println(waysDp1);int waysDpBest = coinsWayDpBest(arr, aim);System.out.println(waysDpBest);}
}

省去了枚举行为，结果完全一致，原来的时间复杂度是O(N * M * K)，现在的话变成了O(N * M)

其中K是rest/数组中最小的那个面值

个人的总结是：如果某个位置只依赖它的90度角范围内的枚举都是可以优化的（上、左  上、左上、左 等等）

欢迎私信讨论