如何解决递归中的重复计算（重叠子问题）

递归是一种自顶向下的、很直观的编程方法，解释性强。但在写递归的时候，最关键的问题是怎样避免递归过程中可能产生的大量重复计算，即重叠子问题，否则，写出来的代码即便没有逻辑错误，也几乎会因为超时无法运行。所以说，一旦选择了递归，基本上都要连同做后续的优化工作，这也是本文主要探讨的话题。

由于递归代码是很容易写的，这篇文章要做的是在写好暴力递归之后，怎样进行优化，以避免重复计算。下面通过几个简单的例子说明（题目来自力扣）：

提示：不要关注题目内容，直接对比暴力递归代码和优化后代码，很容易找到优化套路，就在暴力基础上改个两三处就可以了。

1. 斐波那契数列

写一个函数，输入 n，求斐波那契（Fibonacci）数列的第 n 项（即 F(N)）。斐波那契数列的定义如下：
F(0) = 0, F(1) = 1 F(N) = F(N - 1) + F(N - 2), 其中 N > 1.

1.1 暴力递归

int fib(int n){
   
   
	if(n < 2) return n;
	return fib(n - 1) + fib(n - 2);
}

暴力递归的代码如此简洁，甚至稍微整理一下一行足矣。但这样写存在严重的效率问题，当 n 稍大时，基本就无法运行了，因为其时间复杂度达到了$O(2^n)$ 之大，具体这个时间复杂度怎么求得画个图就明白了：
如下图所示，时间复杂度 = 子问题的个数 * 子问题的时间复杂度。由图示可知，子问题的个数为 $2^n$，每个子问题只做了一次加法操作，故算法总的时间复杂度为$O(2^n)$ 。

从图中也可以看出，其中包含了大量的重复计算，下面，我们通过引入备忘录的方法解决该重复计算问题，即将算过的子问题存起来，以使每个子问题只计算一遍。

1.2 优化递归

int recur(vector<int>& memo, int n){
   
   
	if(n < 2) return n;
	if(memo[n] != 0) return memo[n];
	memo[n] = recur(memo, n - 1) + recur(memo, n - 2);
	return memo[n];
}

int fib(int n){
   
   
	if(n < 2) return n;
	vector<int> memo(n + 1, 0);
	int res = recur(memo, n);
	return res;
}

通过memo数组，将计算过的子问题存储在其中，再遇到时，直接反回即可。这样，时间复杂度变为$O(n)$，相当于只计算了最左侧一条线，其余都都是直接从数组返回的。

2. 正则表达式匹配

给你一个字符串 s 和一个字符规律 p，请你来实现一个支持 ‘.’ 和 ‘*’ 的正则表达式匹配。其中：
‘.’ 匹配任意单个字符；
‘*’ 匹配零个或多个前面的那一个元素。
所谓匹配，是要涵盖整个字符串 s的，而不是部分字符串。
例1：
输入：s = “aa” p = “a*”
输出：true
解释：因为 ‘’ 代表可以匹配零个或多个前面的那一个元素, 在这里前面的元素就是 ‘a’。因此，字符串 “aa” 可被视为 ‘a’ 重复了一次。
例2：
输入：s = “aab” p = “c*a*b”
输出：true
解释：因为 '’ 表示零个或多个，这里 ‘c’ 为 0 个, ‘a’ 被重复一次。因此可以匹配字符串 “aab”。

首先，我们来整理一下解题思路：

1. 如果不考虑 ‘*’ ，那就很容易了，只需要将待匹配字符串 s 和模式字符串 p 从第一个字符开始向后一一比对即可，其中， p 中的 ‘.’ 可以匹配 s 中的任意字符，此时可以写出如下代码：

bool isMatch