為什么 Memoization 在這里不起作用，我怎樣才能讓它起作用？

Question

class Solution {
public:
    int n, memo[101];
    int minCost(vector<vector<int>>& costs) {
        n = costs.size();
        memset(memo, -1, sizeof(memo));
        return dfs(costs, 0, true, true, true);
    }
    
    int dfs(vector<vector<int>>& costs, int idx, bool red, bool green, bool yellow) {
        if (idx == n) {
            return 0;
        }
        if (memo[idx] != -1) {
            return memo[idx];
        }
        int a = 1e9, b = 1e9, c = 1e9;
        if (red == true)
            a = dfs(costs, idx + 1, false, true, true) + costs[idx][0];
        if (green == true)
            b = dfs(costs, idx + 1, true, false, true) + costs[idx][1];
        if (yellow == true)
            c = dfs(costs, idx + 1, true, true, false) + costs[idx][2];
        
        return memo[idx] = min({a, b, c});
    }
};

問題：

我為上述問題創建了一個遞歸解決方案，但由於該解決方案的效率極低 O(3^N)，我想將記憶添加到我的遞歸 function 中，這樣它就不會調用重疊的子問題。 我相信我實施不正確，因為它在應用記憶后給出了錯誤的 output。 我做錯什么了？

Answer 1

問題是你只根據你有多深來記憶（ idx總是適合你）嘗試使用整個 state 來記憶。 例如將所有memo[idx]切換為memo[8*idx+4*red+2*green+blue]

同時將memo的大小調整 8 次到n +8 的最大可能值（如果 n<=100 則應為 808）

假設您現在唯一的問題是記憶，這應該可以解決