为什么这个解决方案在 Javascript 中有效，但在 Python 中无效？ （动态规划）

我正在学习有关动态编程的教程，并且正在努力在以下问题中实现记忆化：

*写一个函数叫canSum(targetSum, numbers)返回True仅当数组中的数字之和达到目标总和时。数组中的所有数字都是正整数，您可以多次使用它们来求解。

Example:

canSum(7, [2, 4]) -> False因为 2 和 4 相加不能得到 7。*

我的暴力解决方案如下：

def canSum(targetSum, numbers):
    if targetSum == 0:
        return True
    if targetSum < 0:
        return False

    for n in numbers:
        remainder = targetSum - n
        if canSum(remainder, numbers):
            return True

    return False


print(canSum(7, [2, 3])) # True
print(canSum(7, [5, 3, 4, 7])) # True
print(canSum(7, [2, 4])) # False
print(canSum(8, [2, 3, 5])) # True

效果很好，但如果我们记住余数的解决方案，速度会更快（视频中 1:28:03 分钟对此进行了解释）。我用Python做了以下事情，这正是讲师正在做的事情，但它只返回True我不明白为什么......

def canSum(targetSum, numbers, memo={}):
    if targetSum in memo:
        return memo[targetSum]
    if targetSum == 0:
        return True
    if targetSum < 0:
        return False

    for n in numbers:
        remainder = targetSum - n
        if canSum(remainder, numbers, memo):
            memo[targetSum] = True
            return True

    memo[targetSum] = False
    return False


print(canSum(7, [2, 3]))
print(canSum(7, [5, 3, 4, 7]))
print(canSum(7, [2, 4]))
print(canSum(8, [2, 3, 5])) # All of them return True

感谢@Jared Smith 分享的文章，我终于弄清楚了。

该问题是由 python 处理默认参数的方式引起的。来自文章：

在 Python 中，当在函数中传递可变值作为默认参数时，只要该值发生变化，默认参数就会发生变化。

My memo每次调用都会改变字典。所以我只是改变了memo=None并添加了一个检查以查看这是否是该函数的第一次调用：

def canSum(targetSum, numbers, memo=None):
    if memo == None:
        memo = {}

    if targetSum in memo:
        return memo[targetSum]
    if targetSum == 0:
        return True
    if targetSum < 0:
        return False

    for n in numbers:
        remainder = targetSum - n
        if canSum(remainder, numbers, memo):
            memo[targetSum] = True
            return True

    memo[targetSum] = False
    return False


print(canSum(7, [2, 3])) # True
print(canSum(7, [5, 3, 4, 7])) # True
print(canSum(7, [2, 4])) # False
print(canSum(8, [2, 3, 5])) # True
print(canSum(3000, [7, 14])) # False -> Works fast with large inputs!