區別：
動態規劃
全域性最優解中一定包含某個區域性最優解，但不一定包含前乙個區域性最優解，因此需要記錄之前的所有最優解。
條件：最優子結構；重疊子問題。
方法：自底向上構造子問題的解。
例子：子串行最大和問題，滑雪問題
貪心演算法
條件：每一步的最優解一定依賴上一步的最優解。
方法：從問題的某乙個初始解出發逐步逼近給定的目標，以盡可能快的地求得更好的解。當達到某演算法中的某一步不能再繼續前進時，演算法停止。
存在問題：
（1）不能保證求得的最後解是最佳的；
（2）不能用來求最大最小解的問題；比如錢幣分為1元3元4元，要拿6元錢，貪心的話，先拿4，再拿兩個1，一共3張錢；實際最優卻是兩張3元就夠了。
「貪心」特性：它對解空間樹的遍歷不需要自底向上，而只需要自根開始，選擇最優的路，一直走到底就可以了。這樣，與動態規劃相比，它的代價只取決於子問題的數目，而選擇數目總為1。
例子：哈夫曼樹，錢幣組合，設定雷達問題
********************====
聯絡：（1）都是一種遞推演算法；
（2）貪心和動態規劃本質上是對子問題樹的一種修剪。兩種演算法要求問題都具有的乙個性質就是「子問題最優性」。即組成最優解的每乙個子問題的解，對於這個子問題本身肯定也是最優的。
**
動態規劃和貪心
貪心演算法是種策略，思想。它並沒有固定的模式 比如最簡單的揹包問題 用貪心的思想去做，就可能有很多種方法 價效比最高的 價值最高的 重量最輕的 而你沒辦法確保你所選擇的貪心策略對所有的情況都是絕對最優的 動態規劃的思想是分治 解決沉餘 把乙個複雜的問題分解成一塊一塊的小問題 每乙個小問題中得到最優解...
動態規劃 貪心 剪草
我們思考一下，當結束前如果草被割了兩次，其實可以將第一次留著不割，到第二次再割 因此每一草最多隻會被割一次，這樣才能夠保證結果的最優性。其次，若要割兩個不同的草，並在不同的時間割除時，一定要先割生長速度的慢的草，再割快的草 因為在這乙份間隔的時間內，生長速度快的草可以被割掉的更多。或者有另外的一種理...
貪心 VS 動態規劃
貪心 每一步都是當前這一步的最優解法，但是卻不一定是整個問題的最優子解 動態規劃 每一步不一定是當前這一步的最優解，但是卻一定是整個問題的最優子解 從 最短路徑 問題中，就可以看出，使用動態規劃是正確的 對於動態規劃的進一步的演算法理解，請見這位大佬的部落格 兩種方法 自頂向下 又稱記憶化搜尋 備忘...