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、備忘錄）：基本上對應著遞迴函式實現，從大範圍開始計算，要注意不斷儲存中間結果，避免重複計算
自底向上（遞推）：從小範圍遞推計算到大範圍，用陣列儲存
(a)自頂向下的解法：
long long dp[81] = ;/*用於儲存中間結果否則會重複計算很多重複的子問題*/
long long dp(int n)
(b)自底向上的解法：
動態規劃 貪心
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...
小白高階之貪心演算法VS動態規劃
貪心演算法和動態規劃 相同點 要求乙個問題具有最優子結構的性質。不同點 動態規劃每一步都要進行一次選擇，但是選擇依賴於子問題的解 貪心演算法進行選擇時，直接作出在當前問題中看來最優的選擇，而不考慮子問題的解。例如0 1揹包問題就可以用動態規劃解決而不能用貪心演算法，但是分數揹包問題就是用貪心演算法解...
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...