動態規劃(dynamic programming, dp) :是一種用來解決一類 最優化問題 的演算法思想。簡單來說，動態規劃將乙個 複雜的問題分解成若干個子問題，通過綜合子問題的最優解來得到原問題的最優解。需要注意的是，動態規劃會將每個求解過的子問題的解記錄下來，這樣當下一次碰到同樣的子問題時，就可以直接使用之前記錄的結果，而不是重複計算。
使用動態規劃演算法的兩個基本要素：
(1)重疊子問題；
(2)最優子結構特性。
一般可以使用遞迴或者遞推的寫法來實現動態規劃，其中遞迴寫法在此處又稱作記憶化搜尋。
貪心法：是指所求問題的 整體最優解 可以通過一系列 區域性最優 得到，總是做出在當前看來是最好的選擇。不從整體最優上加以考慮，所做出的是在某種意義上的區域性最優解，不能保證對所有問題都能得到整體最優解。
共同點：都是將問題分解為子問題，然後合併子問題的解得到原問題的解。
區別：動態規劃解決的問題一定是最優化問題，並且擁有重疊子問題。
分治法解決的問題不一定是最優化問題，分解出的子問題是不重疊的（如歸併排序、快速排序）
共同點：都要求原問題必須有最優子結構（「最優子結構」 指的是：乙個問題的最優解可以由其子問題的最優解有效的構造出來）。
區別：貪心法：類似於「自頂向下」，但是並不等待子問題求解完畢後再選擇使用哪乙個， 而是通過某種策略直接選擇乙個子問題去求解，沒被選擇的子問題就不去求解了，直接拋棄，是一種單鏈的流水方式。最終不一定能得到最優解。
動態規劃：不論是自底向上還是自頂向下的計算方式，都是從邊界開始向上得到目標問題的解。即：他總會考慮所有子問題。
動態規劃 分治 貪心 遞迴
一言以蔽之 dp 和分治 之間的區別就在於是否有重疊子問題 如果有那就應該dp 否則就應該分治。當然如果可以每一步都產生最優解那麼就不必dp了，貪心演算法就可以了.而遞迴只是一種實現演算法的方法.例子 下面分別用 dp，dc 分治法 貪心來做 leetcode 514.自由之路 golang 如下 ...
遞迴 遞推 貪心 搜尋和動態規劃
遞迴 函式呼叫自身，直到達到基線條件之後，再一層層的回歸到最初的問題。這是一種自頂向下的方法。動態規劃通常是用遞推 自底向上 來實現的，但是使用備忘錄遞迴 自頂向下 也能夠實現動態規劃。例如，動態規劃 從入門到放棄 結合這篇部落格的例子來理解，詳解動態規劃 鄒博講動態規劃 已知問題規模為n的前提a，...
分治 遞迴 動態規劃 貪心演算法區別
三者之間沒有根本區別，關鍵看有無最優的子結構。共性 找到重複子問題 差異性 動態規劃尋找最優子結構，中間可以淘汰次優解 動態規劃是尋找區域性，全域性最優解 貪心演算法是找區域性最優解，不一定得到全域性最優解 回顧下遞迴四步驟 terminator process drill dowm restore...