Algorithm 分而治之，动态规划和贪婪算法！

当我有一个具有最优子结构的问题，并且没有子问题共享子问题，那么我可以使用分治算法来解决它

但是当子问题共享子问题（重叠子问题）时，我可以使用动态规划来解决这个问题吗

这是正确的吗

贪婪算法与动态规划有何相似之处

当我遇到优化问题时 子结构和无子问题共享 子问题，然后我可以使用除法 而征服算法能解决吗

是的，只要你能为每一类子问题找到一个最优算法

但是当子问题共享 子问题（重叠） 子问题）然后我可以使用动态 编程来解决问题

这是正确的吗

对。动态规划基本上是分治算法家族的一个特例，所有子问题都是相同的

贪婪算法有什么相似之处 动态规划

它们是不同的。
动态规划为您提供最佳解决方案。
贪婪算法通常在很短的时间内给出一个好的/公平的解，但它不能保证达到最优

比方说，它是相似的，因为它通常将解决方案构造分为几个阶段，在这些阶段中，它会选择局部最优的方案。但是，如果阶段不是原始问题的最优子结构，那么通常不会得到最佳解决方案

编辑：

正如@rrenaud所指出的，有些贪婪算法已经被证明是最优的（例如Dijkstra、Kruskal、Prim等）。
因此，更准确地说，贪婪规划和动态规划的主要区别在于前者在解空间上不是穷举的，而后者是穷举的。

---

事实上，贪婪算法在这个空间上是短视的，在解决方案构建过程中所做的每一个选择都不会被重新考虑。

动态程序使用自下而上的方法，保存以前的解决方案并引用它，这将允许我们在所有可用的解决方案中做出最优的解决方案，而贪婪方法使用自上而下的方法，因此，它从局部可用的解中获取最优解，而不会获取前一级的解，从而导致优化程度较低的解。 动态=自下而上，最佳解决方案

---

贪婪=自上而下，较少优化，较少耗时

一些贪婪算法是最优的。考虑Dijkstra的最短路径算法或最大子阵和问题。贪婪算法往往不会在不同的可能性上分支，而动态规划算法往往会在不同的可能最优选择上分支，然后确定哪种选择是最好的。你能解释一下吗“动态规划基本上是分治算法家族的一个特例，所有子问题都是相同的。“我不明白这一点。子问题相同的意思？@grassPro：我的意思是，动态规划需要一个在相同类型的子问题中可分离的问题，因为你总是使用相同的例程递归地解决主问题和子问题。我学到的一条经验法则是，动态规划非常适合可以分解为“离散的、重叠的子集”。重叠的部分是动态规划工作的基础。