分治算法，动态规划，贪婪算法以及递归之间的区别与联系

最近愈加感觉算法的重要性，所以想要在近期把一起常用的算法思想回顾学习一下。。。

感觉算法学了不少，但是总体上，大框架上一直没有搞清楚，今天看到一篇博客，感觉写的不错，有助于更好的理解这几个算法的之间的关系，也有利于之后的学习。

在很多算法书中都是把贪婪选择即贪心算法排在第一个讲述，继而再讨论分治策略和动态规划。其实，分治策略才是最基础的，动态规划、贪婪选择可以说是建立在其基础上的（算法导论中就按照分治策略、动态规划、贪婪选择的顺序来讲的）。那分治策略、动态规划、贪婪选择以及递归之间到底有啥联系与区别呢？

1、分治策略（Divide and Conquer）

   将原问题分解为若干个规模较小但类似于原问题的子问题（Divide），递归的求解这些子问题（Conquer），然后再合并这些子问题的解来建立原问题的解。因为在求解大问题时，需要递归的求小问题，因此一般用递归的思想实现，即自顶向下。

2、动态规划（Dynamic Programming）

   动态规划其实和分治策略是类似的，也是将一个原问题分解为若干个规模较小的子问题，递归的求解这些子问题，然后合并子问题的解得到原问题的解。区别在于这些子问题会有重叠，一个子问题在求解后，可能会再次求解，于是我们想到将这些子问题的解存储起来，当下次再次求解这个子问题时，直接拿过来就是。其实就是说，动态规划所解决的问题是分治策略所解决问题的一个子集，只是这个子集更适合用动态规划来解决从而得到更小的运行时间。即用动态规划能解决的问题分治策略肯定能解决，只是运行时间长了。因此，分治策略一般用来解决子问题相互对立的问题，称为标准分治，而动态规划用来解决子问题重叠的问题。

   动态规划一般由两种方法来实现，一种为自顶向下的备忘录方式，用递归实现，一种为自底向上的方式，用迭代实现。

3、贪心选择（Greedy Algorithm）

   贪心算法在每一步都做出局部最优的选择，寄希望这样的选择能导致全局最优解。对，只是寄希望，因此贪心算法并不保证得到最优解，但是它对很多问题确实可以得到最优解，而且运行时间更短。那什么时候可以用贪心算法呢？当该问题具有贪心选择性质的时候，我们就可以用贪心算法来解决该问题。

   贪心选择性质：我们可以通过做出局部最优（贪心）来构造全局最优。只要我们能够证明该问题具有贪心选择性质，就可以用贪心算法对其求解。比如对于0-1背包问题，我们用贪心算法可能得不到最优解（当然，也可能会得到最优解），但对于部分背包问题，则可以得到最优解，贪心算法可以作为0-1背包问题的一个近似算法。

4、总结

   分治策略一般用于解决子问题相互独立的情况，一般用递归实现；而动态规划则用户解决子问题有重叠的情况，既可以用递归实现，也可以用迭代实现，贪心选择则用户解决具有贪心选择性质的一类问题，既可以用递归实现，也可以用迭代实现，因为很多递归贪心算法都是尾递归，很容易改成迭代贪心算法。

本文出自 “我的黑客” 博客，请务必保留此出处http://1661518.blog.51cto.com/1651518/1396943