个人之于动态规划的理解

    动态规划算法的细想是：

             将待求解问题分解成若干子问题，这些子问题的解题过程都是相对独立的，既是每一个决策之间都是互不影响的，但是各步决策之间有着某种递推关系。然后由子问题解得原问题的解。在动态规划算法里，我们记录每一个子问题的解，当解下一个问题时，先在记录中寻找该问题是否被解决，若不被解决，则继续计算。这样就降低了时间复杂度。

     他与分治算法不同的是：分治算法也会将原问题分解成若干的子问题，而这些子问题的性质是与原问题相同的，就是说可以用同一种方法解各子问题，只是问题规模小了而已。相对于贪心算法，他们都具有最优子结构的性质。但是贪心算法能解的问题就是局部最优能导致全局最优的问题。只有一部分问题具有该性质。贪心算法能解一部分动态规划所能解的问题，解题效率比动态规划的高。

以下是我参照王晓东编写的《计算机算法设计与分析》写关于结决最大字段和问题：

      该算法是求某子段段的和，然后分别与当前最大值相比较，若是最大的就保存。如果某子段和小于0，则计算下一个子段。下一个子段是从上一个子段的终结元素开始计算的。以下为代码（VC++6.0运行通过）：

#include<iostream>
#include <limits>
using namespace std;

const int  min=INT_MIN ;//int的底线

const int num=10;

const int test[num]={-10,-2,3,4,5,3,-3,4,-2,-11};//待测数组
int MaxSubsum(int n,const int *a)  //动态规划实现求最大字段的函数
{
 int sum=min;			//应对数组全为负数时
 int b=0;
 for(int i=1;i<n;i++)
 {
  if(b>0) b +=a[i];    
  else b=a[i];			//求解各子问题
 // cout<<b<<" "<<a[i]<<endl;
  if(b>sum)sum=b;       //保存当前最优解
 }
 return sum;
}

int main()
{
 cout<<MaxSubsum(num,test)<<endl;
 return 0;
}

  怎么使用动态规划算法对于我这个初学者很难，但是怎么证明一个问题可以用动态规划算法求解，这个更难！只是看看书上的例子明白是这么一回事，没看例子之前，很难想到用什么算法去求解。有待进一步学习。