分治法、动态规划、贪心算法区别

1.分治法

字面意思就是分而治之，将原问题分解为多个子问题，然后其规模若还没有小到可以直接解决，则再次分解。最后将子问题的解合并成为原问题的解。

特征：

1.子问题小到一定规模就可以直接解决

2.子问题之间是相互独立的，即子问题之间不包含公共子问题

3.原问题可以分解为规模较小的相同问题，即具有最优子结构性质

4.子问题的解合并可成为原问题的解

第2条影响着分治法的效率，若子问题之间包含公共子问题，那么将重复很多计算，这时候使用动态规划会比较好。分治法求解的经典案例有：快速排序，归并排序，二分搜索等

2.动态规划

动态规划与分治法相似，也是将问题拆分为子问题，最终将子问题的解合并为原问题的解。但是区别在于动态规划分解出的子问题是相互联系的，具有很多重复的公共子问题，所以它一般会开辟一个记录表，记录求解过的结果以便省去重复的计算。

动态规划的两个重要性质：

1.子问题重叠性质：解决冗余，它对于重复出现的子问题，会在第一次求解后使用一个表储存下来，供之后使用，本质上也是一个空间换时间的思想。

举个例子：问1+2+3+4+5等于几，答案是15，那么我再后面再写个+6，答案呢，21，一下就算出来了，原因就在于我们已经有了前面计算的基础，只需要再前面的基础之上再+6就可以了，而如果直接问你1+2+3+4+5+6等于几，肯定是要慢很多的。

2.最优子结构性质：如果问题的最优解所包含的子问题的解也是最优的，则称为其具有最优子结构性质。它为动态规划解决问题提供了重要的线索。

步骤：

• 描述最优解的结构
• 递归定义最优解的值
• 按自底向上的方式计算最优解的值
• 由计算出的结果构造一个最优解的值

3.贪心算法

贪心算法在对问题求解时，总是做出当前看来最好的选择，不从整体最优上考虑而是做出某种意义上的具部最优解。

贪心算法没有固定的算法框架，算法设计的关键是贪心策略的选择。必须注意的是，贪心算法不是对所有问题都能得到整体最优解，选择的贪心策略必须具备无后效性，即某阶段的状态一旦确定，则此后过程的演变不再受此前各种状态及决策的影响(比如从A、B、C中选择2个字母出来，如果是无后效应，就可以选择AA AB AC BA BB BC CA CB CC;而如果是有后效应就只有AB AC BC)。

所以对所采用的贪心策略一定要仔细分析其是否满足无后效性。

步骤：

1.明确什么是最优解

2.明确子问题的最优解策略，即选择一个策略来解决子问题

3.分别求出子问题的解堆叠成最终解