动态规划--总体理解

对比

• 贪心(greedy)：局部最优(local best)，不保证全局最优
• 穷举(exhaustive search)搜索：代价昂贵（prohibitive cost）

动态规划：是二者的综合平衡。因此，这是下一代的杰作。是贪心与穷举所生。

核心思想：可以编写定制的算法，系统的搜索全部的可能解（保证正确性：correctness），并且通过存储结果以避免重复计算（保证效率：efficiency）。

即，设计动态规划的算法，要考虑到这两个方面是否实施，也是验证算法是否完备的依据。

一旦真的理解了动态规划算法，那么它将称为你设计算法的绝招， 将是解决问题的最简洁方案，代码也非常优雅。体现了大道至简的哲学道理。

此外，理解了动态规划以后，很容易自己创造，而不用查书看标准写法，比如AVL树这种结构，不查书，找参考，手写出来很难，很难。

但是，不理解动态规划的思想，这类算法将像魔法一样，令人难以捉摸。

这提高了学习的门槛，一旦进入大门，将跨入新的层次。

缓存 v.s. 重新计算

http://blog.csdn.net/u011240016/article/details/52472315

这篇博客深入总结了基于Cache策略的斐波那契数列的计算方法，以及时间，空间优化的过程。

缓存的策略可以在任何递归算法中实现，但是以下几个常用算法不必实现：快速排序，回溯法，深度优先搜索。
不能用的原因是，我们存的数据被后面的过程查看取用才有价值，不被利用则没有价值。这些算法的参数都是不同的，因此，缓存没有必要，纯属浪费空间。

此外，要平衡缓存的代价与收益。在斐波那契的例子汇总，缓存的空间代价值O(n),解决的是指数问题，因此很值得。

—笔记总结自《算法设计手册》