关于动态规划和回溯的一些理解

一、动态规划

1、什么是动态规划：

将待解决的问题分为若干个子问题，每个子问题有公共子子问题，递归的解决每个子问题，一步一步求得总问题的答案。—— 动态规划将每个子问题只求解一次，保存在一个表格（数组）里面，而不需要每个子子问题都求解一遍，通过已知解求未知解，直到已知解的问题规模达到题目，避免许多无用工作。
(同分冶法一起理解，分冶法：将问题划分为互不相交的子问题，递归地求解子问题，然后将子问题组合起来就是原问题的解。这样一来，子问题如果有公共子问题，分冶法会做很多无用工作）
2、怎么解决动态规划的问题：
首相定义问题状态（最优解的结构特征），通常是一个动态数组；
然后找到边界；最后找到状态转移方程。
设计状态的思路：由于动态规划是将问题划分为一个个具有相同解结构的子问题，在定义状态时需要注意这一点，将子问题之间的联系定义的简单。因此，状态的定义应该是无后效性问题（已经解决的问题不受后续阶段的影响）。【相对来说的有后效性指，对子问题的描述还有不确定的地方】

经典动态规划问题定义：力扣53，求最大子序和。
建议看看weiwei大神的解析

动态规划写的很好的文章：动态规划

二、回溯

1、什么是回溯：
核心思想就是枚举每一种情况，然后进行比较，最终得到最优解。把问题的解空间转化成了图或者树的结构表示，然后使用深度优先搜索策略进行遍历，遍历的过程中记录和寻找所有可行解或者最优解。
2、怎么解决回溯问题：
通常从一个位置出发对数组进行遍历，在backtrack中，如果找到一个答案就添加进去并返回；然后从下一个位置开始遍历，遍历代码结束后，需要把当前问题置为false（回溯），然后继续回溯。
回溯法与深度优先遍历的异同。

两者的不同点如下：原文链接

(1)访问的次序不同：深度优先遍历的目的是“遍历”，本质是无序的，重要的是是否被访问过，因此在实现上只需要对于每个位置是否被访问就足够了。回溯法的目的是“求解过程”，本质是有序的，也就是说必须每一步都是要求的次序。

(2)访问次数不同：深度优先遍历对已经访问过的顶点不再访问。回溯法中已经访问过的顶点可能再次访问。

(3)剪枝不同：深度优先遍历不含剪枝。

实际上，除了剪枝是回溯法的一个明显特征外（并非任何回溯法都包含剪枝部分），很难严格区分回溯法 与深度优先遍历。因为这些算法很多是递归算法，在递归调用中隐含着状态的自动回退和恢复。

写在最后：这是最初做题的理解，乱七八糟，也不准确。后面慢慢完善，并且会加入题型。