【算法学习】--贪心、动态规划、分治的区别与应用

相同点：将问题划分为一个个子问题，然后通过解决这些子问题来解决最终问题。

1.分治算法：

• 分解（Divide）：将原问题分解成一系列子问题；
• 解决（conquer）：递归地解各个子问题。若子问题足够小，则直接求解；
• 合并（Combine）：将子问题的结果合并成原问题的解

应用：归并排序；

2.贪心算法：贪心算法中，是以自顶向下的方式使用最优子结构的。贪心算法会先做选择，在当时看起来是最优的选择，然后再求解一个结果子问题，而不是先寻找子问题的最优解，然后再做选择。

解动态规划问题一般是自底向上，从小子问题处理至大子问题。

条件：每一步的最优解一定依赖上一步的最优解。
方法：从问题的某一个初始解出发逐步逼近给定的目标，以尽可能快的地求得更好的解。当达到某算法中的某一步不能再继续前进时，算法停止

哈夫曼树，钱币组合，设置雷达问题;不能用来求最大最小解的问题；

 

3.动态规划算法：

• 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

条件：最优子结构；重叠子问题。
方法：自底向上构造子问题的解。

应用：子序列最大和问题，滑雪问题

为了节约重复求相同子问题的时间，引入一个数组，不管它们是否对最终解有用，把所有子问题的解存于该数组中，这就是动态规划法所采用的基本方法。

分治法是指将问题划分成一些独立地子问题，递归地求解各子问题，然后合并子问题的解而得到原问题的解。与此不同，动态规划适用于子问题独立且重叠的情况，也就是各子问题包含公共的子子问题。

 

 

用表记录子问题的解的，就是动态规划。动态规划可以用递归和两层for循环来实现。

不用表记录子问题的，就是分治法。分治法只能用递归调用来实现。