常見的演算法思想

把乙個複雜的問題分成兩個或更多的相同或相似的子問題，再把子問題分成更小的子問題，直到最後子問題小到可以簡單的直接求解，原問題的解即子問題的解的合併。這個技巧是很多高效演算法的基礎，如排序演算法(快速排序，歸併排序)，傅利葉變換(快速傅利葉變換)，大資料中的mr，現實中如漢諾塔遊戲。

分治法對問題有一定的要求：

基本思想與分治法類似，也是將待求解的問題分解為若干個子問題（階段），按順序求解子階段，前一子問題的解，為後一子問題的求解提供了有用的資訊。在求解任一子問題時，列出各種可能的區域性解，通過決策保留那些有可能達到最優的區域性解，丟棄其他。依次解決各子問題，最後乙個子問題就是初始問題的解。

與分治法最大的不同在於，分治法的思想是併發，動態規劃的思想是分步。該方法經分解後得到的子問題往往不是互相獨立的，其下乙個子階段的求解往往是建立在上乙個子階段的解的基礎上。動態規劃演算法同樣有一定的適用性場景要求：

同樣對問題要求作出拆解，但是每一步，以當前區域性為目標，求得該區域性的最優解。那麼最終問題解決時，得到完整的最優解。也就是說，在對問題求解時，總是做出在當前看來是最好的選擇，而不去從整體最優上加以考慮。從這一角度來講，該演算法具有一定的場景侷限性。

回溯演算法實際上是乙個類似列舉的搜尋嘗試過程，在每一步的問題下，列舉可能的解決方式。選擇某個方案往深度**，尋找問題的解，當發現已不滿足求解條件，或深度達到一定數量時，就返回，嘗試別的路徑。回溯法一般適用於比較複雜的，規模較大的問題。有「通用解題法」之稱。

與回溯法類似，也是一種在空間上列舉尋找最優解的方式。但是回溯法策略為深度優先。分支法為廣度優先。分支法一般找到所有相鄰結點，先採取淘汰策略，拋棄不滿足約束條件的結點，其餘結點加入活結點表。然後從存活表中選擇乙個結點作為下乙個操作物件。