分而治之和动态编程的主要区别是什么？如果我们举一个例子，合并排序基本上是通过使用递归的分而治之来解决的。动态编程也是基于递归，而不是为什么Merge sort被认为是动态编程的一个例子呢？
答案 0 :(得分：9)
两者的相似之处在于它们都将问题分解为小问题并解决问题。然而，在分而治之的情况下，子问题是独立的，而在动态编程中，子问题是独立的。两者都需要以某种方式重新组合子问题，但区别在于子问题是否与其他子问题（相同的“级别”）有关
D＆amp; C示例： Mergesort
在Mergesort中，你将排序分解为许多小的“子排序”，而不是排序100个项目，你排序50，然后是25，等等。但是，在打破原始之后（例如）4 “分类”，你先做哪个并不重要;订单无关紧要，因为它们是独立的。重要的是他们最终完成了。因此，每次，你都会得到一个完全独立的问题，并有自己正确的答案。
DP示例：递归斐波那契
虽然存在子问题，但每个问题都直接建立在另一个之上。如果你想要第10个数字，你必须按特定的顺序解决问题（1 + 2,2 + 3等）。因此，他们不是独立的。
答案 1 :(得分：0)
当子问题独立时使用D＆amp; C.当递归函数重复相同的递归调用时，需要动态编程。
服用斐波那契复发：f（n）= f（n-1）+ f（n-2）
例如：
f（8）= f（7）+ f（6） =（f（6）+ f（5））+ f（6）
如您所见，f（6）将被计算两次。从递归关系来看，显然有太多的重复值。最好记住这些值，而不是一遍又一遍地计算。 dp中最重要的是记住这些计算值。如果你看一下dp问题，通常使用数组或矩阵来防止重复计算。
与dp相比，d＆amp; c通常将问题划分为独立的子问题，并且不需要记住任何值。
答案 2 :(得分：0)
所以我会说D＆amp; C是一个更大的概念，DP是特殊的D＆amp; C。具体来说，当您发现子问题需要共享相同较小子问题的某些计算时，您可能不希望它们一次又一次地计算相同的事情，您将中间结果缓存到加速时间，即DP。所以，基本上，我想，DP是D＆amp; C的快速版本。