我无法理解麻省理工学院开放课件讲座here中指定的文本对齐问题的动态编程解决方案。该讲座的一些注释是here，注释的第3页就是我所指的。
我认为动态编程意味着你会记住一些计算，这样你就不需要重新计算，从而节省你的时间，但是在演讲中给出的算法中，我没有看到任何用途memoization，只是一大堆深度递归调用，即主要功能是：
DP[i] = min(badness (i, j) + DP[j] for j in range (i + 1, n + 1))
DP[n] = 0
其中badness是一个函数，用于确定从行长度中减去单词长度后未使用空间量。对我来说，这个算法似乎计算了所有可能的＆＃34;不良＆＃34;计算并选择最小的一个，这对我来说似乎是蛮力。动态编程通常通过记忆过去的计算给我们带来什么好处，所以我们不必重新计算？
答案 0 :(得分：2)
如果您记住结果，则不必多次计算每个DP[i]。
即DP[0]＆＃34;来电＆＃34;例如DP[2]，但DP[1]也是如此。在第二次调用DP[2]时，再次计算它是不必要的，您只需返回记忆值即可。
这也可以轻松验证此算法的多项式上限。由于每个DP[i]将执行O（n）操作，并且有n个，因此整体算法为O（n ^ 2），当然假设badness(i, j)为O （1）。