当我有一个最优子结构的问题，并且没有子问题共享子问题时，我可以使用分治算法来解决它？
但是，当子问题共享子问题（重叠子问题）时，我可以使用动态规划来解决问题吗？
这是正确的吗？
贪婪算法与动态编程有什么相似之处？
当我遇到最优问题时子结构和无子问题共享子问题，那么我可以使用除法和征服算法来解决它？
是的，只要你能为每种子问题找到一个最优算法。
但是当子问题共享子问题（重叠子问题），那么我可以使用dynamic编程来解决问题？
这是正确的吗？
是的。动态规划基本上是Divide&征服算法，其中所有子问题都是相同的。
贪婪算法是如何相似的到动态编程？
它们是不同的
动态编程为您提供最佳解决方案
Greedy算法通常在很短的时间内给出一个好的/公平的解决方案，但它不能保证达到最优。
它是类似的，让我们说，因为它通常将解决方案构建分为几个阶段，在这些阶段中，它选择了局部最优的选项。但是，如果阶段不是原始问题的最优子结构，那么通常不会得到最佳解。
编辑：
正如@rrenaud所指出的，有一些贪婪算法已被证明是最优的（例如Dijkstra、Kruskal、Prim等）。
因此，更准确地说，贪婪编程和动态编程之间的主要区别在于，前者在解的空间上不是穷举的，而后者是穷举的。
事实上，贪婪算法在这个空间上是短视的，并且在解决方案构建过程中做出的每一个选择都不会被重新考虑。
动态程序使用自下而上的方法，保存上一个解决方案并引用它，这将允许我们在所有可用的解决方案中做出最优解，而贪婪方法使用自上而下的方法，因此它从本地可用的解中获取最优解，不会采用导致优化程度较低的前一级解决方案。动态=自下而上的最佳解决方案贪婪=自上而下、不太优化、耗时更少的