从2018年7月份开始，基础薄弱的我从0开始刷LeetCode题目。目的性很明确，也很简单——就是为了提高解决问题的思考实践能力，也为了提升自己的核心竞争力。也许，牛人会觉得这并不算什么竞争力。是的，我同意的。但，这是我目前能做的比较基础的事情罢了。
迄今（2018年12月28日）为止，已经刷了108道题目。顺序基本上是按照出现的频率（Frequency）来刷的，这个频率在LeetCode上需要订阅后才可以看得到。那么在刷了108道题目后，有那么一些题目会觉得“似曾相识”了，也会有一种触类旁通的感觉了。所以，我觉得应该适当放慢刷题的速度，同时做做总结了。
所以，计划了一项视频解说计划，在YouTubeh和B站都建立了《小旭解说算法之路》的频道，欢迎订阅，多多提建议。
那么，进入正题。经过了108道题的历练之后，我来说说对于分治法、回溯法和动态规划的理解。
我觉得他们三者是一个相互有交集的概念，并不是相互完全独立的。至于为什么不是完全独立的，在分别说说这三种方法的解决思路后，我们再终结一下。
分治法（Divide and Conquer）
分治法是解决规模庞大的问题的很好的思路，他通过降低问题的规模，形成若干个规模更小但形式相同的子问题，进行递归求解。在求解过后，将各个子问题的解合并起来，形成原问题的解。
那么它的大致流程主要分成三步：
- 分解（Divide）将大规模的问题分解成若干个规模更小但形式相同的子问题
- 解决（Conquer）如果当前问题的规模足够小，并可以直接解决的话，那么直接解决并返回解。否则，继续进行分解并递归求解分解后的子问题。
- 合并（Merge）将各个子问题合并，最终形成原问题的解。
所以，明确了三步之后，还要明确一件事件——实现方式：递归法。
分治法一般来说会采用递归法来进行实现，当然，利用迭代法（比如for、while）也是可以的。
所以，我们往往看到的递归算法从广义上来说都是分治法。无非就是有些递归算法将问题分解了若干个子问题，然而有些递归算法将问题分解成了一个子问题。那么有些作者会称作前者是分治法，后者是减治法。
其实，这个概念真的非常非常重要。在面对很多问题的时候，都可以用这种思路去思考。那么其中思考的一个非常重要的一点就是递归算法中的边界（跳出）条件的判定。
只要，我们想明白了求解子问题过程中的边界条件，那么问题就会很清晰，并且很容易地写出程序来。否则，模糊的边界条件，会导致整个递归算法进入到“死循环”的尴尬地步。
举个例子
青蛙