1。分治法和动态规划法有一个主要的共同点：1）二者都要求原问题具有最优子结构性质，即对原问题进行分治，将原问题分解成若干个较小的子问题（小到很容易）作为待解程序的子问题。然后将子问题的解进行组合，形成原问题的解。
2、分治法与动态规划实现方法：①分治法通常采用递归求解。
②动态规划一般采用自下而上的迭代法求解，也可采用带记忆函数的递归法自上而下求解。
3、分治法与动态规划的主要区别如下：1。分治法把分解的子问题看作是独立的。
②在动态规划中，分解的子问题被理解为相互关联和重叠的部分。
通常，ll（1）是通过函数递归实现的
]例如，语法：a->a|a
代码实现是：[functiona（）
{
a（）
match（”）
term（a）]}
！]这样就可以看到死循环了…
消除了左递归后的语法
a->aa“
a”->aa“
]这个问题可以避免
公因子就是刚刚提出的就像我上面说的，避免程序回溯和消除歧义。
为什么合并排序不需要像动态规划的问题一样考虑每个分区？
递归的重要性不言而喻。它是许多算法的基础，例如具有分治思想的算法（合并排序、二叉搜索）、遍历二叉树的算法，或者求解数学递归（斐波那契序列、n的阶乘）、回溯、动态规划等算法，当谈到递归时，总是有点混乱。理论上更容易理解，但当涉及到更复杂的递归算法时，很难想象递归是如何在计算机中实现的。经过一步一步的调试，我们终于明白了，所以我们先把这个过程记录下来。
：就是利用分而治之的思想，排序的过程就是先把数组分成左右两部分，分别排序，然后把有序的两个数组组合成一个有序的数组。
重点分析merge在代码中的作用，sort是一个递归函数，第一个是终止条件p>=r，递归必须有终止条件，否则会陷入循环，最终导致堆栈溢出。为什么堆栈溢出？实际上，底部的递归调用是按下并退出线程堆栈的操作。每次调用都会按一次堆栈，并记录相关的局部变量信息。线程堆栈的内存非常有限。如果递归调用是无限的，它将很快消耗所有的内存资源，并最终导致内存溢出。
下两个调用merge#sortšc函数本身也是一个递归调用，两个递归调用分别编号为š1和š2。在本例中，数组中有六个元素（下标0-5）要排序，那么如何将它们从堆栈中按出？如下图所示：
