，那么它就满足决策树模型，通 常可以使用回溯来解决。 在此基础上，还有一些动态规划问题的“加分项”，包括： ‧ 问题包含最大（小）或最多（少）等最优化描述。 ‧ 问题的状态能够使用一个列表、多维矩阵或树来表示，并且一个状态与其周围的状态存在递推关系。 而相应的“减分项”包括： ‧ 问题的目标是找出所有可能的解决方案，而不是找出最优解。 ‧ 问题描述中有明显的排列组合的特征，需要返回具体的多个方案。

的，那么它就满足决策树模型，通 常可以使用回溯来解决。 在此基础上，动态规划问题还有一些判断的“加分项”。 ‧ 问题包含最大（小）或最多（少）等最优化描述。 ‧ 问题的状态能够使用一个列表、多维矩阵或树来表示，并且一个状态与其周围的状态存在递推关系。 相应地，也存在一些“减分项”。 ‧ 问题的目标是找出所有可能的解决方案，而不是找出最优解。 ‧ 问题描述中有明显的排列组合的特征，需要返回具体的多个方案。

的，那么它就满足决策树模型，通 常可以使用回溯来解决。 在此基础上，动态规划问题还有一些判断的“加分项”。 ‧ 问题包含最大（小）或最多（少）等最优化描述。 ‧ 问题的状态能够使用一个列表、多维矩阵或树来表示，并且一个状态与其周围的状态存在递推关系。 相应地，也存在一些“减分项”。 ‧ 问题的目标是找出所有可能的解决方案，而不是找出最优解。 ‧ 问题描述中有明显的排列组合的特征，需要返回具体的多个方案。

的，那么它就满足决策树模型，通 常可以使用回溯来解决。 在此基础上，动态规划问题还有一些判断的“加分项”。 ‧ 问题包含最大（小）或最多（少）等最优化描述。 ‧ 问题的状态能够使用一个列表、多维矩阵或树来表示，并且一个状态与其周围的状态存在递推关系。 相应地，也存在一些“减分项”。 ‧ 问题的目标是找出所有可能的解决方案，而不是找出最优解。 ‧ 问题描述中有明显的排列组合的特征，需要返回具体的多个方案。

的，那么它就满足决策树模型，通 常可以使用回溯来解决。 在此基础上，动态规划问题还有一些判断的“加分项”。 ‧ 问题包含最大（小）或最多（少）等最优化描述。 ‧ 问题的状态能够使用一个列表、多维矩阵或树来表示，并且一个状态与其周围的状态存在递推关系。 相应地，也存在一些“减分项”。 第 14 章 动态规划 hello‑algo.com 313 ‧ 问题的目标是找出所有可能的解决方案，而不是找出最优解。