使用动态规划方法解决与递归特性优化问题, 即寻找最佳计划的问题，可能会导致找到一个有限数量的子问题的最佳方案. 对于许多递归算法, 分而治之的原则 (devide而治之) 往往在算法的设计中发挥关键作用. 为了解决大问题, 我把它分成与格式同样的问题，以能够独立解决问题. 在动态规划法, 这一原则已被证明: 当不知道需要解决的问题，公众, 这将解决所有人类问题和存储解决或回答他们重用的组合的目的，用以解决更一般的问题. 这是规划和递归，也是内容的动态规划方法的区别.

+递归开始大问题衰变为子问题和解决方案，每个子问题. 解决每个子问题又被带到允许衰变为更小的子问题，并就解决小它不管它是否是在.
+规划从解决所有问题的最小的开始 (基本问题) 使之逐渐解决更大的问题, 直到解决了最大 (原来的问题).

当使用动态规划方法来解决这个问题, 我们可能会遇到以下两个难点:

– 一个是, 不总是问题的解决方案也比较大的问题的解决方案的组合

– 第二, 要解决问题的数量和答案可以存储巨大, 不能接受的. 迄今为止, 没有人能正确识别，可以有效地动态规划方法来解决教训. 有问题过于复杂和困难的，似乎无法申请动态规划求解, 而有太多简单的数学利用动态规划来解决低效率比使用经典的算法.

行动计划的基本原则
动态规划是其中每个阶段我们优化只有一步多级工艺的每一级的规划. 但是，规划一个多阶段的过程时, 每一步必须在控制的基础上进行选择不从步骤狭隘利益衍生从整个过程的共同利益.
1. 从下往上的原则编号阶段.
对于最后一个阶段可以把它最好的，不用担心后果. 同时这个阶段变得稳定，并且可以在前一时期，直到我们去的过程中的第一阶段审查和继续.
2. 参数化问题的原则
在这个阶段的最后阶段监测, 不知道结果，所以我们必须承担这个时期和相应的，我们找到的最后阶段最优控制假设. 在其他措施的情况发生如此. 因此，最优控制将取决于在上一步表征结果的参数.
3. 原则笼
凯奇原问题变成一个更大的问题或问题时，他们因而最初的问题是自己这个问题的情况下，.
他们这得益于参数的问题，所以我们解决. 我会尝试用不同的参数问题，结果等到的时间确定为参数的初始问题被停止.
4. 优化指南 (贝尔曼)
最佳姿势自然是: 虽然它的原始状态，并形成初始控制如何下一控制也用于在所述初始控制的结果所收集的优化状态.