18.1 回溯法
在包含问题的所有解的解空间树中，按照深度优先的策略，从根节点触发搜索解空间树。搜索至任一结点时，总是先判断该结点是否肯定不包含问题的解，如果不包含，则跳过对以该结点为根的子树的搜索，逐层向其祖先结点回溯；否则，进入该子树；继续按深度优先的策略进行搜索；即可以理解为先进行深度优先搜索，一直向下探测，当此路不通时，返回上一层探索另外的分支，重复此步骤，这就是回溯，意为先一直探测，当不成功时再返回上一层；一种搜索算法；
一般用于迷宫问题，N皇后问题；
18.2 分治法
递归指子程序（函数）直接调用自己活通过一系列调用语句间接调用自己，是一种描述问题和解决问题的常用方法；
递归两个基本要素：
- 边界条件（确定递归何时终止，即递归出口）
- 递归模式（大问题如何分解成小问题，即递归体）
分治法：对于一个规模为n的问题，若该问题可以容易地解决则直接解决，否则将其分解为k个规模较小的子问题，这些子问题互相独立且与原问题形式相同，递归地解决这些子问题，然后将各子问题的解合并得到原问题的解；凡是涉及到分组解决的都是分治法；(二分查找、归并排序、快速排序、最大字段和问题[O(nlogn)])
8.3 动态规划法
在求解问题中，对于每一步决策，列出各种可能的局部解，再依据某种判定条件，舍弃哪些肯定不能得到最优解的局部解，在每一步都经过筛选，以每一步都是最优解来保证全局是最优解;
常用于求解具有某种最优性质的问题；(0-1背包【O(NW) N:物品数量，W:背包数量】、最长公共子序列【蛮力法:O(n*2n)，动态规划:O(n2)】、矩阵连乘【时间:O(n3)，空间:O(n2)】)
注：最优子结构 + 重叠子问题 => 动态规划法
8.4 贪心法
总是做出在当前来说是最好的选择,而并不从整体上加以考虑，它所做的每步选择只是当前步骤的局部最优选择，但从整体来说不一定是最优的选择。由于它不比为了寻找最优解而穷尽所有可能解，因此其耗费时间少，一般可以快速得到满意的解，但得不到最优解;
判断此类算法，就看算法是否是每一步都取最优，并且整体题意没有透露出最终结果是最优的，局部最优；
注：最优子结构 + 贪心选择性质 => 贪心法
活动场地问题，找零钱的问题，哈夫曼编码问题；
8.5 其他
- 分支限界法：依据广度优先算法；
- 迪杰斯特拉算法、普利姆算法(Prim)、克鲁斯卡尔算法(Kruscal)、哈夫曼编码都是基于贪心策略的算法；
- 设计算法时的原则：首先算法必须是正确的，其次应该有很好的可读性，还必须具有健壮性，最后应该考虑算法的高效率和低存储量；
- 拉斯维加斯算法(Las Vegas) 是一种常用的概率算法；
- 若一个问题既可以使用迭代的方法也可以使用递归的方法求解，则迭代方法具有更高的时空效率；
