我认为 Dijkstra算法 的本质是 广度优先搜索，
而此处的广度是定义在路程的cost之上的。
（就好比从圆心处向外扩散一个圆环，首次碰到的就是最近）

动态规划泛指，重叠子问题与原问题的推算关系（学名：动态转移方程），
贪心是极端情况的动态规划，子问题独一选择性。

Dijkstra算法的分解思路是
到达某节点的cost最小路径 –（从这里面选）–> { 到达其相邻节点的cost最小路径 }
独一选择性:
只挑选： Min {到达其相邻节点的最短路径}

结论：的确是贪心策略

动态规划是将一个大问题分解成可以递归求解的”小问题”，精髓在于，这个问题是可以递归求解的。在数学上问题解叫具有递推公式。之所以DP可以用来求解优化问题是因为在推导n步递推公式时候我们可以默认n-1步是最优解了。

贪心其实也可以是递归求解的一种方式，贪心是把当前情况作为假定的最优解, 然后遍历所有可能状态找到最好的解。

跟DP不同的是，DP每一步递归是基于前一状态的“真”最优，而贪心可能是“伪”最优。贪心算法执行完成后才能知道真正的最优解，而DP其实不需要执行完就可以得到任意状态的最优解。

Dijkstra算法是从原点出发BFT图中所有结点，同时更新原点到各个结点的最短路径，这个更新的过程实际上是求贪心解的过程，而不是DP递归的过程。

我们老师说贪心就是动态规划的特例和简化，这么说就是同源的了。

Dijkstra更像是个贪心而不是动归：每次把距离最小的点找到然后更新，因为根据贪心，在正权图中，只有从当前距离最小的点出发去更新其他点才能使所有点在当前情况下的距离最小。而非贪心的动归往往都没有这么明显的贪心原理。

个人认为Floyd可能才是正宗的动归而不是贪心，毕竟Floyd可以跑负权图。

贪心算法选择的策略无后效性，从这一点来说，dijkstra算是贪心算法两种方法都是由子问题的求解最终得到总问题的解。动态规划主要是解决多阶段决策问题，并且阶段间存在着相互影响。贪心算法则强调不对后面的选择产生影响，解是各个子问题最优解的组合。最短路径中问题中，dijkstra算法将子问题划分为从起点出发到各点的最短路径，然后综合得到最优解。

我觉得都不是。

贪心算法是每一步都选择看起来最优的下一步。放到最短路问题上，就应该是每一步都选择从当前结点出发、权最小的边走下去。这样显然无法保证找到全局最短路，Dijkstra 算法也显然不是这样做的。动态规划的一个显著特点是有状态，状态之间构成有向无环图，所以可以按照拓扑顺序来递推。Dijkstra 算法中，若把结点看成状态，则状态之间不构成有向无环图，它们之间并没有一个先验的拓扑顺序，而是要在求解的过程中，根据状态的值来决定顺序。所以 Dijkstra 也不是动态规划。
处。