139. 单词拆分 https://leetcode.cn/problems/word-break
139. Word Break https://leetcode.com/problems/word-break
140. 单词拆分 II https://leetcode.cn/problems/word-break-ii
140. Word Break II https://leetcode.com/problems/word-break-ii
之前
手把手带你刷二叉树（纲领篇）
把递归穷举划分为「遍历」和「分解问题」两种思路，其中「遍历」的思路扩展延伸一下就是
回溯算法
，「分解问题」的思路可以扩展成
动态规划算法
。
这种思维转换不止局限于二叉树相关的算法，本文就跳出二叉树类型问题，来看看实际算法题中如何把问题抽象成树形结构，见招拆招逐步优化，从而进行「遍历」和「分解问题」的思维转换，从回溯算法顺滑地切换到动态规划算法。
先说句题外话，前文
动态规划核心框架详解
说，
标准的动态规划问题一定是求最值的
，因为动态规划类型问题有一个性质叫做「最优子结构」，即从子问题的最优解推导出原问题的最优解。
但在我们平常的语境中，就算不是求最值的题目，只要看见使用备忘录消除重叠子问题，我们一般都称它为动态规划算法。严格来讲这是不符合动态规划问题的定义的，说这种解法叫做「带备忘录的 DFS 算法」可能更准确些。不过咱也不用太纠结这种名词层面的细节，既然大家叫的顺口，就叫它动态规划也无妨。
本文讲解的两道题目也不是求最值的，但依然会把他们的解法称为动态规划解法，这里提前跟大家说下这个变通，免得严谨的读者疑惑。其他不多说了，直接看题目吧。
单词拆分 I
遍历的思路（回溯解法）
利用后序位置优化
分解问题的思路（动态规划）
单词拆分 II
遍历的思路（回溯算法）
是否可以利用后序位置优化？
分级问题的思路（动态规划）
