先来看一个问题：从S点到E点有很多条路径可走，但每条路径的长短（权重）不同，且走的路径必须是S -> X1i -> X2i ->X3i ->E。求怎样走总的路径最短？
传统的方法：总的路径的条数=3*4*2=24条，分别求出每条路径的长度，然后取最短的那条路径。这种算法可以求出全局最短的路径，但时间复杂度是O(N1*N2*....)，将随着问题规模的扩大而迅速增大。
贪心算法：第1步，先求出S到所有X1i的最短距离，比如说到X12最近；第2步，以第1步中得到的节点为据点，分别计算X12到X2i的距离，取距离最短的那个节点为新的据点；第3步，迭代步骤2，直到到达终点。这种算法得到的是局部最优解而非全局最优解，假设问题有Z级，所有级数中节点数最多的那一级的节点数是R，则问题的复杂度是O(Z*R)。
动态规划算法：第1步，要求S到E的最短距离，只需要先求S到X31的最短距离，比方说是P(SX31)，以及S到X32的最短距离，比方说是P(SX32)。接下来我们假设X31到E点的距离是D(X31E)，X32到E点的距离是D(X32E)。最后，我们比较P(SX31)+D(X31E)和P(SX32)+D(X32E)的大小，取较小的那个就是最短距离。可以用反正法证明上面的结论：假设我们上面得到最短路径是P(SX31)+D(X31E)，即最短路径经过X31。如果存在另外一条路径P'(SX31)，使得P'(SX31)+D(X31E) < P(SX31)+D(X31E)，则P'(SX31)<P(SX31)，这与P(SX31)是S到X31的最短路径相矛盾；如果存在另外一条路径P'(SX32)，使得P'(SX32)+D(X32E) < P(SX31)+D(X31E)，则显然有P'(SX32)+D(X32E)<P(SX31)+D(X31E)<P(SX32)+D(X32E)，则P'(SX32)<P(SX32)，这与P(SX3,2)是S到X32的最短路径相矛盾。这就说明了S到E的全局最短路径一定经过了S到E的上一级N个节点的全局最短路径中的某一条。总结成一句话：如果从S到E的全局最短距离经过某个节点Xij，则S到Xij这段节点的路径必定也是所有S到Xij的路径中全局最短的;
第2步，上面的第1步已经说明要求S到E的全局最短距离，只要分别求出S到E的上一级N个节点的全局最短距离，这样问题的规模就减小了1。同理，要求S到E的上一级N个节点的最小距离，需要知道S到E的上两级M个节点的最小距离，假设这个条件已知，则需要经过O(M*N)的复杂度计算得到S到E的上一级节点的最小距离。假设R=max{M,N}，则计算复杂度一定小于O(R^2);
第3步，反复迭代步骤2，则问题的规模进一步减小，一直到O(R^2)，变成了最初始的状态，即求S到第一级节点的最短距离。前面的分析都没有开始解决问题，现在我们可以真正开始解决问题了。我们记下S到第一级节点的最短距离，这个过程的时间复杂度为O(R^2)，在求出S到第一级节点的最短距离的情况下，我们接着求S到第二级爱所有节点的最短距离，然后记下来，这个过程的时间复杂度也是O(R^2)，我们依次向前推进，则求出了S到最后一级节点E的最短距离。整个算法的复杂度为O(Z*R^2)，Z是整个问题的层数，R是所有级数中节点数最多的那一级的节点数。
上面的动态规划算法，被用在通信过程的解码问题上，就是维比特算法。
动态规划算法的基本要素是：最优子结构性质和重叠子问题性质