不能用动态规划求解的问题是

动态规划是一种非常重要的算法思想，被广泛应用于各种计算问题中，特别是那些涉及最优化问题的场景，诸如背包问题、时间序列分析等等。动态规划算法适用于那些满足子问题反复出现、具备最优子结构、自底向上的求解过程的问题。然而，尽管动态规划算法在很多场合下可以有效解决问题，但也存在一些情况下它并不适用。

以下从多个角度分析不能用动态规划求解的问题，包括 $\log$ 复杂度、线性复杂度、NP 难度、无法化归等角度。

一、$\log$ 复杂度

动态规划的时间复杂度通常也类似于递归算法，在最坏情况下是指数级别的，尽管大多数时间复杂度是 $O(n^2)$ 或 $O(n^3)$。在某些问题中，我们最好的算法已经是 $O(n\log n)$ 或 $\log n$，如快速排序和二分查找。此时，即使引入动态规划算法，其复杂度也不会显著降低。因此，我们有时候不能用动态规划来处理那些可以用更为高效算法求解的问题。

二、线性复杂度

在某些情况下，问题的规模特别地小，因此即使在最坏情况下，其时间复杂度仍然是恒定级别或 $O(n)$ 线性复杂度。在这种情况下，引入动态规划算法没有很多意义，因为它甚至可能会导致额外的系统开销和麻烦。例如，对于一些矩阵处理问题，直接使用暴力计算方法往往比那些用动态规划方式计算要更快。此时，动态规划并不是最佳选择。

三、NP 难度

NP（Nondeterministic Polynomial，非确定性多项式时间）问题指的是那些非常困难，不能在多项式时间内求解的计算问题。这些问题包括著名的旅行商问题（Traveling Salesman Problem）和子集求和问题（Subset Sum Problem）。虽然有一些NP硬度问题可以被求解，但是我们大多数不能直接采用动态规划算法来解决NP问题。

四、无法归类

还有一些问题是无法归类在以上几种情形之中，它们具有特殊的性质和约束条件，尽管它们与动态规划算法存在某种相似性，但我们无法总结、抽象，然后进一步应用那些常规的算法思想。这些问题中一些问题简单直观，而其他一些问题则非常复杂，涉及到复杂数学知识，如流形和嵌套类。解决这些问题的技巧和方法需要更多的探索和研究。

综上所述，动态规划算法并不是万能的，尽管广泛适用于各种计算问题中，但在某些情况下我们应该谨慎使用动态规划算法。我们应该清楚地意识到动态规划算法的局限性，并在问题的性质、难度和规模等方面谨慎评估，综合考虑后选择最佳的算法。