qq_73176808的博客

本文介绍贪心问题中的几种区间问题

本文讲解记忆化搜索问题：滑雪

本文介绍树型dp，以及讲解例题：没有上司的舞会

本文介绍状态压缩dp，并讲解两道例题：蒙德里安的梦想、最短Hamilton路径

本文讲解计数问题

本文介绍dp问题中的线性dp和区间dp

本文介绍动态规划中的背包问题

本文介绍博弈论中的Nim游戏以及博弈论中重要的解题方法：SG函数

本文介绍组合数的各类求法以及组合数的重要应用——卡特兰数

本文介绍如何求解乘法逆元

本文介绍欧拉函数、快速幂以及扩展欧几里得算法

本文主要介绍简单数论中质数和约数的相关题目

本文介绍染色法判断二分图以及匈牙利算法

在图论问题中有这样一类问题：就是问题（适用于无向图）。简单来说，就是。针对这类问题的不同情况，有三种解决方法：简要说明以下，n为点数，m为边数。很显然，，而。但是由于堆优化Prim太复杂且其时间复杂度和Kruskal一样，所以来解决。因此这里对于堆优化的Prim就不做讲解了。下面重点说说朴素Prim和Kruskal。

在图论问题中，最短路算法是一个典型且很常用的算法。面对不同的情况，要选择不同的算法。本文。下面给出一个思维导图：算法并不难，问题的关键在于建图，这个需要做题积累经验。下面只给出算法的基本实现，还需各位同学多多做题。

邻接矩阵和邻接表是非常常用的存图的方式，所以有必要浅浅地说一下这两种方式是怎么实现的。此外，还有一些更加高级的方法，比如链式前向星，但是这里只针对基础且最常用的方法，感兴趣的同学可以自行查阅。

简单来说，dfs就是从图的某一个点开始，沿着一条路走到黑，不撞南墙不回头。在走到尽头的时候，再返回搜索下一条路。举个简单的例子：这乍一看好像是一个树，但是其实大部分图都是错综复杂的，树只是一种特殊的图，因为举例子比较方便，所以就先用树状图举例子了。dfs从1号点开始，假设从最左边这条边开始搜索，那么要搜索到末端，也就是：然后就要回头了，那么回到哪里呢？回到离他最近的一个有岔路的点，并从那条岔路一直搜索到末端。也就是：以此类推，直到所有点都被搜索过，也就是出发点的所有出边都被搜索过了。

哈希表（hash table）又叫散列表，是一种很实用的数据结构。首先来看一下百度给出的定义：散列表，是。也就是说，它通过把关键码值映射到表中一个位置来访问记录，以加快查找的速度。这个映射函数叫做散列函数，存放记录的数组叫做散列表。通俗一点来说，就是我们有一堆值，他们的范围很大，但是又很分散，直接存储本身的话会非常占地方，所以我们就把它，这样不但节省了空间，而且还方便查找。

全部down一遍就好，注意是。

这篇文章来介绍一个比较重要的数据结构：字典树（TrieTree）。其中 trie 一词来自于英语单词 retrieval 【检索】。

kmp算法（Knuth-Morris-Pratt算法）是一种算法，可以在O(m+n)的时间复杂度内实现两个字符串的匹配。下面谈谈个人对于kmp算法浅陋的理解。

那么首先想到的暴力做法就是，开一个数组，让在一个集合中的数都等于相同的值。但是这样做的话，假设有一万个点在集合1里，有两万个点在集合2里，要合并的话，首先要遍历一遍全部数组，把所有在集合1里的点挑出来，然后再让他们等于集合2的值，这样显然是十分愚蠢的。因为找到一个点的根节点是需要递归上去的，越摞越高的话，查询的时间复杂度会非常高。，将编号为 a 和 b 的两个数所在的集合合并，如果两个数已经在同一个集合中，则忽略这个操作。，可以执行合并集合，查询两个数是否在一个集合中，以及可能还有一些其他奇怪的操作。

栈和队列是两个很重要的数据结构。其中单调栈和单调队列是栈和队列的“特别版”。下面就来介绍一下单调栈和单调队列以及它们可能的用处。

链表是程序设计中一种十分重要的数据结构。正如它的名字一样，它是一个“链状”的数据结构。如下图所示：其中每个节点都可以保存数据，同时每个节点又有一个指针指向下一个节点，来形成链状结构。那么这时候就会有人要说了，这不就是数组吗。其实不然，它和数组各有优缺点。数组就是一串连续的存储单元，而链表不一定是连续的存储单元。数组的优点就是可以很快的访问到某个元素，因为只需要给数组名取下标，就可以访问到某个元素了；但是链表要访问一个元素，需要从头节点开始往后找，越接近链表尾的元素访问的越慢。但是链表可以。