一些算法學習的推薦博文閱讀（數論居多，圖論沒有）

時間 2019-11-17

標籤一些算法學習推薦博文閱讀數論居多圖論沒有简体版

原文原文鏈接

上面是本身的學習筆記，下面是推薦博文閱讀html

關於每一個知識點的閱讀順序若不加序號通常是並列的，有序號的話通常是推薦看（固然只知其一;不知其二的話能夠從頭看起也能夠從中間開始）git

另外，有的連接放在推薦的下面了程序員

另另外，算法難度是降序的github

持續更新中.....算法

來一波本身的學習筆記

[帶限制的插板法]數組

[樹狀數組新感霧]數據結構

[支持刪除任意元素以及一些其餘基本操做的堆]

[非旋 treap 結構體數組版（無指針）詳解，有圖有真相]

[可持久化 trie 的簡單入門]

[逆元知識普及(進階篇) ——from Judge]

[可持久化數組（線段樹）[模板題]]

[可持久化並(xian)查(duan)集(shu)]
[可持久化 trie 的簡單入門]

[主席樹(靜態)的輕鬆入門]

[逆元知識普及(掃盲篇) —— from Judge]

[tarjan 題目彙總（含解析）]

[求逆序對 ----歸併排 & 樹狀數組]

推薦博文閱讀

帶限制的插板法

只有本身的，哼╭(╯^╰)╮

https://www.cnblogs.com/Judge/p/11827173.html

博弈論小結

博主這麼菜固然是沒寫過（並且也不會的），因而丟個連接跑路~

https://www.cnblogs.com/sineatos/p/3888921.html

不過例題仍是有幾道滴...

https://www.cnblogs.com/Judge/p/11037194.html

自適應辛普森算法

看了看本身博客裏沒有搬，就把本身洛谷上的題解搞到這兒了...

挺有趣的一個東西，和泰勒展開的思想相似，就是去擬合一個函數，區別大概在於一個是**局部**超近似，另外一個是**總體**帶小偏差的相似吧

https://www.cnblogs.com/Judge/p/10927547.html

三種分佈：二項分佈、幾何分佈、超幾何分佈、泊松分佈

愉快地去逛知乎吧...

https://www.zhihu.com/question/38191693

這個泊松分佈真是見鬼了，之後連個饅頭都賣不成...

https://blog.csdn.net/ccnt_2012/article/details/81114920

威爾遜定理

可能並無什麼用... 固然是博主寫的最詳細啦~

https://www.cnblogs.com/Judge/p/10755703.html

伯努利數

比較少會用到...可是確定仍是要學的QWQ

Orz shadowice 大佬

https://www.luogu.org/blog/ShadowassIIXVIIIIV/guan-yu-bo-nu-li-shuo-zhuai-hua-zi-ran-shuo-mi-hu-gong-shi-di-zheng-mi

蒟蒻個人

https://www.cnblogs.com/Judge/p/10722777.html

計算 π 的神奇方式：

光明正大的打開 B 站而後學習芝士吧！

https://www.bilibili.com/video/av41712219

二次剩餘：

attack 大佬寫的很詳細呢...（雖然說感受大半是翻譯的）

https://www.cnblogs.com/zwfymqz/p/10605181.html

bzt 大仙的好像和 attack 大佬寫的差很少...

https://www.cnblogs.com/bztMinamoto/p/10664973.html

Min25 篩入門：

這位大佬（TXC）寫的很棒耶

https://cmxrynp.github.io/2018/12/03/Min-25%E7%AD%9B%E5%AD%A6%E4%B9%A0%E7%AC%94%E8%AE%B0/

而後這是博主關於 min25 篩複雜度的證實（其實沒有什麼用？娛樂一下唄）

https://www.cnblogs.com/Judge/p/10694120.html

正太態分佈（中心極限）：

比較有趣的東西，科普一下（大概是和機率學有關？）

https://www.jianshu.com/p/cb7145e4c4bd

生成函數：

很是讚的博客，強烈安利，用講故事的形式傳授了芝士！

https://www.cnblogs.com/RabbitHu/p/9178645.html

而後關於二項式定理的一點小芝士（本身的）：

https://www.cnblogs.com/Judge/p/10549495.html

還有關於進階的：

https://blog.csdn.net/consciousman/article/details/77935700

狄利克雷卷積和莫比烏斯反演：

這玩意兒其實不難，卷積按定義來，莫比烏斯函數其實就是用來對卷積容斥的（即一種逆運算，相似逆元）

先放上本身的沒什麼軟用的博客...

https://www.cnblogs.com/Judge/p/10718016.html]

而後是各類大佬的...

https://lx-2003.blog.luogu.org/mobius-inversion

https://blog.csdn.net/u013632138/article/details/61623497

http://www.cnblogs.com/Colythme/p/9972264.html

而後杜教篩？就是線性篩預處理+數論分塊（用了反演技巧），模板題的題解！

https://www.luogu.org/problemnew/solution/P4213

而後還能夠看幾道題的題解來理解卷積與反演的用處，更利於掌握算法

FFT ：

1. 這篇博客不錯的哈，說是小學生都能看懂（應該是能夠的，畢竟小學生吊打高中生呢）：

https://www.cnblogs.com/RabbitHu/p/FFT.html

2. 毛嘯大佬的 2016國際論文：再探FFT 很棒啊，看完一些基本性質能夠去看看，裏面有更爲細緻的推導（自行找資源）

3. 強力推薦 Menci 的講解（其實這個可能最好了，只要你懂了點值表示、係數表示什麼的，固然這個能夠在算法導論上學一學）

關鍵menci大佬填了毛嘯大佬的坑...（一些關鍵地方沒解釋），固然這不怪毛嘯大佬，由於他原本就是寫給學過的人重溫的哇！

https://oi.men.ci/fft-notes/

4.算法導論：不推薦的緣由就是裏面講的比較雜，說插值又跳到拉格朗日、逆矩陣、 LU 分解，甚至是拉格朗日算係數（並且還留了個做業坑）去了，

固然若是基本功紮實的話也不妨能夠看看，收穫不會少的（這個總不能附個下載地址什麼的，況且沒有？自行搜索）

二項式反演：

博主的博客...

https://www.cnblogs.com/Judge/p/10549495.html

Lagrange 反演：

博主的證實...

https://www.cnblogs.com/Judge/p/10652738.html

Lagrange 插值法：

這個看洛谷的模板題解應該差很少（不過我是學完以後題照樣不會作的...），也能夠瞅瞅個人blog（固然 attack 大佬寫的很不錯啦）

https://www.cnblogs.com/Judge/p/10428378.html

線性代數：

線性代數的本質：這玩意兒是視屏，並且是B站上的（而後你就能夠光明正大地當着教練面逛 B 站了 2333），正當理由！

https://search.bilibili.com/video?keyword=%E7%BA%BF%E6%80%A7%E4%BB%A3%E6%95%B0%E7%9A%84%E6%9C%AC%E8%B4%A8

線性代數的書籍：有本書叫《程序員的數學3：線性代數》，講得比較詳細（有時候你還會以爲有點繁瑣），但不失爲一本適合初學者入門的書，關鍵書的後半部分有講到一些應用呢，這個博主以爲仍是不錯的（亮點）

　　　　另外一本是書名就《線性代數》的，建議先看前面那本吧，（這本比較枯燥，適合機器閱讀？）

擴歐、CRT、Lucas 等基礎（？）數論：

看我博客比較好（假的，可是比較全是真的，大不了細學的時候在本身找blog唄），可是BSGS還沒加上去，不知道何時填坑

https://www.cnblogs.com/Judge/p/9383034.html （普及篇）

https://www.cnblogs.com/Judge/p/9479665.html （進階篇）

權值線段樹到可持久化入門：

就是權值線段樹以及一些可持久化數據結構吧（不包括平衡樹哈，博主太菜還沒來得及學，學完填坑），到我博客首頁 Ctrl + F 搜索可持久化（或者主席樹）就好啦

https://www.cnblogs.com/Judge/

如數位、揹包、狀壓、指望、樹形或是數據結構優化一類的DP：

博客首頁搜索 dp ，好像只有兩個有寫，其餘要麼太難要麼沒什麼寫的必要