一些算法学习的推荐博文阅读(数论居多,图论没有)

上面是自己的学习笔记,下面是推荐博文阅读

关于每个知识点的阅读顺序若不加序号一般是并列的,有序号的话一般是推荐看(当然一知半解的话可以从头看起也可以从中间开始)

另外,有的链接放在推荐的下面了

另另外,算法难度是降序的

 持续更新中.....


来一波自己的学习笔记 

[自适应辛普森了解一下]

[用线性基证明的小定律]

[威尔逊定理小讲解]

[支持删除任意元素以及一些其他基本操作的堆]

[二项式定理学习笔记(详解)]

[文艺平衡树与可持久化文艺平衡树]

[谈一类神奇的数据结构——猫树]

[拉格朗日插值法]

[0/1分数规划?我不会啊!]

[论如何求矩阵的逆?先看看基础芝士!]

[数位dp 的简单入门]

[斜率优化dp 的简单入门]

[有趣的 zkw 线段树(超全详解)]

[非旋 treap 结构体数组版(无指针)详解,有图有真相]

[可持久化 trie 的简单入门]

[逆元知识普及(进阶篇) ——from Judge]

[可持久化数组(线段树)[模板题]]

[可持久化并(xian)查(duan)集(shu)]
[可持久化 trie 的简单入门]

[主席树(静态)的轻松入门]

[逆元知识普及(扫盲篇) —— from Judge]

[tarjan 题目汇总(含解析)]

[求逆序对   ----归并排 & 树状数组]

[积性函数与卷积]

[伯努利数学习笔记的说...]

 

 


 

 推荐博文阅读

博弈论小结

博主这么菜当然是没写过(而且也不会的),于是丢个链接跑路~

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

不过例题还是有几道滴... 

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

 

自适应辛普森算法

看了看自己博客里没有搬,就把自己洛谷上的题解搞到这儿了...

挺有趣的一个东西,和泰勒展开的思想类似,就是去拟合一个函数,区别大概在于一个是**局部**超近似,另一个是**整体**带小误差的类似吧

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

 

 

三种分布: 二项分布、几何分布、超几何分布、泊松分布

愉快地去逛知乎吧...

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

这个泊松分布真是见鬼了,以后连个馒头都卖不成...

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

 

威尔逊定理

可能并没有什么用... 当然是博主写的最详细啦~

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

 

伯努利数

比较少会用到...但是肯定还是要学的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

蒟蒻我的

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

 

 

计算 π 的神奇方式:

光明正大的打开 B 站 然后学习芝士吧!

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

 

二次剩余:

attack 大佬写的很详细呢...(虽说感觉大半是翻译的)

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

bzt 大仙的好像和 attack 大佬写的差不多...

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

Min25 筛入门:

这位大佬(TXC)写的很棒耶

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

然后这是博主关于 min25 筛复杂度的证明(其实没有什么用?娱乐一下呗)

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

态分布(中心极限):

比较有趣的东西,科普一下(大概是和概率学有关?)

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

 

生成函数:

 

非常赞的博客,强烈安利,用讲故事的形式传授了芝士!

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

然后关于二项式定理的一点小芝士(自己的):

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

还有关于进阶的:

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

狄利克雷卷积和莫比乌斯反演:

这玩意儿其实不难,卷积按定义来,莫比乌斯函数其实就是用来对卷积容斥的(即一种逆运算,类似逆元)

先放上自己的没什么软用的博客...

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

然后是各种大佬的...

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

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

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

 

然后杜教筛?就是线性筛预处理+数论分块(用了反演技巧),模板题的题解!

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

 

然后还可以看几道题的题解来理解卷积与反演的用处,更利于掌握算法

 

 

FFT :

1. 这篇博客不错的哈,说是小学生都能看懂(应该是可以的,毕竟小学生吊打高中生呢):

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

 

2. 毛啸大佬的  2016国际论文: 再探FFT 很棒啊,看完一些基本性质可以去看看,里面有更为细致的推导 (自行找资源)

 

3. 强力推荐 Menci 的讲解(其实这个可能最好了,只要你懂了点值表示、系数表示什么的,当然这个可以在算法导论上学一学)

关键menci大佬填了毛啸大佬的坑...(一些关键地方没解释),当然这不怪毛啸大佬,因为他本来就是写给学过的人重温的哇!

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

 

4.算法导论:不推荐的原因就是里面讲的比较杂,说插值又跳到  拉格朗日、逆矩阵、 LU 分解,甚至是拉格朗日算系数(而且还留了个作业坑)去了,

当然如果基本功扎实的话也不妨可以看看,收获不会少的(这个总不能附个下载地址什么的,何况没有?自行搜索)

 

二项式反演:

博主的博客...

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

 

Lagrange 反演: 

博主的证明...

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

 

Lagrange 插值法:

这个看洛谷的模板题解应该差不多(不过我是学完之后题照样不会做的...),也可以瞅瞅我的blog(当然 attack 大佬写的很不错啦)

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

 

 

线性代数:

线性代数的本质:这玩意儿是视屏,而且是B站上的(然后你就可以光明正大地当着教练面逛 B 站了 2333),正当理由!

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

 

线性代数的书籍:有本书叫《程序员的数学3:线性代数》,讲得比较详细(有时候你还会觉得有点繁琐),但不失为一本适合初学者入门的书,关键书的后半部分有讲到一些应用呢,这个博主觉得还是不错的(亮点)

    另一本是书名就《线性代数》的,建议先看前面那本吧,(这本比较枯燥,适合机器阅读?)

 

 

扩欧、CRT、Lucas 等基础(?)数论:

看我博客比较好(假的,但是比较全是真的,大不了细学的时候在自己找blog呗),但是BSGS还没加上去,不知道什么时候填坑

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

https://www.cnblogs.com/Judge/p/9479665.html (进阶篇)

 

权值线段树到可持久化入门:

就是权值线段树以及一些可持久化数据结构吧(不包括平衡树哈,博主太菜还没来得及学,学完填坑),到我博客首页 Ctrl + F 搜索可持久化(或者主席树)就好啦

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

 

如 数位、背包、状压、期望、树形或是数据结构优化一类的DP:

博客首页搜索 dp ,好像只有两个有写,其他要么太难要么没什么写的必要

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

 

你可能感兴趣的:(一些算法学习的推荐博文阅读(数论居多,图论没有))