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
正太态分布（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/