本文通过 53. Maximum Subarray & 152. Maximum Product Subarray 分析根据动态规划思路进行问题求解中的一个关键环节：子问题的拆分和求解。

　本文通过 Unique Paths [I] & [II] 两道题从普通的递归思路到动态规划两种方式的求解尝试，希望能够初步分析如何根据动态规划的思路，进行问题求解。

　本文将介绍带权图的最小生成树（Minimum Spanning Tree）算法：给定一个无向图 G，并且它的每条边均有权值，则 MST 是一个包括 G 的所有顶点及边的子集的图，这个子集保证图是连通的，并且子集中所有边的权值之和为所有子集中最小的。
　本文中介绍两种求解图的最小生成树的算法：Prim 算法和 Kruskal 算法，这两种算法都是贪心算法。一般而言，贪心策略不一定能保证找到全局最优解，但是对最小生成树问题来说，贪心策略能获得具有最小权值的生成树。

　本文介绍几种常见的最短路径算法：

• Breadth-first Search 无权最短路径算法；
• Dijkstra 带权（非负权）图的单源最短路算法；
• Bellman-Ford 带权（可负权）图的单源最短路算法；
• Floyd-Warshall 带权（可负权）图的全源最短路算法，
  　包括它们各自的使用条件&范围，算法原理介绍以及代码实现。

　本文主要介绍 BFS 的 C++ 和 C 语言实现，并借助 LeetCode 上的一道题，说说基本的 BFS 在问题求解中的应用。

What’s B(readth)F(irst)S(earch)

　广度优先搜索算法（Breadth First Search），又叫宽度优先搜索，或横向优先搜索。是从根节点开始，沿着树的宽度遍历树的节点。如果所有节点均被访问，则算法中止。

　本文主要介绍 DFS 的 C++ 和 C 语言实现，并借助 LeetCode 上的一道题，说说基本的 DFS 在问题求解中的应用。

What’s D(epth)F(irst)S(earch)

　深度优先搜索算法（Depth First Search），是搜索算法的一种。是沿着树的深度遍历树的节点，尽可能深的搜索树的分支。当节点 N 的所有边都己被探寻过，搜索将回溯到发现节点 N 的那条边的起始节点，这一过程一直进行到已发现从源节点可达的所有节点为止。
　如果还存在未被发现的节点，则选择其中一个作为源节点并重复以上过程，整个进程反复进行直到所有节点都被访问为止。

　本文通过一道阿里面试题（下图），说说关于该题的字符串最长子串的查找问题。

　本文介绍 Divide and Conquer（分而治之） 的一种典型算法，FFT（快速傅里叶变换）。

DFT

DFT：$X[k] = \sum_{n=0}^{N-1} x[n] e^{-j \frac{2 \pi k}{N} n}, k = 0, 1, 2, …, N-1$

• for each k: N complex mults, N-1 complex adds
• $e^{-j \frac{2 \pi k}{N} n}$ 预计算并保存在计算机中
• $O(N^2)$ computations for direct DFT $\Longrightarrow$ $O(N log_2 N)$ for FFT