next数组计算方法如下

默认next[0]=-1，字符串从0出发。

计算的方法是：

1
2
3
4
5

int j = 0, k = -1;
while(j < p.size() - 1) {
    if(k == -1 || p[j] == p[k]) next[++j] = ++k;
    else k = next[k];
}

其中p是模式串。

接下来我们来推导KMP的状态转移方程。

设$dp[j]$是第j处最大公共真前后缀的长度，那么如果$p[j]==p[k]$，那必然有$dp[j+1]=dp[j]+1=k+1$（可以想象一下，后面一位字符也是相等的，那就说明这里的最大公共真前后缀的长度等于前一位的+1嘛！），并且j和k都递增一次。

给定图$G=(V,E)$，其最小生成树为边权值和最小的树，并且联通了图中所有的点，设$MST$为$G$的最小生成树，那么有$MST.edgeSize=V.vertexSize-1$，意思是MST的边数一定为图中顶点数目减去1.

最小生成树常用的两种算法分别是Prim和Kruskal，这两种算法都有对应的堆优化方法，我们先从暴力的解法做起。

常见的最短路径算法一般有Floyd，Dijkstra，Johnson，Bellman-Ford算法。按照课本所学的先后顺序，我们先讲Dijkstra。

Dijkstra算法

Dijkstra算法其实是Floyd的优化，成功将$O(n^3)$降到了$O(n^2)$，并且还是采用了动态规划的思想。我们从起点枚举最短路径开始。

比如从A出发，我们会知道首先选择B，其路径为$A\rightarrow B:1$。好的接下来哪个路径最短？首先不能是A到D吧，边权都3了。那应该是2吗？好像是吧。。。

其实不妨这么想，在找到路径之后，都更新路径数组dp[]，这里可以看到，若要A到C，可以选择$A\rightarrow C$，也可以$A\rightarrow B \rightarrow C$，但其实$A\rightarrow C$更短。

所以有了如下的状态转移方程；

其中$i$是可联通顶点，$now$是刚刚找到的最短路终顶点，$dp[i]$是起点到顶点$i$的最短路径。

哈希函数是指将任何一种类型的变量$x$映射到$hash(x)$里，其中$hash(x)$是比较小的数值。一般来说，我们希望这种函数是一对一的，但偶尔会出现哈希碰撞的情况，即一对多的情况。这种情况是不可取的。

很多情况下，我们都将字符串的起始下标设为1.

在这里，$hash(i)$表示从1到下标$i$这个字符串的哈希值。所以我们要先确定前缀字符串，比如给定：

那么$hash(0)=hash(“A”)，hash(1)=hash(“AB”)…$

在计算的时候，我们把字符串当作$p$进制数，并按照ASCII码赋值，其hash函数就是将$p$进制数转换成10进制数。因此：

原理：给出中缀表达式，求出表达式的值。利用栈来模拟表达式树的操作。

比如有序列：

假如下标从1开始，让你计算区间$[a[2], a[3]]$的和。这时候数组无法简单做到，因为第二第三的数字远远超过了$10^5$，数组超过了最大的界，因此我们要做离散化。

简单来讲，比如你要有n个插入操作，每次插入提供两个值，一个是插入的位置，一个是插入的值为多少。但插入的位置可能超过$10^5$，这个时候用数组就不能统计区间和了，我们需要对这个数组进行离散化处理：

对于任何一个区间segs，我们需要将他们合并得到一个新的区间数组。比如[1, 2]，[2, 3]，[5, 7]，[6, 9]，就可以合并成[1, 3]，[5, 9]，合并成了两个区间。

方法其实不难，首先我们存储segs数组。然后我们将segs对x从小到大排序，这样就保证了局部有序，合并区间就不会出现缺少的情况。

接下来就是合并操作，先定义临时的区间端点st和ed。然后遍历区间数组。如果当前数组的值的x大于临时数组中的ed，那么就说明当前区间st和ed是无法继续合并的（已经最大了），所以加入到结果中。否则的话，就要更新最大的ed。

与单链表类似，但我们用l和r两个数组存放元素的左边和右边。

并且这次的头和尾都是固定的，不像静态单链表中头是会变化的且是存放值的。

我们设定头为0，尾为1，那么如果要删除第k位置的元素，实际上要删除下标k + 1的位置（假定位置从1开始）：

用数组模拟链表的好处是方便，代码量少，而且不需要用到指针，减少因为指针出现的错误。

在静态链表中，我们使用head表示头节点的下标，初状态下head=-1，说明表空。

将元素加入到头节点之后，head更新为这个元素的下标，表示这个元素就是这个表的新头节点。

具体可以看看代码，比较简单。