本文介绍了图论中四种基础算法的C++实现：DFS（深度优先搜索）、BFS（广度优先搜索）、并查集和拓扑排序。使用邻接表表示图，通过vector和list实现。DFS采用非递归栈实现（O(V+E)时间），BFS使用队列实现，适用于最短路径等场景。并查集采用路径压缩和按秩合并优化，用于连通性检测。拓扑排序对有向无环图进行线性排序，可用于任务调度。文末提供了完整测试示例，展示了各算法的实际应用和输出结果

区间DP的核心状态定义为：dp[i][j]：表示序列/区间[i, j]上的最优解（或某种状态）通过枚举区间内的划分点k，将大区间[i, j]拆分成两个子区间[i, k]和[k+1, j]// 通常使用二维dp数组// dp[i][j] 表示区间[i, j]的答案破环成链：解决环形区间问题前缀和优化：快速计算区间和记忆化搜索：替代迭代DP（代码更简洁）k < j;++k)状态压缩：当区间长度较小时用

本文系统介绍了树形动态规划（Tree DP）的核心原理、经典模型和高级技巧，并提供了C++实现模板。主要内容包括：1）树形DP的基本概念和解题步骤；2）通用框架与状态设计模板；3）三大经典问题实现（最大独立集、最小点覆盖、最小支配集）；4）进阶模型（树上背包、树直径、树重心）；5）换根DP等高级技巧。通过20+经典问题解析，帮助读者掌握在树形结构上应用动态规划的方法，实现从基础到实战的进阶。

数位动态规划（Digit DP）是一种高效解决数字位相关计数问题的算法，尤其适用于统计大区间内满足特定条件的数字数量。本文系统介绍了数位DP的核心思想、状态设计和C++实现模板，包含20+经典问题解析。数位DP通过数字分解、状态压缩和记忆化搜索，在数字的每一位上进行状态转移，同时处理数字限制条件。文章详细讲解了通用模板框架、关键参数解析、四大核心函数，以及如何处理不含特定数字、数字和、数字乘积等问

通过前缀和优化，可以显著提升线性DP的效率，将原本的O(n²)复杂度降低到O(n)。在实际应用中，需根据具体问题设计合适的状态定义和前缀和数组，确保优化的有效性。

本文介绍了C++红黑树的实现及其高效操作。红黑树通过自平衡特性确保查找、插入和删除操作的时间复杂度为O(log n)。文章详细讲解了红黑树的五大规则、节点结构、旋转操作（左旋/右旋）以及插入流程。通过哨兵节点简化边界处理，插入操作后使用颜色调整和旋转维护平衡。代码实现展示了节点类、树结构、旋转逻辑和插入修复机制，为键值对存储提供了高效解决方案。

贪心算法是一种简单高效的算法设计范式，适用于具有贪心选择性质的问题。虽然它不能解决所有优化问题，但在适用场景下能提供高效的解决方案。理解贪心算法的原理和实现方式，对于解决实际编程问题具有重要意义。在Java中实现贪心算法时，可以利用Collections.sort()或Arrays.sort()进行排序，结合适当的比较器来制定贪心策略。通过练习经典贪心问题，可以更好地掌握这一算法思想。关键点总结贪

学习路径掌握一维差分 → 2. 理解二维前缀和 → 3. 推导差分公式 → 4. 实现基础操作核心口诀“差分更新四步走，左上加k右下补，同行右侧需消减，同列下侧要消除”关键点：差分是离线算法，适用于"先批量更新，最后查询"的场景。对实时查询需求，需结合树状数组等数据结构。通过二维差分，我们以O(1)时间完成区域更新，用空间换时间的经典范例。理解其数学本质（容斥原理），即可灵活扩展到更高维度或变种问