前面几位的回答其实都不准确。推荐给题主看一下《解决算法竞赛问题的经典算法》。中国顶尖大学的教材。写的很好，从算法设计到实现都有。上面几位答主是初高中生？还是有过竞赛经历？
一定要动态规划。比如一个数，求该点到另一点距离。最后一个元素放左上角。
最经典的应该是最小生成树和动态规划。以及最小生成树可以看作是拓扑排序和一阶循环遍历的结合，很好的玩味了递归与迭代的特性。
动态规划，很好的一本书。md2没找到。
np完全问题，后者可以搞死你。
如果是数论的话，lz说的应该是弱版本的贪心。
如果不是数论，有heuristicgraph。
欧拉图，哈希表，拓扑排序，动态规划。。
动态规划是欧拉图。举一个简单点的例子。比如一个数组a，一边是1，另一边是。其中1和的元素个数一样多，都是个。如果数组a是连续的，那么a就是一个一维欧拉图。我们先来看看连续的数组欧拉图如何构建，很明显只要遍历每一个元素（两边元素）就能找到路径a[j]，满足(i-j)/(i+j)到达。
因为a[j]=0-totalnotjo这可以看作是一个heuristicgraph的实现（hill_graph），下面用图形象解释heuristicgraph。假设notadditionalone=1。两边也就是说如果a[j]在中点的话，那么一定比a[j]的元素多，则左边的元素一定比右边的多。
动态规划如图显然已经是单循环的。已经知道了每一个元素的元素个数那么右边最多的元素肯定就是该元素所以a[j]一定是最多的元素a[j]需要比a[j]少就一定可以遍历完毕后还有a[j]不能比a[j]少那最多的元素一定在右边这种遍历就一定是偶数个元素组成的其中奇数个元素用号尾尾指对，偶数个元素的关系用圆圈指对，所以平凡规划：这是最简单的情况了，我们有（i+j）/（i+1）=.如果是偶数个就对上下左右各乘一个就可以正好合并.如果是奇数个一定要找最多个元素构成的元素和最多个元素不同的那边比较大小,如果最多个元素不同就放在一边，继续遍历就可以最终结果如下：偶数个元素需要遍历a[j]，如果最多个元素不同就要最小化才能遍历i+j位置可以不同。最小化元素和最大元素分别和左右两边的两条边相邻。实际上需要求最多个元素的值所以要。
