Dynamic Programming(DP) — 動態規劃(下)
Dynamic Programmin的經典應用除了斐波那契數之外，還有背包問題、最短路徑問題、河內塔、LCS等等，那麼我們就試著用Dynamic Programming來解 leetcode的1143題 longest common subsequence (LCS)吧!
Dynamic Programming(DP) — 動態規劃（上）
在認識動態規劃之前先來理解Divide and Conquer(分治法)吧!Divide and Conquer是一種演算法，執行的步驟如下
Backtracking — 回溯法
回溯法是暴力破解法的一種，在列出各種可能的組合時，如果遇到不符合條件的就不再繼續向下查找，而是回到上層繼續尋找其他可能，聽起來有點抽象，可以想像有很多條岔路可以做選擇，不過已經知道有些岔路不會得到我們需要的結果，就沒有必要繼續往下找，而是折返到上個路口，繼續探索其他還沒訪問過的岔…
Binary search — 二分搜尋法
利用將資料切一半的方式來做搜尋，舉例來說，如果要從數字1–100猜終極密碼，如果採用線性搜尋法就是一個一個問?是1嗎?是2嗎?…依序猜下去，很不幸的數字剛好是99就需要猜99次，但如果用二分搜尋法就會是先判斷數字是否大於50 ，如果是的話那是否大於75…
Greedy Algorithm — 貪婪演算法
貪婪演算法（英語：greedy algorithm），又稱貪心演算法，是一種在每一步選擇中都採取在當前狀態下最好或最佳（即最有利）的選擇，從而希望導致結果是最好或最佳的演算法。(引用自wikipedia)
[搜尋演算法]Linear Search — 線性搜尋法
線性搜尋法可以說是最容易理解的搜尋演算法了， 相信大家都有過類似的經驗在圖書館想在在書架上要找一本書"湯姆歷險記" ，假如書本都是未經排序的，就必須一本一本慢慢的找，直到找到要找的書為止，所以以程式碼來說，就會以迴圈遍歷的方式，一步一步的檢查當前的項目是否為要找的對象…
Enumeration — 列舉法
列舉法又稱為窮舉法，簡單來說就是把所有可能發生的狀況都列出來，再根據問題提供的條件，從中找出符合條件的解答，也就是所謂的暴力破解法，優點是簡單直觀，缺點就是當問題的範圍很廣，執行時間會等比上升，因此不適合拿來解範圍過於廣泛的題目。
[排序演算法]Heap Sort — 堆積排序法
heap sort的原理是採用max heap這種資料結構來做排序，max heap是一種binary tree，每個節點都會比自己的子節點還大，因此根節點會是最大值，讓我們先來理解如何實作一個max heap吧!假設現在有一個排序是亂的binary tree如下圖
[排序演算法]Merge sort — 合併排序法
Merge Sort採用分治法(Divide and Conquer)的方式來處理排序的問題，簡單介紹一下分治法執行的步驟如下:
[排序演算法]Quick Sort — 快速排序法
在了解快速排序法的概念之前要先理解partition演算法，不過單用文字敘述還是蠻抽象的，所以搭配示意圖來做說明，假如現在有個陣列[2, 6, 3, 9, 1, 5]