摘錄自：How To Find a Solution
從題目給的線索中猜測該用什麼演算法解題。
直覺模擬
這類題目單純地會給很多步驟，條件(複雜度)不會太高，也不會太低，通常是在測試你的 coding 速度，因此不用想太多，照著做就對了。
BFS (廣度優先搜尋)
這類題目通常要求找出從起點狀態到終點狀態「最少步驟(最低成本)」的解，並且狀態間的轉移成本通常是1。常見題目都是給一個 N*M 的表格，有些格子不能通過，求要到達目的地的最短路徑。
因為 BFS 複雜度多半是線性的，因次 N (或 M) 很大(到百萬)也沒關係。
Flood Fill
BFS 找所有解，而非最小那個。
暴力搜尋、backtracking
暴力搜尋的條件(複雜度)不能太高，因為它就是(必須/可以)嘗試所有可能、然後找最好的。backtracking 也是暴力搜尋的一種，通常用遞迴做，並且題目給的條件(複雜度)會很低，那就很適合。
DP (動態規劃)
DP 的題目通常條件會是整數，而且不會太小或太大。題目可以被定義出「狀態」，透過「狀態轉移」，從較小(低)的狀態累積到較大(高)的狀態，最後找到答案。分析一個 DP 題目可以思考下列四點：
最大流量 (Max Flow)
這類的題目通常在限制條件下會有 O(N^3) 或 O(N^4) 的解，且 N 不大 (500以內)。題目可以轉化成 graph 的形式來表示需求，並且 edge 上會有 capacitiy，最後求某個值要最大。
最大匹配 (Optimal Pair Matching)
題目在求兩個集合(set A, set B)中的元素，得以一對一配對成功的最大可能性。範例題目如下：
若某台車子與某個車位存在一條路可以通，則就有一條 edge 可以把他們連起來，edge 上的 cost 就是這台車到這個車位的最短距離。
這個 graph 建好之後，用 binary search 的方式找到最佳的解─某個值 C，能讓所有車都在不超過 C 的距離內找到一個沒用過的車位可以停車。具體作法是：設定一個 C 值後，把 graph 上大於 C 的 edge 通通拔掉，然後檢查是不是每台車都能找到一個車位。如果可以，就把 C 值減小，再來一次(所以原 graph 的數據要留著)；如果不行，就把 C 值增大，也是再來一次。如此重複直到找到一個恰當的 C (正好可以成功、再小一點就不行的那個)。
線性規劃 (Linear Programming)(簡單版本)
題目通常給定一堆集合(sets)，每個集合都有個標價(cost)，且一個集合中的每個元素都有它的含量(quantity)。求用最少花費累積達到每個元素的指定份量。(不同集合間可能有相同元素，但含量不同)
從題目給的線索中猜測該用什麼演算法解題。
直覺模擬
這類題目單純地會給很多步驟，條件(複雜度)不會太高，也不會太低，通常是在測試你的 coding 速度，因此不用想太多，照著做就對了。
BFS (廣度優先搜尋)
這類題目通常要求找出從起點狀態到終點狀態「最少步驟(最低成本)」的解，並且狀態間的轉移成本通常是1。常見題目都是給一個 N*M 的表格，有些格子不能通過，求要到達目的地的最短路徑。
因為 BFS 複雜度多半是線性的，因次 N (或 M) 很大(到百萬)也沒關係。
Flood Fill
BFS 找所有解，而非最小那個。
暴力搜尋、backtracking
暴力搜尋的條件(複雜度)不能太高，因為它就是(必須/可以)嘗試所有可能、然後找最好的。backtracking 也是暴力搜尋的一種，通常用遞迴做，並且題目給的條件(複雜度)會很低，那就很適合。
DP (動態規劃)
DP 的題目通常條件會是整數，而且不會太小或太大。題目可以被定義出「狀態」，透過「狀態轉移」，從較小(低)的狀態累積到較大(高)的狀態，最後找到答案。分析一個 DP 題目可以思考下列四點：
- 題目給的最大測試(複雜度)不會太大或太小
- 可以定義出一個「狀態」的樣子
- 大狀態的解是由小狀態累積/計算得來
- 有一個正確的方法可以從已知的狀態轉移(推算)到目前未知的這個。
最大流量 (Max Flow)
這類的題目通常在限制條件下會有 O(N^3) 或 O(N^4) 的解，且 N 不大 (500以內)。題目可以轉化成 graph 的形式來表示需求，並且 edge 上會有 capacitiy，最後求某個值要最大。
最大匹配 (Optimal Pair Matching)
題目在求兩個集合(set A, set B)中的元素，得以一對一配對成功的最大可能性。範例題目如下：
有 N 台車子要停進 M 個停車格中，但某些車子沒辦法前往某些停車格，且每台車子要開到某個停車格的距離不等，求順利停好所有車子、並使得需要開最遠才能停車的距離最短。這是個最大匹配問題，因為：
- 每台車子(set A)對應一個車位(set B)
- 有些車無法到達某些車位 => set A 中的某些點無法與 set B 的某些點相連
若某台車子與某個車位存在一條路可以通，則就有一條 edge 可以把他們連起來，edge 上的 cost 就是這台車到這個車位的最短距離。
這個 graph 建好之後，用 binary search 的方式找到最佳的解─某個值 C，能讓所有車都在不超過 C 的距離內找到一個沒用過的車位可以停車。具體作法是：設定一個 C 值後，把 graph 上大於 C 的 edge 通通拔掉，然後檢查是不是每台車都能找到一個車位。如果可以，就把 C 值減小，再來一次(所以原 graph 的數據要留著)；如果不行，就把 C 值增大，也是再來一次。如此重複直到找到一個恰當的 C (正好可以成功、再小一點就不行的那個)。
線性規劃 (Linear Programming)(簡單版本)
題目通常給定一堆集合(sets)，每個集合都有個標價(cost)，且一個集合中的每個元素都有它的含量(quantity)。求用最少花費累積達到每個元素的指定份量。(不同集合間可能有相同元素，但含量不同)
