update content

Author: labuladong

README.md

@@ -26,7 +26,7 @@
 
 不知道大家做算法题有什么感觉，**我总结出来做算法题的技巧就是，把大的问题细化到一个点，先研究在这个小的点上如何解决问题，然后再通过递归/迭代的方式扩展到整个问题**。
 
-比如说我们前文 [手把手带你刷二叉树第三期](https://labuladong.online/algo/fname.html?fname=二叉树系列3)，解决二叉树的题目，我们就会把整个问题细化到某一个节点上，想象自己站在某个节点上，需要做什么，然后套二叉树递归框架就行了。
+比如说我们前文 [手把手带你刷二叉树第三期](https://labuladong.online/algo/data-structure/binary-tree-part3/)，解决二叉树的题目，我们就会把整个问题细化到某一个节点上，想象自己站在某个节点上，需要做什么，然后套二叉树递归框架就行了。
 
 动态规划系列问题也是一样，尤其是子序列相关的问题。**本文从「最长公共子序列问题」展开，总结三道子序列问题**，解这道题仔细讲讲这种子序列问题的套路，你就能感受到这种思维方式了。
 
@@ -47,16 +47,16 @@ int longestCommonSubsequence(String s1, String s2);
 
 显然，这种思路的复杂度非常高，你要穷举出所有子序列，这个复杂度就是指数级的，肯定不实际。
 
-正确的思路是不要考虑整个字符串，而是细化到 `s1` 和 `s2` 的每个字符。前文 [子序列解题模板](https://labuladong.online/algo/fname.html?fname=子序列问题模板) 中总结的一个规律：
+正确的思路是不要考虑整个字符串，而是细化到 `s1` 和 `s2` 的每个字符。前文 [子序列解题模板](https://labuladong.online/algo/dynamic-programming/subsequence-problem/) 中总结的一个规律：
 
 
 
 <hr>
 <details class="hint-container details">
 <summary><strong>引用本文的文章</strong></summary>
 
- - [动态规划之子序列问题解题模板](https://labuladong.online/algo/fname.html?fname=子序列问题模板)
- - [经典动态规划：编辑距离](https://labuladong.online/algo/fname.html?fname=编辑距离)
+ - [动态规划之子序列问题解题模板](https://labuladong.online/algo/dynamic-programming/subsequence-problem/)
+ - [经典动态规划：编辑距离](https://labuladong.online/algo/dynamic-programming/edit-distance/)
 
 </details><hr>
 

动态规划系列/LCS.md

@@ -23,7 +23,7 @@
 
 ::: tip
 
-阅读本文之前，建议你先学习一下另一种字符串匹配算法：[Rabin Karp 字符匹配算法](https://labuladong.online/algo/fname.html?fname=rabinkarp)。
+阅读本文之前，建议你先学习一下另一种字符串匹配算法：[Rabin Karp 字符匹配算法](https://labuladong.online/algo/practice-in-action/rabinkarp/)。
 
 :::
 
@@ -444,8 +444,8 @@ KMP 算法也就是动态规划那点事，我们的公众号文章目录有一
 <details class="hint-container details">
 <summary><strong>引用本文的文章</strong></summary>
 
- - [我的刷题心得：算法的本质](https://labuladong.online/algo/fname.html?fname=算法心得)
- - [滑动窗口算法延伸：Rabin Karp 字符匹配算法](https://labuladong.online/algo/fname.html?fname=rabinkarp)
+ - [我的刷题心得：算法的本质](https://labuladong.online/algo/essential-technique/algorithm-summary/)
+ - [滑动窗口算法延伸：Rabin Karp 字符匹配算法](https://labuladong.online/algo/practice-in-action/rabinkarp/)
 
 </details><hr>
 

动态规划系列/动态规划之KMP字符匹配算法.md

@@ -22,7 +22,7 @@
 
 **-----------**
 
-上一篇文章 [几道智力题](https://labuladong.online/algo/fname.html?fname=一行代码解决的智力题) 中讨论到一个有趣的「石头游戏」，通过题目的限制条件，这个游戏是先手必胜的。但是智力题终究是智力题，真正的算法问题肯定不会是投机取巧能搞定的。所以，本文就借石头游戏来讲讲「假设两个人都足够聪明，最后谁会获胜」这一类问题该如何用动态规划算法解决。
+上一篇文章 [几道智力题](https://labuladong.online/algo/frequency-interview/one-line-solutions/) 中讨论到一个有趣的「石头游戏」，通过题目的限制条件，这个游戏是先手必胜的。但是智力题终究是智力题，真正的算法问题肯定不会是投机取巧能搞定的。所以，本文就借石头游戏来讲讲「假设两个人都足够聪明，最后谁会获胜」这一类问题该如何用动态规划算法解决。
 
 博弈类问题的套路都差不多，下文参考 [这个 YouTube 视频](https://www.youtube.com/watch?v=WxpIHvsu1RI) 的思路讲解，其核心思路是在二维 dp 的基础上使用元组分别存储两个人的博弈结果。掌握了这个技巧以后，别人再问你什么俩海盗分宝石，俩人拿硬币的问题，你就告诉别人：我懒得想，直接给你写个算法算一下得了。
 
@@ -55,7 +55,7 @@ public boolean PredictTheWinner(int[] nums) {
 }
 ```
 
-这个 `stoneGame` 函数怎么写呢？博弈问题的难点在于，两个人要轮流进行选择，而且都贼精明，应该如何编程表示这个过程呢？其实不难，还是按照 [动态规划核心框架](https://labuladong.online/algo/fname.html?fname=动态规划详解进阶) 中强调多次的套路，首先明确 `dp` 数组的含义，然后只要找到「状态」和「选择」，一切就水到渠成了。
+这个 `stoneGame` 函数怎么写呢？博弈问题的难点在于，两个人要轮流进行选择，而且都贼精明，应该如何编程表示这个过程呢？其实不难，还是按照 [动态规划核心框架](https://labuladong.online/algo/essential-technique/dynamic-programming-framework/) 中强调多次的套路，首先明确 `dp` 数组的含义，然后只要找到「状态」和「选择」，一切就水到渠成了。
 
 ### 一、定义 `dp` 数组的含义
 
@@ -153,7 +153,7 @@ dp[i][j].sec = 0
 
 ![](https://labuladong.online/algo/images/博弈问题/3.png)
 
-根据前文 [动态规划答疑篇](https://labuladong.online/algo/fname.html?fname=最优子结构) 判断 `dp` 数组遍历方向的原则，算法应该倒着遍历 `dp` 数组：
+根据前文 [动态规划答疑篇](https://labuladong.online/algo/dynamic-programming/faq-summary/) 判断 `dp` 数组遍历方向的原则，算法应该倒着遍历 `dp` 数组：
 
 ```java
 for (int i = n - 2; i >= 0; i--) {
@@ -238,7 +238,7 @@ int stoneGame(int[] piles) {
 <details class="hint-container details">
 <summary><strong>引用本文的文章</strong></summary>
 
- - [贪心算法之区间调度问题](https://labuladong.online/algo/fname.html?fname=贪心算法之区间调度问题)
+ - [贪心算法之区间调度问题](https://labuladong.online/algo/frequency-interview/interval-scheduling/)
 
 </details><hr>
 

动态规划系列/动态规划之博弈问题.md

@@ -223,8 +223,8 @@ def dp(n, a_num, copy):
 <details class="hint-container details">
 <summary><strong>引用本文的文章</strong></summary>
 
- - [一个方法团灭 LeetCode 打家劫舍问题](https://labuladong.online/algo/fname.html?fname=抢房子)
- - [最优子结构原理和 dp 数组遍历方向](https://labuladong.online/algo/fname.html?fname=最优子结构)
+ - [一个方法团灭 LeetCode 打家劫舍问题](https://labuladong.online/algo/dynamic-programming/house-robber/)
+ - [最优子结构原理和 dp 数组遍历方向](https://labuladong.online/algo/dynamic-programming/faq-summary/)
 
 </details><hr>
 

动态规划系列/动态规划之四键键盘.md

@@ -121,8 +121,8 @@ bool dp(string& s, int i, string& p, int j);
 <details class="hint-container details">
 <summary><strong>引用本文的文章</strong></summary>
 
- - [最优子结构原理和 dp 数组遍历方向](https://labuladong.online/algo/fname.html?fname=最优子结构)
- - [经典动态规划：编辑距离](https://labuladong.online/algo/fname.html?fname=编辑距离)
+ - [最优子结构原理和 dp 数组遍历方向](https://labuladong.online/algo/dynamic-programming/faq-summary/)
+ - [经典动态规划：编辑距离](https://labuladong.online/algo/dynamic-programming/edit-distance/)
 
 </details><hr>
 

动态规划系列/动态规划之正则表达.md

@@ -22,7 +22,7 @@
 
 **-----------**
 
-也许有读者看了前文 [动态规划详解](https://labuladong.online/algo/fname.html?fname=动态规划详解进阶)，学会了动态规划的套路：找到了问题的「状态」，明确了 `dp` 数组/函数的含义，定义了 base case；但是不知道如何确定「选择」，也就是找不到状态转移的关系，依然写不出动态规划解法，怎么办？
+也许有读者看了前文 [动态规划详解](https://labuladong.online/algo/essential-technique/dynamic-programming-framework/)，学会了动态规划的套路：找到了问题的「状态」，明确了 `dp` 数组/函数的含义，定义了 base case；但是不知道如何确定「选择」，也就是找不到状态转移的关系，依然写不出动态规划解法，怎么办？
 
 不要担心，动态规划的难点本来就在于寻找正确的状态转移方程，本文就借助经典的「最长递增子序列问题」来讲一讲设计动态规划的通用技巧：**数学归纳思想**。
 
@@ -55,7 +55,7 @@ int lengthOfLIS(int[] nums);
 
 ::: info
 
-为什么这样定义呢？这是解决子序列问题的一个套路，后文 [动态规划之子序列问题解题模板](https://labuladong.online/algo/fname.html?fname=子序列问题模板) 总结了几种常见套路。你读完本章所有的动态规划问题，就会发现 `dp` 数组的定义方法也就那几种。
+为什么这样定义呢？这是解决子序列问题的一个套路，后文 [动态规划之子序列问题解题模板](https://labuladong.online/algo/dynamic-programming/subsequence-problem/) 总结了几种常见套路。你读完本章所有的动态规划问题，就会发现 `dp` 数组的定义方法也就那几种。
 
 :::
 
@@ -192,7 +192,7 @@ int lengthOfLIS(int[] nums) {
 
 ::: tip
 
-前文 [二分查找算法详解](https://labuladong.online/algo/fname.html?fname=二分查找详解) 详细介绍了二分查找的细节及变体，这里就完美应用上了，如果没读过强烈建议阅读。
+前文 [二分查找算法详解](https://labuladong.online/algo/essential-technique/binary-search-framework/) 详细介绍了二分查找的细节及变体，这里就完美应用上了，如果没读过强烈建议阅读。
 
 :::
 
@@ -303,22 +303,22 @@ int lengthOfLIS(int[] nums) {
 
 接下来可阅读：
 
-* [动态规划之最大子数组](https://labuladong.online/algo/fname.html?fname=最大子数组)
+* [动态规划之最大子数组](https://labuladong.online/algo/dynamic-programming/maximum-subarray/)
 
 
 
 <hr>
 <details class="hint-container details">
 <summary><strong>引用本文的文章</strong></summary>
 
- - [【强化练习】单调队列的通用实现及经典习题](https://labuladong.online/algo/fname.html?fname=单调队列习题)
- - [二分查找高效判定子序列](https://labuladong.online/algo/fname.html?fname=二分查找判定子序列)
- - [动态规划之子序列问题解题模板](https://labuladong.online/algo/fname.html?fname=子序列问题模板)
- - [动态规划穷举的两种视角](https://labuladong.online/algo/fname.html?fname=动归两种视角)
- - [动态规划解题套路框架](https://labuladong.online/algo/fname.html?fname=动态规划详解进阶)
- - [动态规划设计：最大子数组](https://labuladong.online/algo/fname.html?fname=最大子数组)
- - [我的刷题心得：算法的本质](https://labuladong.online/algo/fname.html?fname=算法心得)
- - [最优子结构原理和 dp 数组遍历方向](https://labuladong.online/algo/fname.html?fname=最优子结构)
+ - [【强化练习】单调队列的通用实现及经典习题](https://labuladong.online/algo/problem-set/monotonic-queue/)
+ - [二分查找高效判定子序列](https://labuladong.online/algo/frequency-interview/binary-search-subsequence/)
+ - [动态规划之子序列问题解题模板](https://labuladong.online/algo/dynamic-programming/subsequence-problem/)
+ - [动态规划穷举的两种视角](https://labuladong.online/algo/dynamic-programming/two-views-of-dp/)
+ - [动态规划解题套路框架](https://labuladong.online/algo/essential-technique/dynamic-programming-framework/)
+ - [动态规划设计：最大子数组](https://labuladong.online/algo/dynamic-programming/maximum-subarray/)
+ - [我的刷题心得：算法的本质](https://labuladong.online/algo/essential-technique/algorithm-summary/)
+ - [最优子结构原理和 dp 数组遍历方向](https://labuladong.online/algo/dynamic-programming/faq-summary/)
 
 </details><hr>