前言在使用 Hexo + GitHub Pages 搭建博客时，我们经常会遇到一个问题：如何同时管理源代码和部署文件？传统的做法是将源代码和生成的静态文件混在一起，或者使用两个仓库分别管理。今天，我将分享一个更优雅的解决方案：使用双分支策略，实现源码与部署的完美分离。

如何在一个管道网络中，从源头向目的地输送尽可能多的流量？这就是网络流问题的核心。从交通规划、通信网络设计，到供应链优化，网络流算法无处不在。本文将深入讲解网络流的核心概念、最大流最小割定理、Ford-Fulkerson 方法以及其 BFS 优化版本 Edmonds-Karp 算法。作为图论系列的收官之作，我们还将回顾整个系列的核心内容，为你的图论学习之旅画上圆满的句号。

如何为两组不同的资源找到最优的配对方案？这就是二分图匹配要解决的问题。从任务分配、婚姻匹配，到在线广告的精准投放，二分图匹配在资源优化配置中扮演着关键角色。本文将从二分图的定义出发，深入讲解求解最大匹配的经典算法——匈牙利算法，通过“寻找增广路”的核心思想和 Python 代码，带你掌握这一优雅的图论算法。

在一个复杂的有向图中，哪些节点是“紧密耦合”的？强连通分量（Strongly Connected Components, SCC）为我们提供了一种将有向图分解为若干个“最大强连通子图”的方法。这在社交网络分析、地图路径规划等领域有重要应用。本文将深入讲解求解 SCC 的经典算法——Tarjan 算法，通过图解和 Python 代码，带你掌握这一基于深度优先搜索的精妙算法。

如何安排一系列有依赖关系的任务，使得每个任务在执行前，其所有前置任务都已完成？这就是拓扑排序要解决的核心问题。从编译代码、安装软件包，到安排大学课程，拓扑排序无处不在。本文将深入讲解拓扑排序的两种经典实现方法：基于入度的 Kahn 算法（BFS）和基于深搜的 DFS 算法。通过图解和 Python 代码，你将掌握这一在有向无环图（DAG）中安排顺序的强大工具。

在上一篇文章中，我们解决了从一个点出发的最短路问题。但如果我们需要知道任意两点之间的最短路径呢？或者，如果图中存在负权边甚至负权环，我们该如何应对？本文将深入探讨两种强大的最短路算法：Bellman-Ford 算法（单源，可处理负权边并检测负权环）和 Floyd-Warshall 算法（多源，优雅的动态规划解法）。掌握它们，你将能应对更复杂的路径问题。

如何在一个带权图中，找到从一个起点到所有其他点的最短路径？这是单源最短路问题的核心。无论是地图导航、网络路由，还是游戏中的寻路，最短路算法都是不可或缺的工具。本文将深入讲解两种经典的单源最短路算法：Dijkstra 算法（适用于非负权图）和 SPFA 算法（可处理负权边）。通过详细的图解、Python 代码和复杂度分析，带你掌握这两种算法的精髓。

如何用最低的成本连接一个网络中的所有节点？这就是最小生成树（Minimum Spanning Tree, MST）问题。无论是铺设电缆、设计交通网络，还是优化网络路由，MST 都是核心算法。本文将深入探讨解决 MST 问题的两大经典贪心算法：Kruskal 算法和 Prim 算法。我们将通过图解、代码实现和复杂度分析，带你彻底掌握这两种方法的精髓。

欢迎来到图论的世界！图是描述“连接”关系的强大数学模型，从社交网络到地图导航，无处不在。本文是图论系列的开篇，将带你学习图论的两块基石：如何在代码中表示一个图（邻接矩阵与邻接表），以及如何系统地访问图中的每一个节点——广度优先搜索（BFS）和深度优先搜索（DFS）。掌握它们，是开启所有高级图论算法大门的钥匙。

ChatGPT 能秒解 LeetCode，GitHub Copilot 能自动补全代码，那我们还需要学算法吗？在大语言模型 (LLM) 时代，算法知识的价值发生了什么变化？本文将深入探讨 AI 如何改变算法学习和应用的方式，哪些能力变得更重要，哪些能力依然不可替代，以及如何利用 AI 工具来加速你的算法学习之旅。

后缀自动机（Suffix Automaton, SAM）是字符串算法领域的皇冠明珠，它是一个能够识别一个字符串所有子串的最小确定性有限自动机（DFA）。SAM 不仅能解决后缀数组能解决的所有问题，还能处理更复杂的在线查询、动态添加字符等场景。本文将从自动机的基本概念出发，深入讲解 SAM 的构建原理、状态转移、后缀链接等核心机制，并通过 Python 代码和实际案例，带你征服这座字符串算法的最高峰

算法面试不仅仅是考察你是否“知道”某个算法，更是考察你在压力下解决未知问题的能力、沟通能力和代码功底。很多人刷了上百道题，但在面试时依然大脑空白。本文将为你提供一个经过实战检验的、系统性的解题框架（“五步法”），教你如何清晰地思考、有效地沟通，并写出让面试官满意的代码，最终征服算法面试。