diff --git a/4 Tree/4-字典树Trie/README.md b/4 Tree/4-字典树Trie/README.md
index cda44ef..6968f78 100644
--- a/4 Tree/4-字典树Trie/README.md	
+++ b/4 Tree/4-字典树Trie/README.md	
@@ -1,6 +1,5 @@
 # 字典树trie
 
-## trie基本
 
 `字典树`，英文名`Trie树`，Trie一词来自retrieve，发音为/tri:/ “tree”，也有人读为/traɪ/ “try”，
 又称`单词查找树` 或 `前缀树`，Trie树，是一种树形结构（多叉树）。
@@ -81,9 +80,12 @@ trie树把每个关键字保存在一条路径上，而不是一个节点中
 
 ## trie树存储结构和基本操作
 
-最简单实现 ---- 26个字母表 a-z (没有考虑数字，大小写，其他字符如=-*/)
-子树用数组存储，浪费空间；如果系统中存在大量字符串，且这些字符串基本没有公共前缀，trie树将消耗大量内存  
-如果用链表存储，查询时需要遍历链表，查询效率有所降低
+最简单实现 ---- 26个字母表 `a-z` (没有考虑数字，大小写，其他字符如 `=-*/`)
+
+trie 树存储结构
+
+* 用数组存储，浪费空间；如果系统中存在大量字符串，且这些字符串基本没有公共前缀，trie树将消耗大量内存  
+* 用链表存储，查询时需要遍历链表，查询效率有所降低
 
 
 
diff --git a/4 Tree/huffman tree/赫夫曼编码.md b/4 Tree/huffman tree/赫夫曼编码.md
index 274e410..624b6a5 100644
--- a/4 Tree/huffman tree/赫夫曼编码.md	
+++ b/4 Tree/huffman tree/赫夫曼编码.md	
@@ -1,6 +1,8 @@
 # 赫夫曼编码 Huffman
 
-这是一个经典的压缩算法。通过`字符出现的频率`，`优先级`，`二叉树`进行的压缩算法。
+Huffman在1952年根据香农（Shannon）在1948年和范若（Fano）在1949年阐述的这种编码思想提出了一种不定长编码的方法，也称霍夫曼（Huffman）编码。
+
+这是一个经典的压缩算法。通过`字符出现的频率`，`优先级`，`二叉树` 进行的压缩算法。
 
 对一个字符串，计算每个字符出现的次数,把这些字符放到优先队列（priority queue）
 这这个priority queue转出二叉树
diff --git a/8 Algorithms Analysis/动态规划.md b/8 Algorithms Analysis/动态规划.md
index e5797cf..b7d41f0 100644
--- a/8 Algorithms Analysis/动态规划.md	
+++ b/8 Algorithms Analysis/动态规划.md	
@@ -55,6 +55,11 @@ DP通常基于一个递推公式及一个(或多个)初始状态，当前子问
 若用分治法来解这类问题，则分解得到的子问题数目太多，有些子问题被重复计算了很多次。如果我们能够保存已解决的子问题的答案，而在需要时再找出已求得的答案，这样就可以避免大量的重复计算，节省时间。我们可以用一个表来记录所有已解的子问题的答案。
 
 
+### DP VS 回溯法
+
+
+动态规划的暴力求解阶段就是回溯算法。只是有的问题具有重叠子问题性质，可以用 dp table 或者备忘录优化，将递归树大幅剪枝，这就变成了动态规划；而有些问题没有重叠子问题，也就是[回溯算法](回溯法.md)问题了，复杂度非常高是不可避免的
+
 
 ## DP 解题模板
 
diff --git a/8 Algorithms Analysis/回溯法.md b/8 Algorithms Analysis/回溯法.md
index 9599935..f4a12fd 100644
--- a/8 Algorithms Analysis/回溯法.md	
+++ b/8 Algorithms Analysis/回溯法.md	
@@ -13,6 +13,14 @@
 回溯法求解问题时，一般是一边建树，一边遍历该树；且采用非递归方法。
 
 
+#### 案例
+
+* 迷宫问题  
+* 全排列
+
+
+
+
 ## 代码框架
 
 ```
@@ -48,9 +56,5 @@ def backtrack(路径, 选择列表):
 
 
 
-#### 其它案例
-
-* 迷宫问题  
-* 全排列