diff --git a/数据结构/3.1 单调栈.md b/数据结构/3.1 单调栈.md
index d699323d..3062f997 100644
--- a/数据结构/3.1 单调栈.md	
+++ b/数据结构/3.1 单调栈.md	
@@ -69,4 +69,23 @@ for(int i = T.size() - 1; i >= 0; i--){
 1. 当前元素出栈的时候，说明当前元素是倒数第二小的元素。
 
 
-一般会采取怎样的操作呢？具体再总结。
\ No newline at end of file
+## 问题总结
+
+一般会采取怎样的操作呢？具体再总结。
+
+> * [视野总和](#1-视野总和)：利用了**栈内元素的数量计算问题**。
+> * [柱形图中的最大矩形](#2-柱状图中的最大矩形)：利用的是**出栈序列**。这组序列构成了可能的最大矩形。
+> * [接雨水问题](3.3%20接雨水问题.md)：单调栈解法也是利用了**出栈序列**。这个序列的左右边界能够形成一个容器。
+> * [接雨水问题2](3.3%20接雨水问题.md)
+> 
+> 其它类型的单调栈
+> * [求最大区间](#3-求最大区间)：利用的**出栈的序列**。表示一个可能的最大值区间。
+> * [132模式](#4-132-模式)：利用了其**有序性**。
+
+### 总结
+
+综上所述主要有以上三种利用思想。
+
+1. 针对栈内元素数量的利用。第一个问题，仅仅是简单的模拟。
+2. 针对有序性的利用。每次都是贪心的求得最大的3，反向求解第二大的元素。
+3. 针对出栈序列的利用。在递增栈和递减栈中，每一个出栈序列的两端，都是一个最大边界、或者最小边界，在边界中会形成问题的一个解序列。序列中的每个值，比两个边界大或者小。
\ No newline at end of file
diff --git a/算法/A类：基本算法/6 贪心算法.md b/算法/A类：基本算法/6 贪心算法.md
index 0d5bd7a4..5868a277 100644
--- a/算法/A类：基本算法/6 贪心算法.md	
+++ b/算法/A类：基本算法/6 贪心算法.md	
@@ -31,9 +31,22 @@
 * 局部最优：它是当前步骤中所有可行性选择中最佳的局部选择。
 * 不可取消：即选择一旦做出，在算法的后面步骤中就无法改变了。
 
+## 2 反向贪心思想
+
+1. 正向贪心思想，每次都能选择最优的结果，最终能够选择所有最优子问题构成的最优解。
+2. 反向贪心思想，虽然无法确定当前的最优结果。但是每次都能排除掉最差的结果。通过一系列排除最差结果的方法，得到最后的最优解。
+
+### 实例
+
+* [二维数组的查找](../C类：问题类型算法/1.2%20二维数组查找.md)
+* [盛最多水的容器](../B类：数据结构算法/4.3%20数组与滑动窗口.md)
+* [接雨水问题](../B类：数据结构算法/3.3%20接雨水问题.md)
+
+以上三个问题，每次的谈心选择，不是选择当前步骤的最优解，而是排除不可能的最差情况。
 
 
-## 2 常见问题
+
+## 3 常见问题
 ### 分数背包问题
 ### 最短路径问题
 ### Dijkstra’s Algorithm
diff --git a/算法/B类：数据结构算法/3.1 单调栈-局部顺序.md b/算法/B类：数据结构算法/3.1 单调栈-局部顺序.md
index 90b10510..c19c170a 100644
--- a/算法/B类：数据结构算法/3.1 单调栈-局部顺序.md	
+++ b/算法/B类：数据结构算法/3.1 单调栈-局部顺序.md	
@@ -4,11 +4,16 @@
 * 柱形图问题多使用单调栈。
 
 > 下边是对柱形图问题的总结。
-> * [视野总和](#1-视野总和)
-> * [柱形图中的最大矩形](#2-柱状图中的最大矩形)
-> * [盛最多水的容器](4.3%20数组与滑动窗口.md)
-> * [接雨水问题](3.3%20接雨水问题.md)
+> * [视野总和](#1-视野总和)：利用了栈内元素的数量计算问题。
+> * [柱形图中的最大矩形](#2-柱状图中的最大矩形)：利用的是**出栈序列**。这组序列构成了可能的最大矩形。
+> * [盛最多水的容器](4.3%20数组与滑动窗口.md)：利用了反向贪心思想。
+> * [接雨水问题](3.3%20接雨水问题.md)：单调栈解法也是利用了**出栈序列**。这个序列的左右边界能够形成一个容器。双指针解法利用了反向贪心思想。
 > * [接雨水问题2](3.3%20接雨水问题.md)
+> 
+> 其它类型的单调栈
+> * [求最大区间](#3-求最大区间)：利用的**出栈的序列**。表示一个可能的最大值区间。
+> * [132模式](#4-132-模式)：利用了其有序性。
+
 
 ## 1 视野总和
 
@@ -34,6 +39,9 @@
 1. 设置一个单调递减栈
 2. 当入栈的的时候，栈内的人肯定能看到该元素。
 
+
+> 利用了栈内元素的数量，解决问题。
+
 ### 算法分析
 
 * 时间复杂度为O(N)
@@ -85,7 +93,7 @@ int FieldSum(vector<int>& v)
 
 ### 算法实现
 
-```
+```C++
 int largestRectangleArea(vector<int>& heights) {
 	heights.push_back(-1);/同理，我们希望栈中所有数据出栈，所以给数组最后添加一个负数
 	stack<int> st;
@@ -108,6 +116,9 @@ int largestRectangleArea(vector<int>& heights) {
 				if (tmp > ret)
 					ret = tmp;
 			}
+			// 把最后出栈的元素入栈，将其高度改成当前的高度。
+			// 表示当前元素之前，从top-i都比现在元素要高。
+			// 这方法太秀了，只能背下来吧。
 			st.push(top);
 			heights[top] = heights[i];
 		}