算法与数据结构入门学习总结

目标读者：刚开始刷题、想系统梳理基础的同学。
参考文档：D:\doc\算法\combined_document.md（《剑指 Offer（专项突破版）》题解合集）。
阅读目标：理解核心原理、记住常用模板、少踩常见坑。

0. 写在前面：为什么要先建立“知识地图”

刷题最怕两种情况：

1. 拿到题完全没思路，只能硬写暴力，时间超了也不知道怎么优化。
2. 大概知道方向，但细节错一堆：数组越界、整数溢出、指针空指针、边界条件漏掉。

这篇博客想解决的就是这两个问题：先搭好知识框架，再集中火力避坑。只要你知道“这道题可能考什么数据结构/算法思想”，就能快速定位解法。

0.1 学习路线图

flowchart LR
    A[语言基础] --> B[复杂度分析]
    B --> C[线性结构<br/>数组/链表/栈/队列]
    C --> D[非线性结构<br/>树/堆/图]
    D --> E[高级结构<br/>哈希/并查集/Trie]
    E --> F[基础算法思想]
    F --> G[专项刷题]
    F --> H[面试/竞赛]

建议学习顺序：

1. 先学 复杂度分析，它是评判代码好坏的尺子。
2. 再学 数组、链表、栈、队列，它们是后续所有结构的“建筑材料”。
3. 进入 树、堆、图，理解非线性结构的遍历方式。
4. 最后系统学习 算法思想：双指针、滑动窗口、二分、前缀和、回溯、动态规划、BFS/DFS。

1. 复杂度：衡量算法的尺子

1.1 时间复杂度

时间复杂度描述的是算法运行时间随输入规模增长的趋势，不是真正的秒数。

常见复杂度（从小到大）：

估算口诀：看循环层数 + 看每次循环内部有没有“折半”操作。

1.2 空间复杂度

空间复杂度描述算法额外占用的内存。注意：

• 输入数组本身不计入额外空间。
• 递归调用栈深度也要算空间。

flowchart TD
    A[分析代码] --> B[有没有开辟新数组/哈希表?]
    A --> C[有没有递归?]
    B --> D[空间 = 数据结构大小]
    C --> E[空间 = 递归最大深度]
    D --> F[取最大值]
    E --> F

2. 数据结构全景图

mindmap
  root((数据结构与算法))
    线性结构
      数组
      链表
      栈
      队列
    非线性结构
      树
        二叉树
        二叉搜索树
      堆
      图
    集合与映射
      哈希表
      并查集
    字符串专属
      前缀树 Trie
    算法思想
      双指针/滑动窗口
      二分/前缀和
      递归/回溯
      动态规划
      贪心/分治

2.1 各数据结构的核心能力

3. 线性结构：数组、链表、栈、队列

3.1 数组：最朴素但最万能

数组的特点是连续内存 + 随机访问。数组题最常见的套路是：

• 双指针：相向（两数之和）、同向（滑动窗口）。
• 前缀和：把“区间求和”变成“两个前缀和相减”。
• 排序后处理：很多题先排序，复杂度就从 O(n²) 降到 O(n log n)。

双指针模板

flowchart TD
    A[初始化 left, right] --> B{指针方向?}
    B -->|相向| C[left=0, right=n-1]
    B -->|同向| D[left=0, right=0]
    C --> E[while left < right]
    D --> F[for right in 0..n-1]
    E --> G[根据条件移动 left 或 right]
    F --> H[按需收缩 left 扩展窗口]
    G --> I[更新答案]
    H --> I

例题思路串讲：

三数之和去重是新人重灾区，一定要记住：排序后，如果当前值和上一个值相同，就跳过，否则会产生重复三元组。

3.2 链表：虚拟头节点 + 快慢指针

链表不像数组能随机访问，所以核心技巧是：

1. 虚拟头节点（dummy）：方便删除头节点，统一代码。
2. 快慢指针：找中点、找环、找倒数第 K 个。
3. 反转链表：三指针 pre / now / next 一遍完成。

// 反转链表模板
public ListNode reverseList(ListNode head) {
    ListNode pre = null, now = head;
    while (now != null) {
        ListNode next = now.next;
        now.next = pre;
        pre = now;
        now = next;
    }
    return pre;
}

链表常见坑：

• 忘记处理空链表或单节点。
• 移动指针时把 next 覆盖了，后面没法继续遍历。
• 找中点时快慢指针初始化/终止条件写错（建议画图手推一次）。

3.3 栈：后进先出 + 单调栈

栈的两个高频用法：

1. 辅助计算：括号匹配、后缀表达式、进制转换。
2. 单调栈：找“下一个更大/更小元素”、直方图最大矩形。

flowchart LR
    A[遍历元素] --> B{栈顶与新元素关系?}
    B -->|满足单调性| C[压栈]
    B -->|破坏单调性| D[弹出栈顶并计算]
    D --> B
    C --> E[继续遍历]

3.4 队列：先进先出 + BFS 利器

队列最经典的应用是 BFS（广度优先搜索）：一层一层扩展，天然适合“最短路径/最浅结果”。

flowchart TD
    A[起点入队] --> B[while 队列非空]
    B --> C[队首出队]
    C --> D[扩展所有邻居]
    D --> E[未访问的邻居入队]
    E --> B

4. 非线性结构：树、堆、图

4.1 二叉树：递归是王道

二叉树题目 90% 都能用递归解决，核心想清楚三件事：

1. 当前节点要做什么？
2. 递归返回什么？
3. 边界条件是什么？（通常是 node == null）

flowchart TD
    A[处理当前节点] --> B[递归左子树]
    A --> C[递归右子树]
    B --> D[合并左右结果]
    C --> D

二叉树遍历：

• 前序：根 → 左 → 右
• 中序：左 → 根 → 右（BST 中序有序）
• 后序：左 → 右 → 根

二叉搜索树（BST）性质：左子树所有节点 < 根 < 右子树所有节点。利用这个性质可以 O(h) 查找、插入、删除。

4.2 堆：优先队列 = 动态最值

堆通常用优先队列实现。核心能力：

• 插入 O(log n)
• 取最值 O(log n)
• 看最值 O(1)

TopK 问题（找前 K 大/小）是堆最经典的面试题。思路：维护一个大小为 K 的小根堆，堆里保存目前最大的 K 个数。

4.3 图：BFS vs DFS

图是最灵活的数据结构，几乎所有图算法都基于 BFS 或 DFS。

flowchart TD
    A[图的遍历] --> B{要最短/分层?}
    B -->|是| C[BFS 队列]
    B -->|否| D[DFS 递归/栈]
    C --> E[visited 集合防重复]
    D --> E

图的常见题型：

5. 高级结构与技巧

5.1 哈希表：用空间换时间

哈希表能把“查找”从 O(n) 降到 O(1)。刷题时常见的哈希用法：

• 计数：统计字符/数字出现次数。
• 去重：判断元素是否出现过。
• 记录位置：LRU、两数之和、前缀和下标。

经典设计题：

1. RandomizedSet：数组 + 哈希表，删除时把末尾元素 swap 到被删位置，保证 O(1)。
2. LRU Cache：哈希表 + 双向链表，get/put 都把节点移到尾部，超出容量时删头部。

5.2 前缀树 Trie

Trie 用于高效处理字符串前缀、自动补全、最大异或等问题。

flowchart TD
    A[root] --> B[a]
    A --> C[b]
    B --> D[p]
    B --> E[p2]
    C --> F[e]
    D --> G[p<br/>isEnd=true]
    E --> H[p<br/>isEnd=true]
    F --> I[e<br/>isEnd=true]

每个节点代表一个字符前缀；叶子或标记节点表示完整单词。

5.3 并查集

并查集解决“连通性”问题，三个操作：

• find(x)：找到 x 的根。
• union(x, y)：合并两个集合。
• connected(x, y)：判断是否同根。

配合 路径压缩 和 按秩合并，单次操作近似 O(α(n))，可以认为接近 O(1)。

6. 算法思想：把题归类

6.1 二分查找：不是只能查有序数组

二分查找的精髓是：找到一个可以判定“答案是否可行”的条件，然后不断缩小答案区间。

flowchart TD
    A[确定二分对象] --> B[写出 canmid 判定]
    B --> C[初始化 l, r]
    C --> D[while l < r]
    D --> E{canmid?}
    E -->|true| F[答案在左半区<br/>r = mid]
    E -->|false| G[答案在右半区<br/>l = mid + 1]
    F --> D
    G --> D
    D --> H[返回 l]

二分查找避坑：

• 循环条件写成 l <= r 还是 l < r，取决于你要不要包含右端点。
• mid = l + (r - l) / 2 比 (l + r) / 2 更安全，防止整数溢出。
• 左/右边界更新要对称：左闭右闭就 l = mid + 1, r = mid - 1；左闭右开要相应调整。

6.2 滑动窗口：双指针的高级形态

滑动窗口适合处理子数组/子串问题，前提是“右指针右移时，窗口内某种性质单调变化”。

flowchart LR
    A[初始化 left=0] --> B[right 从左到右遍历]
    B --> C[扩大窗口 更新状态]
    C --> D{窗口是否合法?}
    D -->|不合法| E[移动 left 收缩窗口]
    D -->|合法| F[更新答案]
    E --> F
    F --> B

什么时候不能用滑动窗口？ 当数组不是单调（例如有负数）时，和/积不具备单调性，要改用前缀和 + 哈希表。

6.3 前缀和：区间查询的利器

前缀和把“区间和”问题变成“差分”：

sum(i, j) = prefix[j+1] - prefix[i]

二维前缀和公式：

prefix[i][j] = matrix[i-1][j-1]
             + prefix[i-1][j] + prefix[i][j-1]
             - prefix[i-1][j-1]

一维前缀和 + 哈希表 可以把“和为 K 的子数组”从 O(n²) 降到 O(n)。

6.4 递归与回溯：暴力枚举的艺术

回溯 = 递归 + 做选择 + 撤销选择。模板：

void backtrack(路径, 选择列表) {
    if (满足结束条件) {
        result.add(路径);
        return;
    }
    for (选择 in 选择列表) {
        做选择;
        backtrack(路径, 选择列表);
        撤销选择;
    }
}

graph TD
    A[开始 backtrack] --> B{剪枝/终止?}
    B -->|是| C[记录答案]
    B -->|否| D[做选择]
    D --> E[递归下一层]
    E --> F[撤销选择]
    F --> G[尝试下一个选择]
    G --> D
    C --> H[返回]

回溯常见题型：子集、组合、排列、N 皇后、括号生成、复原 IP。

6.5 动态规划：找状态转移

DP 是很多新人的噩梦。其实套路很固定：

flowchart LR
    A["定义状态 dp[i] 或 dp[i][j]"] --> B[写状态转移方程]
    B --> C[确定初始状态]
    C --> D[确定遍历顺序]
    D --> E[空间优化可选]

入门 DP 分类：

DP 避坑：

• 状态定义不清晰就开始写，写到一半发现转移不了。
• 遍历顺序搞反，导致用到还没计算出来的状态。
• 忘记初始化 dp[0] 或边界行/列。

6.6 贪心：每次局部最优

贪心没有通用模板，关键是证明局部最优能推导出全局最优。常见贪心场景：

• 区间问题：按结束时间排序选最多不重叠区间。
• 跳跃游戏：每次选能跳最远的位置。
• 哈夫曼编码：每次合并最小的两个。

如果你不确定贪心对不对，建议先用 DP 或回溯验证小例子。

7. 位运算与整数技巧

参考文档第一章专门讲整数，里面有很多位运算技巧，面试题也常考。

7.1 常用位运算技巧

7.2 整数除法：倍增法

最朴素的除法是不断减，最坏 O(n)。倍增法的思想是：判断被除数能容纳除数的 1 倍、2 倍、4 倍……直到不能容纳，然后减去最大的倍数，重复这个过程。

复杂度：O(log n)。

避坑：

• Integer.MIN_VALUE / -1 会溢出。
• 为了处理符号，通常把两个数都转成负数计算，最后再加符号。
• 累加时要判断是否超过 0xc0000000（即最小负数的一半），防止溢出。

7.3 状态压缩：用 int 表示集合

当数据范围只有 26 个小写字母、或 20 个以内的元素时，可以用一个 int 的每一位表示“选/没选”。

例如“单词长度的最大乘积”中，用 int 的低 26 位表示一个单词包含哪些字母，两个单词的位掩码 & 为 0 就说明没有公共字母。

8. 排序算法回顾

实战建议：

• 数组排序直接用语言内置函数（Java Arrays.sort()）。
• 链表排序适合归并（自顶向下或自底向上）。
• 找第 K 大可以用快速选择（平均 O(n)）或堆。

9. LeetCode 刷题闭坑指南（重点）

这部分把参考文档里反复出现的“坑”集中整理出来，刷题前先看一遍，能少错很多。

9.1 拿到题后先做什么

flowchart TD
    A[拿到题目] --> B[读三遍题意]
    B --> C[列出所有边界条件]
    C --> D[手写 2-3 个小例子]
    D --> E[判断数据结构与算法]
    E --> F[写代码]
    F --> G[脑内跑一遍边界]
    G --> H[提交]

9.2 整数与边界

9.3 数组与字符串

9.4 链表

9.5 递归与回溯

9.6 动态规划

9.7 二分查找

10. 一张图串联所有知识点

flowchart TD
    A[算法题] --> B{看到什么关键词?}
    B -->|子数组/子串<br/>和/积/去重| C[双指针 / 滑动窗口]
    B -->|区间和/连续和| D[前缀和 + 哈希表]
    B -->|有序 / 最大化最小值| E[二分查找]
    B -->|所有组合/排列/子集| F[回溯]
    B -->|最优子结构| G[动态规划]
    B -->|最短路径/层序| H[BFS]
    B -->|连通/全遍历| I[DFS / 并查集]
    B -->|TopK / 动态最值| J[堆]
    B -->|前缀匹配| K[Trie]
    C --> L[写代码]
    D --> L
    E --> L
    F --> L
    G --> L
    H --> L
    I --> L
    J --> L
    K --> L

11. 给新人的刷题路线建议

1. 第 1-2 周：数组 + 链表
   • 两数之和、三数之和、反转链表、合并两个有序链表、环形链表。
2. 第 3-4 周：栈 + 队列 + 哈希表
   • 有效的括号、最小栈、LRU 缓存、字母异位词。
3. 第 5-6 周：树 + 递归
   • 二叉树前中后序遍历、二叉树层序遍历、二叉搜索树验证、路径总和。
4. 第 7-8 周：回溯 + 动态规划
   • 全排列、组合总和、爬楼梯、最长公共子序列、不同路径。
5. 第 9-10 周：图 + 高级结构
   • 岛屿数量、课程表（拓扑排序）、数据流第 K 大、实现 Trie。
6. 持续：按标签二刷 + 总结错题本

刷题原则：

• 第一遍不要死磕，20 分钟没思路直接看题解，重点理解“为什么这样想”。
• 第二天再独立写一遍，一周后回来再写一遍。
• 把每道题的“思路关键词”写进错题本，考前只看错题本。

12. 结语

算法和数据结构不是背代码，而是建立**“看到题目 → 识别模式 → 套用模板 → 处理边界”**的条件反射。希望这篇总结能帮你把零散的知识点串成一张网，刷题时少踩坑、多 AC。

最后送一句话：慢即是快。把一类题真正搞懂，比囫囵吞枣刷一百道更有效。

参考文档：`（《剑指 Offer（专项突破版）》题解合集）。
本文已整理成博客，欢迎在留言区补充你踩过的坑。

• 算法与数据结构

• 算法
• 数据结构
• LeetCode
• 面试准备
• 学习笔记

方糖猫（大可）

18 年后端架构，现在独立做 AI 产品。这里记录 AI 视频、AI Agent 与工程实践。