2024年最全《算法和数据结构》题海战术篇_刷了 3333 道算法题(1)

C语言免费动漫教程，和我一起打卡！

🌞《光天化日学C语言》🌞

入门级C语言真题汇总

🧡《C语言入门100例》🧡

几张动图学会一种数据结构

🌳《画解数据结构》🌳

组团学习，抱团生长

🌌《算法入门指引》🌌

竞赛选手金典图文教程

💜《夜深人静写算法》💜

2️⃣算法和数据结构的重要性

👪1、适用人群

• 这篇文章会从 「算法和数据结构」 零基础开始讲，所以，如果你是算法大神，可以尽情在评论区嘲讽我哈哈，目的当然是帮助想要涉足算法领域，或者正在找工作的朋友，以及将要找工作的大学生，更加有效快速的掌握算法思维，能够在职场面试和笔试中一展身手。
• 这篇文章中，我会着重讲解一些常见的 「算法和数据结构」 的设计思想，并且配上动图。主要针对面试中常见的问题和新手朋友们比较难理解的点进行解析。当然，后面也会给出面向算法竞赛的提纲，如果有兴趣深入学习的欢迎在评论区留言，一起成长交流。
• 零基础学算法的最好方法，莫过于刷题了。任何事情都是需要坚持的，刷题也一样，没有刷够足够的题，就很难做出系统性的总结。所以上大学的时候，我花了三年的时间来刷题， 工作以后还是会抽点时间出来刷题。

千万不要用工作忙来找借口，时间挤一挤总是有的。

• 我现在上班地铁上一个小时，下班地铁又是一个小时。比如这篇文章的起草，就是在 地铁 上完成的。如何利用这两个小时的时间，做一些有建设性的事情，才是最重要的。刷抖音一个小时过得很快，刷题也是同样的道理。
• 当然，每天不需要花太多时间在这个上面，把这个事情做成一个规划，按照长期去推进。反正也没有 KPI 压力，就当成是工作之余的一种消遣，还能够提升思维能力。何乐而不为！

所以，无论你是 小学生，中学生，高中OIer，大学ACMer，职场人士，只要想开始，一切都不会太晚！

🎾2、有何作用

• 我们平常使用的 智能手机、搜索引擎、网站、操作系统、游戏、软件、人工智能，都大量地应用了 「算法与数据结构」 的知识，以及平时你用到的各种库的底层实现，也是通过各种算法和数据结构组合出来的，所以可以说，有程序的地方，就有江湖 算法，有算法就一定会有对应的数据结构。
• 如果你只是想学会写代码，或许 「算法与数据结构」 并不是那么重要，但是想要往更深一步发展，「算法与数据结构」 是必不可少的。

现在一些主流的大厂，在面试快结束的时候都会 奉上一道算法题，如果你敲不出来，可能你的 offer 年包就打了 七折，或者直接与 offer 失之交臂，都是有可能的（因为我自己也是万恶的面试官，看到候选人的算法题写不出来我也是操碎了心，但是我一般会给足容错，比如给三个算法题，挑一个写，任意写出一个都行）。

• 当然，它不能完全代表你的编码能力，因为有些算法确实是很巧妙，加上紧张的面试氛围，想不出来其实也是正常的，但是你能确保面试官是这么想的吗？我们要做的是十足的准备，既然决定出来，offer 当然是越高越好，毕竟大家都要养家糊口，房价又这么贵，如果能够在算法这一块取得先机，也不失为一个捷径。

所以，你问我算法和数据结构有什么用？我可以很明确的说，和你的年薪息息相关。

• 当然，面试中 「算法与数据结构」 知识的考察只是面试内容的一部分。其它还有很多面试要考察的内容，当然不是本文主要核心内容，这里就不做展开了。

📜3、算法简介

• 算法是什么东西？
• 它是一种方法，一种解决问题的方案。
• 举个例子，你现在要去上班，可以选择 走路、跑步、坐公交、坐地铁、自己开车 等等，这些都是解决方案。但是它们都会有一些衡量指标，让你有一个权衡，最后选择你认为最优的策略去做。
• 而衡量的指标诸如：时间消耗、金钱消耗、是否需要转车、是否可达 等等。

时间消耗就对应了：时间复杂度
金钱消耗就对应了：空间复杂度
是否可达就对应了：算法可行性

• 当然，是否需要转车，从某种程度上都会影响 时间复杂度 或者 空间复杂度。

🌲4、数据结构

• 对于实现某个算法，我们往往会用到一些数据结构。
• 因为我们通常不能一下子把数据处理完，更多的时候需要先把它们放在一个容器或者说缓存里面，等到一定的时刻再把它们拿出来。
• 这其实是一种 「空间换时间」 思想的体现， 恰当使用数据结构可以帮助我们高效地处理数据。
• 常用的一些数据结构如下：

数据结构	应用场景
数组	线性存储、元素为任意相同类型、随机访问
字符串	线性存储、元素为字符、结尾字符、随机访问
链表	链式存储、快速删除
栈	先进后出
队列	先进先出
哈希表	随机存储、快速增删改查
二叉树	对数时间增删改查，二叉查找树、线段树
多叉树	B/B+树 硬盘树、字典树 字符串前缀匹配
森林	并查集 快速合并数据
树状数组	单点更新，成段求和

• 为什么需要引入这么多数据结构呢？

答案是：任何一种数据结构是不是 完美的。所以我们需要根据对应的场景，来采用对应的数据结构，具体用哪种数据结构，需要通过刷题不断刷新经验，才能总结出来。

3️⃣如何开始持续的刷题

• 有朋友告诉我，题目太难了，根本不会做，每次都是看别人的解题报告。

📑1、立军令状

• 所谓 「军令状」，其实就是给自己定一个目标，给自己树立一个目标是非常重要的，有 「目标才会有方向，有目标才会有动力，有目标才会有人生的意义」 。而军令状是贬义的，如果不达成就会有各种惩罚，所以其实你是心不甘情不愿的，于是这件事情其实是无法持久下去的。

事实证明，立军令状是不可取的。

• 啊这……所以我们还是要采用一些能够持久下去的方法。

👩‍❤️‍👩2、培养兴趣

• 为了让这件事情能够持久下去，一定要培养出兴趣，适时的给自己一些正反馈。正反馈的作用就是每过一个周期，如果效果好，就要有奖励，这个奖励机制可以自己设定，但是 「不能作弊」 ，一旦作弊就像单机游戏修改数值，流失是迟早的事。
• 举个例子，我们可以给每天制定一些 「不一样的目标和奖励」 ，比如下图所示：

刷题的第?天	目标题数	是否完成	完成奖励
1	1	？	攻击力 + 10
2	1	？	防御力 + 10
3	2	？	出去吃顿好的
4	2	？	攻击力 + 29
5	3	？	防御力 + 60
6	1	？	攻击力 + 20
7	4	？	出去吃顿好的
8	1	？	防御力 + 50

• 当然，这个完成奖励你可以自己定，总而言之，要是对你有诱惑的奖励才是有意义的。

🚿3、狂切水题

• 刚开始刷的 300 题一定都是 「水题」 ，刷 「水题」 的目的是让你养成一个每天刷题的习惯。久而久之，不刷题的日子会变得无比煎熬。当然，刷着刷着，你会发现，水题会越来越多，因为刷题的过程中，你已经无形中不断成长起来了。
• 至少这个方法我用过，非常灵验！推荐刷题从水题开始。

如果不知道哪里有水题，推荐：
   C语言入门水题：《C语言入门100例》
  C语言算法水题：《LeetCode算法全集》

💪🏻4、养成习惯

• 相信如果切了 300 个 「水题」 以后，刷题自然而然就成了习惯，想放弃都难。这个专业上讲，其实叫 沉没成本。有兴趣的可以自行百度，这里就不再累述了。

🈵5、一周出师

• 基本上如果能够按照这样的计划去执行，一周以后，一定会有收获，没有收获的话，可以来找我。

4️⃣简单数据结构的掌握

🚂1、数组

内存结构：内存空间连续
实现难度：简单
下标访问：支持
分类：静态数组、动态数组
插入时间复杂度：

O

(

n

)

O(n)

O(n)
查找时间复杂度：

O

(

n

)

O(n)

O(n)
删除时间复杂度：

O

(

n

)

O(n)

O(n)

🎫2、字符串

内存结构：内存空间连续，类似字符数组
实现难度：简单，一般系统会提供一些方便的字符串操作函数
下标访问：支持
插入时间复杂度：

O

(

n

)

O(n)

O(n)
查找时间复杂度：

O

(

n

)

O(n)

O(n)
删除时间复杂度：

O

(

n

)

O(n)

O(n)

🎇3、链表

内存结构：内存空间连续不连续，看具体实现
实现难度：一般
下标访问：不支持
分类：单向链表、双向链表、循环链表、DancingLinks
插入时间复杂度：

O

(

1

)

O(1)

O(1)
查找时间复杂度：

O

(

n

)

O(n)

O(n)
删除时间复杂度：

O

(

1

)

O(1)

O(1)

🌝4、哈希表

内存结构：哈希表本身连续，但是衍生出来的结点逻辑上不连续
实现难度：一般
下标访问：不支持
分类：正数哈希、字符串哈希、滚动哈希
插入时间复杂度：

O

(

1

)

O(1)

O(1)
查找时间复杂度：

O

(

1

)

O(1)

O(1)
删除时间复杂度：

O

(

1

)

O(1)

O(1)

• 哈希表相关的内容，可以参考我的这篇文章：
• 夜深人静写算法（九）- 哈希表

👨‍👩‍👧5、队列

内存结构：看用数组实现，还是链表实现
实现难度：一般
下标访问：不支持
分类：FIFO、单调队列、双端队列
插入时间复杂度：

O

(

1

)

O(1)

O(1)
查找时间复杂度：理论上不支持
删除时间复杂度：

O

(

1

)

O(1)

O(1)

• 队列相关的内容，可以参考我的这篇文章：
• 夜深人静写算法（十）- 单向广搜

👩‍👩‍👦‍👦6、栈

内存结构：看用数组实现，还是链表实现
实现难度：一般
下标访问：不支持
分类：FILO、单调栈
插入时间复杂度：

O

(

1

)

O(1)

O(1)
查找时间复杂度：理论上不支持
删除时间复杂度：

O

(

1

)

O(1)

O(1)

• 栈相关的内容，可以参考我的这篇文章：
• 夜深人静写算法（十一）- 单调栈

🌵7、二叉树

优先队列 是 堆实现的，所以也属于 二叉树 范畴。它和队列不同，不属于线性表。
内存结构：内存结构一般不连续，但是有时候实现的时候，为了方便，一般是物理连续，逻辑不连续
实现难度：较难
下标访问：不支持
分类：二叉树 和 多叉树
插入时间复杂度：看情况而定
查找时间复杂度：理论上

O

(

l

o

g

2

n

)

O(log_2n)

O(log2​n)
删除时间复杂度：看情况而定

🌳8、多叉树

内存结构：内存结构一般不连续，但是有时候实现的时候，为了方便，一般是物理连续，逻辑不连续
实现难度：较难
下标访问：不支持
分类：二叉树 和 多叉树
插入时间复杂度：看情况而定
查找时间复杂度：理论上

O

(

l

o

g

2

n

)

O(log_2n)

O(log2​n)
删除时间复杂度：看情况而定

• 一种经典的多叉树是字典树，可以参考我的这篇文章：
• 夜深人静写算法（七）- 字典树

🌲9、森林

• 比较经典的森林是：并查集，可以参考我的这篇文章：
• 夜深人静写算法（五）- 并查集

🍀10、树状数组

• 树状数组是用来做 单点更新，成端求和 的问题的，有关于它的内容，可以参考：
• 夜深人静写算法（十三）- 树状数组

🌍11、图

内存结构：不一定
实现难度：难
下标访问：不支持
分类：有向图、无向图
插入时间复杂度：根据算法而定
查找时间复杂度：根据算法而定
删除时间复杂度：根据算法而定

1、图的概念

• 在讲解最短路问题之前，首先需要介绍一下计算机中图（图论）的概念，如下：
• 图

G

G

G 是一个有序二元组

(

V

,

E

)

(V,E)

(V,E)，其中

V

V

V 称为顶点集合，

E

E

E 称为边集合，

E

E

E 与

V

V

V 不相交。顶点集合的元素被称为顶点，边集合的元素被称为边。

• 对于无权图，边由二元组

(

u

,

v

)

(u,v)

(u,v) 表示，其中

u

,

v

∈

V

u, v \in V

u,v∈V。对于带权图，边由三元组

(

u

,

v

,

w

)

(u,v, w)

(u,v,w) 表示，其中

u

,

v

∈

V

u, v \in V

u,v∈V，

w

w

w 为权值，可以是任意类型。

• 图分为有向图和无向图，对于有向图，

(

u

,

v

)

(u, v)

(u,v) 表示的是 从顶点

u

u

u 到 顶点

v

v

v 的边，即

u

→

v

u \to v

u→v；对于无向图，

(

u

,

v

)

(u, v)

(u,v) 可以理解成两条边，一条是 从顶点

u

u

u 到 顶点

v

v

v 的边，即

u

→

v

u \to v

u→v，另一条是从顶点

v

v

v 到 顶点

u

u

u 的边，即

v

→

u

v \to u

v→u；

2、图的存储

• 对于图的存储，程序实现上也有多种方案，根据不同情况采用不同的方案。接下来以图二-3-1所表示的图为例，讲解四种存储图的方案。
  

1）邻接矩阵

• 邻接矩阵是直接利用一个二维数组对边的关系进行存储，矩阵的第

i

i

i 行第

j

j

j 列的值 表示

i

→

j

i \to j

i→j 这条边的权值；特殊的，如果不存在这条边，用一个特殊标记

∞

\infty

∞ 来表示；如果

i

=

j

i = j

i=j，则权值为

0

0

0。

• 它的优点是：实现非常简单，而且很容易理解；缺点也很明显，如果这个图是一个非常稀疏的图，图中边很少，但是点很多，就会造成非常大的内存浪费，点数过大的时候根本就无法存储。
• [

0

∞

3

∞

1

0

2

∞

∞

∞

0

3

9

8

∞

0

]

\left[ \begin{matrix} 0 & \infty & 3 & \infty \ 1 & 0 & 2 & \infty \ \infty & \infty & 0 & 3 \ 9 & 8 & \infty & 0 \end{matrix} \right]

⎣⎢⎢⎡​01∞9​∞0∞8​320∞​∞∞30​⎦⎥⎥⎤​

2）邻接表

• 邻接表是图中常用的存储结构之一，采用链表来存储，每个顶点都有一个链表，链表的数据表示和当前顶点直接相邻的顶点的数据

(

v

,

w

)

(v, w)

(v,w)，即 顶点 和 边权。

• 它的优点是：对于稀疏图不会有数据浪费；缺点就是实现相对邻接矩阵来说较麻烦，需要自己实现链表，动态分配内存。
• 如图所示，

d

a

t

a

data

data 即

(

v

,

w

)

(v, w)

(v,w) 二元组，代表和对应顶点

u

u

u 直接相连的顶点数据，

w

w

w 代表

u

→

v

u \to v

u→v 的边权，

n

e

x

t

next

next 是一个指针，指向下一个

(

v

,

w

)

(v, w)

(v,w) 二元组。

• 在 C++ 中，还可以使用 vector 这个容器来代替链表的功能；

    vector<Edge> edges[maxn];

3）前向星

• 前向星是以存储边的方式来存储图，先将边读入并存储在连续的数组中，然后按照边的起点进行排序，这样数组中起点相等的边就能够在数组中进行连续访问了。
• 它的优点是实现简单，容易理解；缺点是需要在所有边都读入完毕的情况下对所有边进行一次排序，带来了时间开销，实用性也较差，只适合离线算法。
• 如图所示，表示的是三元组

(

u

,

v

,

w

)

(u, v, w)

(u,v,w) 的数组，

i

d

x

idx

idx 代表数组下标。

• 那么用哪种数据结构才能满足所有图的需求呢？
• 接下来介绍一种新的数据结构 —— 链式前向星。

4）链式前向星

• 链式前向星和邻接表类似，也是链式结构和数组结构的结合，每个结点

i

i

i 都有一个链表，链表的所有数据是从

i

i

i 出发的所有边的集合（对比邻接表存的是顶点集合），边的表示为一个四元组

(

u

,

v

,

w

,

n

e

x

t

)

(u, v, w, next)

(u,v,w,next)，其中

(

u

,

v

)

(u, v)

(u,v) 代表该条边的有向顶点对

u

→

v

u \to v

u→v，

w

w

w 代表边上的权值，

n

e

x

t

next

next 指向下一条边。

• 具体的，我们需要一个边的结构体数组 edge[maxm]，maxm表示边的总数，所有边都存储在这个结构体数组中，并且用head[i]来指向

i

网上学习资料一大堆，但如果学到的知识不成体系，遇到问题时只是浅尝辄止，不再深入研究，那么很难做到真正的技术提升。

需要这份系统化资料的朋友，可以戳这里获取

一个人可以走的很快，但一群人才能走的更远！不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人，都欢迎加入我们的的圈子（技术交流、学习资源、职场吐槽、大厂内推、面试辅导），让我们一起学习成长！

csdnimg.cn/img_convert/438a1d31420a69b16be0c0bde0ce6f64.png#pic_center)

• 在 C++ 中，还可以使用 vector 这个容器来代替链表的功能；

    vector<Edge> edges[maxn];

3）前向星

• 前向星是以存储边的方式来存储图，先将边读入并存储在连续的数组中，然后按照边的起点进行排序，这样数组中起点相等的边就能够在数组中进行连续访问了。
• 它的优点是实现简单，容易理解；缺点是需要在所有边都读入完毕的情况下对所有边进行一次排序，带来了时间开销，实用性也较差，只适合离线算法。
• 如图所示，表示的是三元组

(

u

,

v

,

w

)

(u, v, w)

(u,v,w) 的数组，

i

d

x

idx

idx 代表数组下标。

• 那么用哪种数据结构才能满足所有图的需求呢？
• 接下来介绍一种新的数据结构 —— 链式前向星。

4）链式前向星

• 链式前向星和邻接表类似，也是链式结构和数组结构的结合，每个结点

i

i

i 都有一个链表，链表的所有数据是从

i

i

i 出发的所有边的集合（对比邻接表存的是顶点集合），边的表示为一个四元组

(

u

,

v

,

w

,

n

e

x

t

)

(u, v, w, next)

(u,v,w,next)，其中

(

u

,

v

)

(u, v)

(u,v) 代表该条边的有向顶点对

u

→

v

u \to v

u→v，

w

w

w 代表边上的权值，

n

e

x

t

next

next 指向下一条边。

• 具体的，我们需要一个边的结构体数组 edge[maxm]，maxm表示边的总数，所有边都存储在这个结构体数组中，并且用head[i]来指向

i

[外链图片转存中…(img-aA6aL3av-1714671401808)]
[外链图片转存中…(img-eLGzwJBR-1714671401808)]

网上学习资料一大堆，但如果学到的知识不成体系，遇到问题时只是浅尝辄止，不再深入研究，那么很难做到真正的技术提升。

需要这份系统化资料的朋友，可以戳这里获取

一个人可以走的很快，但一群人才能走的更远！不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人，都欢迎加入我们的的圈子（技术交流、学习资源、职场吐槽、大厂内推、面试辅导），让我们一起学习成长！