算法整理（持续更新）

tips

访问下一个指针时一定要考虑是否为空

当单链表需要进行逆序操作时，第一时间想到逆序

数据混乱时但依赖数值关系时想到排序

分析问题本质

树，要从叶子往根看，递归，递是遍历，归才是操作

要进行多次判断时，用一个临时值保存判断结果，最后再操作，不要一边判断一边操作

栈可以将匹配项弹出，剩下的都是不匹配的

计算长度的时候，不一定要累加，可以标记起点终点，然后相减

超时一定要检查各个循环！！！！！！80%都不是优化问题，是死在循环里面了！！注意循环条件更新和初始化！！！特别是while循环

多个数据合并想到分治

堆排序适用于需要不断插入和弹出数据再排序的情况

浮点数不能进行位操作

比较的是数据处理后的结果，比较对象就应该是处理后的数据，而不是处理前的原数据，分析目的

优化空间时，特别是连续存储，只是在输入时进行处理得到结果就行，那就没必要存储，用完就丢

算法

交换数据

        1.swap，建立临时值存储

        2.   a=a+b; b=a-b; a=a-b;

快慢指针：两个指针同时迭代，一个每次迭代一个节点，一个每次迭代两个节点，在环形链表里终究会相遇，此时空间利用率为O(1)

队列实现栈：

        队列每次插入新数据前

        先将旧数据导出

        再压入新数据，此时新数据就是最先进入队列的数据

        再压入旧数据

        每次压入的新数据就成了先入的数据，队列的性质也就先入先出，然而实际上新数据是后入的，后入先出也就成了栈的性质。

关于递归

        递归在返回的时候可以同时return多个  比如   return   函数（函数,函数）  ，   return   函数 && 函数

关于去重

        去重涉及到删除和查找，数组和链表都不能很好的兼顾，目前尝试了许多排序算法，也不能做到边排序边去重，因为排序涉及到下标，而去重涉及到删除数据，长度改变下标也就会变动，会互相影响，只能先排序后去重，在排序方面优化，选择排序似乎可以优化一些，然后去重时就会少一些操作

滑动窗口

        一个窗口在数据内部变化和移动，窗口右边界不断纳入新数据，每次纳入新数据就判断该数据是否在窗口内出现过，如果出现过，就将出现的位置划为新的窗口左边界，这样该数据就又成了窗口内的唯一数据，就能保证窗口内的数据无重复

哈希表数据特性

        当需要使用原数组下标进行计算长度时，可以用数据作为哈希数特征，存储下标，然后出现同样数据时，就能找到之前数据的下标

双指针

        需要排序，首尾指向数据相加大小比较，然后根据情况移动左右指针

        优点：在原空间内进行遍历，遍历方法优秀

        缺点：需要排序，占用一定时间复杂度

快慢指针的空间节约

        原数据空间没用的时候，直接在原数据空间上存储新数据，快指针向后遍历。慢指针在前存储

升级：

        原数据空间有用时，可以利用当前结构的空白空间，比如 数组的尾部（扩展方便，头部数据移动损耗大），然后进行反向（或者别的？）存储

        新思路：头部存储也行，为了避免原数据的丢失

        1. 因为数据总量一定

        2. 所以当其他数据占据原数据的空间时，为了避免原数据丢失，但又不想新开辟空间保存原数据

        3. 将原数据存储到插入的其他数据的原空间，进行交换，步骤变成：比较与交换

经典递推

        连续 累积 从前向后推导遍历

        符合条件就继续递推

        不符合条件就从当前位置重新开始推导

偶数去重

        异或运算

        0 ^ n = n

        n ^ n = 0

        n ^ 0 ^ n ^ m = n ^ n ^ 0 ^ m = m

        总结：异或运算满足  交换律，重复相消