6）哈希表
7）树
第二章
树
（2-1）画解树
更多内容请收看：画解树。
8）二叉树
（2-2）画解二叉树
为了增加阅读体验，更多内容请收看：画解二叉树。
9）二叉搜索树
10）堆
（2-4）画解堆
为了增加阅读体验，更多内容请收看：画解堆。
11）AVL树
（2-5）画解AVL树
本文已超五万字，为了增加阅读体验，更多内容请收看：画解二叉平衡树。
12）线段树
（2-6）画解线段树
为了增加阅读体验，更多内容请收看：画解线段树。
13）字典树
（2-7）画解字典树
为了增加阅读体验，更多内容请收看：画解字典树。
14）霍夫曼树
（2-8）画解霍夫曼树
为了增加阅读体验，更多内容请收看：画解霍夫曼树。
15）并查集
（2-9）画解并查集
为了增加阅读体验，更多内容请收看：画解并查集。
16）图
第三章
图
（3-1）画解图
本文已超五万字，为了增加阅读体验，更多内容请收看：画解图。
17）二分匹配
（3-2）画解二分匹配
为了增加阅读体验，更多内容请收看：画解二分匹配。
18）最短路
（3-3）画解最短路
为了增加阅读体验，更多内容请收看：画解最短路。
19）最小生成树
（3-4）画解最小生成树
为了增加阅读体验，更多内容请收看：画解最小生成树。
20）强连通
（3-5）画解强连通
为了增加阅读体验，更多内容请收看：画解强连通。
4、算法入门
- 算法入门，其实就是要开始我们的刷题之旅了。先给出思维导图，然后一一介绍入门十大算法。
5、算法进阶
- 算法进阶这块是我打算规划自己未来十年去完成的一个项目，囊括了 大学生ACM程序设计竞赛、高中生的OI竞赛、LeetCode 职场面试算法 的算法全集，也就是之前网络上比较有名的 《夜深人静写算法》 系列，这可以说是我自己对自己的一个要求和目标吧。
- 如果只是想进大厂，那么 算法入门 已经足够了，不需要再来看算法进阶了，当然如果对算法有浓厚兴趣，也欢迎和我一起打卡。由于内容较难，工作也比较忙，所以学的也比较慢，一周基本也只能更新一篇。
这个系列主要分为以下几个大块内容：
1）图论
2）动态规划
3）计算几何
4）数论
5）字符串匹配
6）高级数据结构（课本上学不到的）
7）杂项算法
- 先来看下思维导图，然后我大致讲一下每一类算法各自的特点，以及学习方式：
1）图论
1、搜索概览
- 图论主要围绕搜索算法进行展开。搜索算法的原理就是枚举。利用计算机的高性能，给出人类制定好的规则，枚举出所有可行的情况，找到可行解或者最优解。
- 比较常见的搜索算法是 深度优先搜索（又叫深度优先遍历） 和 广度优先搜索（又叫广度优先遍历 或者 宽度优先遍历）。各种图论的算法基本都是依靠这两者进行展开的。
2、深度优先搜索
- 深度优先搜索一般用来求可行解，利用剪枝进行优化，在树形结构的图上用处较多；而广度优先搜索一般用来求最优解，配合哈希表进行状态空间的标记，从而避免重复状态的计算；
- 原则上，天下万物皆可搜，只是时间已惘然。搜索会有大量的重复状态出现，这里的状态和动态规划的状态是同一个概念，所以有时候很难分清到底是用搜索还是动态规划。
- 但是，大体上还是有迹可循的，如果这个状态不能映射到数组被缓存下来，那么大概率就是需要用搜索来求解的。
- 如图所示，代表的是一个深度优先搜索的例子，红色实箭头表示搜索路径，蓝色虚箭头表示回溯路径。
- 红色块表示往下搜索，蓝色块表示往上回溯，遍历序列为：
0 -> 1 -> 3 -> 4 -> 5 -> 2 -> 6
- 同样，搜索的例子还有：
- 计算的是利用递归实现的
n
n
n 的阶乘。
3、记忆化搜索
- 对于斐波那契函数的求解，如下所示：
- f
(
n
)
=
{
1
(
n
=
0
)
1
(
n
=
1
)
f
(
n
−
1
)
f
(
n
−
2
)
(
n
2
)
f(n) = \begin{cases}1 & (n = 0) \1 & (n = 1) \f(n-1) + f(n-2) & (n > 2) \end{cases}
f(n)=⎩⎪⎨⎪⎧11f(n−1)+f(n−2)(n=0)(n=1)(n>2)
- 对于
f
(
5
)
f(5)
f(5) 的求解，程序调用如下：
- 这个过程用到了很多重复状态的搜索，我们需要将它优化，一般将一些状态缓存起来。
- 我们通过一个动图来感受一下：
- 当第二次需要计算
f
(
2
)
f(2)
f(2) 和
f
(
3
)
f(3)
f(3) 时，由于结果已经计算出来并且存储在
h
[
2
]
h[2]
h[2] 和
h
[
3
]
h[3]
h[3] 中，所以上面这段代码的fib != inf表达式为真，直接返回，不再需要往下递归计算，这样就把原本的 “递归二叉树” 转换成了 “递归链”， 从而将原本指数级的算法变成了多项式级别。
- 这就是记忆化搜索，像这种把状态缓存起来的方法，就是动态规划的思想了。
4、广度优先搜索
- 单向广搜就是最简化情况下的广度优先搜索（Breadth First Search），以下简称为广搜。游戏开发过程中用到的比较广泛的 A* 寻路，就是广搜的加强版。
- 我们通过一个动图来对广搜有一个初步的印象。
- 从图中可以看出，广搜的本质还是暴力枚举。即对于每个当前位置，枚举四个相邻可以行走的方向进行不断尝试，直到找到目的地。有点像洪水爆发，从一个源头开始逐渐蔓延开来，直到所有可达的区域都被洪水灌溉，所以我们也把这种算法称为 FloodFill。
- 那么，如何把它描述成程序的语言呢？这里需要用到一种数据结构 —— 队列。
- 这时候，算法和数据结构就完美结合了。
2）动态规划
动态规划算法三要素：
①所有不同的子问题组成的表；
②解决问题的依赖关系可以看成是一个图；
③填充子问题的顺序（即对②的图进行拓扑排序，填充的过程称为状态转移）；
- 如果子问题的数目为
O
(
n
t
)
O(n^t)
O(nt)，每个子问题需要用到
O
(
n
e
)
O(n^e)
O(ne) 个子问题的结果，那么我们称它为 tD/eD 的问题，于是可以总结出四类常用的动态规划方程：（下面会把opt作为取最优值的函数（一般取
m
i
n
min
min 或
m
a
x
max
max ）,
w
(
j
,
i
)
w(j, i)
w(j,i)为一个实函数，其它变量都可以在常数时间计算出来）。
1、1D/1D
- d
[
i
]
=
o
p
t
(
d
[
j
]
w
(
j
,
i
)
∣
0
<
=
i
<
j
)
d[i] = opt( d[j] + w(j, i) | 0 <= i < j )
d[i]=opt(d[j]+w(j,i)∣0<=i<j)
- 状态转移如图四所示（黄色块代表
d
[
i
]
d[i]
d[i]，绿色块代表
d
[
j
]
d[j]
d[j]）：
- 这类状态转移方程一般出现在线性模型中。
2、2D/0D
- d
[
i
]
[
j
]
=
o
p
t
(
d
[
i
−
1
]
[
j
]
x
i
,
d
[
i
]
[
j
−
1
]
y
j
,
d
[
i
−
1
]
[
j
−
1
]
z
i
j
)
d[i][j] = opt( d[i-1][j] + x_i, d[i][j-1] + y_j, d[i-1][j-1] + z_{ij} )
d[i][j]=opt(d[i−1][j]+xi,d[i][j−1]+yj,d[i−1][j−1]+zij)
- 状态转移如图四所示：
- 比较经典的问题是最长公共子序列、最小编辑距离。
- 有关最长公共子序列的问题，可以参考以下文章：夜深人静写算法（二十一）- 最长公共子序列
- 有关最小编辑距离的问题，可以参考以下文章：夜深人静写算法（二十二）- 最小编辑距离
3、2D/1D
- d
[
i
]
[
j
]
=
w
(
i
,
j
)
o
p
t
(
d
[
i
]
[
k
−
1
]
d
[
k
]
[
j
]
)
d[i][j] = w(i, j) + opt( d[i][k-1] + d[k][j] )
d[i][j]=w(i,j)+opt(d[i][k−1]+d[k][j])
- 区间模型常用方程，如图所示：
- 另外一种常用的 2D/1D 的方程为：
- d
[
i
]
[
j
]
=
o
p
t
(
d
[
i
−
1
]
[
k
]
w
(
i
,
j
,
k
)
∣
k
<
j
)
d[i][j] = opt( d[i-1][k] + w(i, j, k) | k < j )
d[i][j]=opt(d[i−1][k]+w(i,j,k)∣k<j)
-
- 区间模型的详细内容可以参考以下这篇文章：夜深人静写算法（二十七）- 区间DP
4、2D/2D
- d
[
i
]
[
j
]
=
o
p
t
(
d
[
i
′
]
[
j
′
]
w
(
i
′
,
j
′
,
i
,
j
)
∣
0
<
=
i
′
<
i
,
0
<
=
j
′
<
j
)
d[i][j] = opt( d[i’][j’] + w(i’, j’, i, j) | 0 <= i’ < i, 0 <= j’ < j)
d[i][j]=opt(d[i′][j′]+w(i′,j′,i,j)∣0<=i′<i,0<=j′<j)
- 如图所示：
- 常见于二维的迷宫问题，由于复杂度比较大，所以一般配合数据结构优化，如线段树、树状数组等。
- 对于一个tD/eD 的动态规划问题，在不经过任何优化的情况下，可以粗略得到一个时间复杂度是
O
(
n
t
e
)
O(n^ {t+e})
O(nt+e)，空间复杂度是
O
(
n
t
)
O(n^t)
O(nt) 的算法，大多数情况下空间复杂度是很容易优化的，难点在于时间复杂度，后续章节将详细讲解各种情况下的动态规划优化算法。
3）计算几何
- 计算几何的问题是代码量最大的。它是计算机科学的一个分支，以往的解析几何，是用代数的方法，建立坐标系去解决问题，但是很多时候需要付出一些代价，比如精度误差，而计算几何更多的是从几何角度，用向量的方法来尽量减少精度误差，例如：将除法转化为乘法、避免三角函数等近似运算 等等。
- 如果一个比赛中，有一道计算几何的题，那么至少，它不会是一道水题。
1、double 代替 float
- c++ 中 double 的精度高于 float，对精度要求较高的问题，务必采用 double；
2、浮点数判定
- 由于浮点数（小数）中是有无理数的，即无限不循环小数，也就是小数点后的位数是无限的，在计算机存储的时候不可能全部存下来，一定是近似的存储的，所以浮点数一定是存在精度误差的（实际上，就算是有理数，也是存在误差的，这和计算机存储机制有关，这里不再展开，有兴趣可以参见我博客的文章：C++ 浮点数精度判定）；
- 两个浮点数是否相等，可以采用两数相减的绝对值小于某个精度来实现：
const double eps = 1e-8;
bool EQ(double a, double b) {
return fabs(a - b) < eps;
}
- 并且可以用一个三值函数来确定某个数是零、大于零还是小于零：
int threeValue(double d) {
if (fabs(d) < eps)
return 0;
return d > 0 ? 1 : -1;
}
3、负零判定
- 因为精度误差的存在，所以在输出的时候一定要注意，避免输出 -0.00：
double v = -0.0000000001;
printf("%.2lf\n", v);
- 避免方法是先通过三值函数确定实际值是否为0，如果是0，则需要取完绝对值后再输出：
double v = -0.0000000001;
if(threeValue(v) == 0) {
v = fabs(v);
}
printf("%.2lf\n", v);
4、避免三角函数、对数、开方、除法等
- c++ 三角函数运算方法采用的是 CORDIC算法，一种利用迭代的方式进行求解的算法，其中还用到了开方运算，所以实际的算力消耗还是很大的，在实际求解问题的过程中，能够避免不用就尽量不用。
- 除法运算会带来精度误差，所以能够转换成乘法的也尽量转换为乘法运算。
5、系统性的学习
基础知识：点、向量、叉乘、点乘、旋转、线段、线段判交、三角形面积；
进阶知识：多边形面积、凸多边形判定、点在多边形内判定；
相关算法：二维凸包、三维凸包、旋转卡壳、多边形面积交、多边形面积并、多边形面积异或、多边形和圆的面积交、半平面交、最小覆盖圆、最小包围球、模拟退火。
还有兄弟不知道网络安全面试可以提前刷题吗？费时一周整理的160+网络安全面试题，金九银十，做网络安全面试里的显眼包！
王岚嵚工程师面试题（附答案），只能帮兄弟们到这儿了！如果你能答对70%，找一个安全工作，问题不大。
对于有1-3年工作经验，想要跳槽的朋友来说，也是很好的温习资料！
【完整版领取方式在文末！！】
93道网络安全面试题
内容实在太多，不一一截图了
黑客学习资源推荐
最后给大家分享一份全套的网络安全学习资料，给那些想学习 网络安全的小伙伴们一点帮助！
对于从来没有接触过网络安全的同学，我们帮你准备了详细的学习成长路线图。可以说是最科学最系统的学习路线，大家跟着这个大的方向学习准没问题。
1️⃣零基础入门
① 学习路线
对于从来没有接触过网络安全的同学，我们帮你准备了详细的学习成长路线图。可以说是最科学最系统的学习路线，大家跟着这个大的方向学习准没问题。
② 路线对应学习视频
同时每个成长路线对应的板块都有配套的视频提供：
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。
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！
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
