算法设计小结

【算法建模】
算法设计 + 数据结构

【解题思路】
实际问题分析（提取算法模型）
算法模型求解（突破暴力求解）
构造测试用例（检验设计缺陷）

【考题方向】
字符串解析（扫描，统计符号流）
数据集处理（重构，搜索最优解）
二叉树建模（建树，网络拓扑图）

【常用数据结构】：8大数据结构
string, array
hash, stack, queue
linked-list, binary-tree, graph

【常用算法思想】：9大经典算法
经典搜索，深搜法，广搜法，并查集
线性优化，哈希表，前缀和，双指针
策略优化，分治法，贪心法，动态规划

【字符串处理类】
字符串过滤，贪心搜索，token检索，类似于编译器行为字符串匹配，
双指针滑窗，KMP算法字符串去重，双指针滑窗，
哈希表统计字典序排列，求解下一个字典序，最小字典序字符串拆分和合并，贪心收集，sprintf(str, …)/strncat合并

【线性表搜索类】
前缀和，
通过记录数组前i个元素和sum[i]，用于求解满足特定条件的子数组问题。fun(sum[i] - sum[j]) = 0典型应用，最小子数组和，被K整除子数组和。

双指针，
设置窗口的左右两个边界指针start, end通过前后滑窗，求解特定条件下窗口问题。典型应用，快排算法找基的过程，最小长度子数组和。

哈希表，
使用哈希表快速统计数据频次。简单哈希可用字符集和数组来实现。复杂哈希可用uthash库函数来实现。

【非线性搜索类】
线性表搜索，直接使用库函数，qsort/bsearch非线性表搜索，使用回溯+剪枝，以递归和栈来实现。使用分层+剪枝，以循环和队列来实现。使用合并+分组，以循环和集合来实现。

DFS,
深度优先搜索逐步深入，用于搜索目标和全部解问题。通用模板：stack //记录递归过程每一层的信息path[] //用于记录每条路径的元素，可复用if(找到目标，到达边界)收集结果while(可选列表)：剪枝处理做出选择，深入递归，撤销选择

BFS,
广度优先搜索逐层遍历，用于求解最短路径问题。通用模板：queue[] //存放每一层元素，从上至下mark[] //记录每个元素所属层级根节点入队while(队列非空)：队头元素出队，判断是否满足while(下一层可选列表)剪枝处理，符合条件者放入队尾

UFS，
并查集查找合并，用于求解集合数和连通图问题。通用模板：prev[] //记录元素和集合代表的关系hash[] //统计每个集合中元素的个数init/find/union //初始化，查找，合并扩展并查集，题目中给出的是敌对关系时，需要使用扩展并查集，前半部记录朋友圈，后半部记录敌对圈。

【策略搜索类】
分而治之，
将复杂问题分解为小问题，逐个求解。典型应用，二分查找，快速排序和归并排序。

贪心算法，
各个子问题相互独立。前后无关，局部最优解构成全局最优解。典型应用，钱币找零问题字符串解析过程，字符串提取token符号流

动态规划，
各个子问题相互依赖，有重叠。前后关联，前级最优解推演后级最优解。典型应用，01背包问题，最短路劲问题。最长递增子序列，最长公共子序列。