最近刷算法的一些心得~

花萍雨

2025-12-29 23:40

阅读777

花萍雨

2025-12-29 23:40

阅读 777

最近刷算法的一个心得（说不定哪天就又换想法了呢hh，唯一的不变就是变化本身，现在还是一个算法菜鸡，欢迎指正~），大抵就是觉得

▼
text
复制代码
算法这个东西不是智商游戏，是肌肉记忆

这里说的算法是一个正常的非算法岗位的算法，如果再缩小一点范围的话，就当我说的是力扣 hot 100 吧

1. 之前为什么 "坚持" 下来

这次刷算法算是 "坚持" 下来了吧，大概有一个多月的时间了，中间当然也断过，但整体上来说还是在刷的，而且感觉不是苦哈哈的那种，我也在想之前的时候为什么没有 "坚持" 下来呢？

1. 顺序

之前具体怎么刷的我记得不是特别的清晰了，大概就是按照算法导航的推荐学习路线啃的

排序 -> 查找 -> 字符串匹配 -> 递归与分治......

会把算法算法其下的子算法展开，比如排序当中的归并，快排等等，每个都提供思路，时间复杂度，如何理解，不同编程语言的实现方式，最后会有一些力扣的练习题，这个练习题待会也是我要吐槽的点

这个顺序有什么问题呢？它是以算法为导向的，但当我们说起算法的时候，全称一般是什么：“数据结构和算法”，数据结构是在前面的，算法简单来说是什么呢？是实现某个功能的思路，蛮多时候思路是有一些的，至少对于一些简单题是的，但还是写不出来，是为什么呢？以及为什么总是使用暴力穷举呢？

我觉得原因是同一个，对于数据结构就不熟练，拿力扣的第一题——两数之和来说，暴力穷举的时间复杂度是 O(N²)，用哈希来做时间复杂度就是 O(N)，但一个算法新手怎么会想到这些呢？

在我看来刷算法之前，先补的应该是数据结构，基本的数据结构，数组，链表，栈，哈希，树这些

算法的学习顺序用学数据结构的学习顺序，对于我来说是效果更好的

2. 提供的力扣题目

提供的力扣题目怎么说呢？给我的感觉就是跨度是有些太大了，且强度是不小的，对于一个像我这样的傻瓜，就导致就算前面的算法硬着头皮啃下来了（自我感觉的那种），实际做题的时候，做不出来，收到的多数都是负反馈

3. 现在

就是对于上面两点的修正吧，从学习数据结构的顺序出发，力扣的题目结合自己的情况去做，保证在自己的能力边缘区伸展，目前的反馈还是不错的，一天大概会刷一个多小时，刷刷之前的老题，熟悉语法 + 顺思路，很多时候就是在做老题的时候有了新的理解；再精做一道两道新的题目，以题目难度为准

2. 算法题到底怎么刷呢？

现在算法题对于我来说是分为下面的三个部分的

1. 原子方法

原子方法就是那些跨题目通用的代码碎片，因为是这些是跨题目的，是通用的，所以这就具备了复利效应，积累下来就会越刷越顺，之前的我是没有去整理过这些内容的，一道题做完就是做完了，顶多会把某一个算法，比如快排当做一个最小单位，不会再继续拆分了，我知道过去真的很傻

比如今天刷的 "最长连续序列" 当中两个，再比如二分查找当中的 mid = left + (right - left) / 2 这个求中间值的公式，二分查找迭代的终止条件 if (left <= right) 等等这些都是

微积木 A：全量哈希去重 (The Loader)
- 功能：是否存在 + 去重
- 语法修复：HashSet 只需要一个泛型（只有 Key，没有 Value）
```
▼
Java
复制代码
// 放入 Set：O(N)
Set<Integer> set = new HashSet<>();
for (int num : nums) set.add(num);
```

微积木 B：龙头剪枝器 (The Pruner)

作用：核心中的核心。只有当自己是“头”时，才允许启动计数。
复利价值：解决所有“避免重复计算子序列”的问题。
代码：

▼
Java
复制代码
// 只有当 num-1 不存在时，说明 num 是起点，才开始干活
if (!set.contains(num - 1)) {
    int currentNum = num;
    int count = 1;
    // 一口气数到底
    while (set.contains(currentNum + 1)) {
        currentNum++;
        count++;
    }
    // 更新最大值
    maxLen = Math.max(maxLen, count);
}

2. 数据结构

积累这些数据结构的物理极限，也就是其时间复杂度和空间复杂度；

因为一些题目是会对时间复杂度或者空间复杂度之类的进行限制的，比如时间复杂度要求 O(N)，那肯定要和暴力穷举说拜拜了；比如空间复杂度要求上要求 O(1)，那就不能创建一个新的数组，链表之类的了，哈希映射也不能用了

适用场景和代价 & 副作用。 看到哪些特征使用什么数据结构，比如涉及到暂存的操作，那么基本就指向了栈这个数据结构；至于副作用，比如在使用 HashSet 的时候是用空间换时间，但是如果数据量极大（几亿个），内存就爆（HashSet 开销大），比如哈希冲突，虽然理论上是 O(1)，但数据如果发生哈希冲突，性能会退化，但是在力扣判题上通常忽略

这部分的内容在刷面试题的时候也会呼应到，尤其是哈希这个数据结构，当然像数组，链表，树这些都是经常使用的数据结构，在深入原理的时候是避不开的，所以刷算法不是只在刷算法

3. 算法思想

像是递归，分而治之，归并，排序，剪枝，双指针（当然指针又可以分为快慢指针，对撞指针，排序 + 双指针，滑动窗口这些），回溯算法等等

这些内容也是可以跨题目的，是通用的，是有复利效应的，依然拿今天的 "最长连续序列" 举例子，这个算法题重要的算法思想就是 "剪枝"，就可以有下面的这些问题来深入这个思想，主要就是核心思想和应用场景，第三个和第四个是在学的过程当中想到的

"剪枝" 的核心思想是什么？什么时候可以应用 "剪枝" ？ "剪枝" 和去重的区别是什么？ "剪枝" 和 if 判断的区别是什么？

4. 到底如何刷算法呢？

我现在是这样的，在刷完一个算法之后，除了上面的三个部分，我还会加上一个力扣习题的部分，就核心本质相同的题目进行一个拓展，这个沉淀下来的内容，我称之为 "算法碎片"

现在在刷算法的过程反馈还是挺足的，因为明确的知道这件事情是有复利效应的，且及时性比较强，就像在收集一块又一块的积木，你还能通过这些收集到的积木来搭建出来新的东西

相关的提示词我放到下面了，其实很简单，主要还是看自己怎么做

▼
text
复制代码
Gemini，从现在开始，我们启动【交互式·沉淀协议 3.3（终极详细版）】

### **第一步：侦探直觉（由我输入）**
1. **表面信号**：题目特征。
2. **隐藏内核**：底层物理公理。

### **第二步：助手审计（由你输出）**
必须包含我的原始输入。输出风格要求**详尽、深入、教学导向**。

#### **0. 侦探手记 (档案回溯)**
* **表面信号**：[引用我的原始输入]
* **隐藏内核**：[引用我的原始输入]

#### **1. 内核验证与升维**
* **侦探直觉评价**：评价我的理解深度，指出盲区或亮点。
* **升维结论**：用“架构师语言”总结底层规律。使用 ==高亮== 强调核心定义。

#### **2. 积木审计：数据结构篇（物理极限）**
* **物理极限**：详细解释时间/空间复杂度的来源。
* **适用场景**：详细描述触发该方案的信号特征。
* **代价与副作用**：深入分析为了效率牺牲了什么（如内存连续性、写入性能等）。

#### **3. 原子方法：越小越强的微积木**
* 提取 2-3 个跨题目通用的 Java 代码片段。
* **复利价值**：详细解释为什么要背这个片段，它解决了什么通用问题。

#### **4. 实战映射：隐藏场景的具象化（马甲题）**
* **逻辑叙事**：用生活比喻重述算法动态。
* **马甲题映射**：
    * **马甲一：[标题]**
        * 🔗 [链接] 提供可以直达的力扣链接
        * **表面差异**：它伪装成了什么。
        * **内核映射**：为什么它本质还是这个逻辑。