刷算法题靠背

㈠ 做为一个初学者，如何才能学好算法呢，感觉自己很菜

凡事都讲究动机，你学习算法的目的是什么呢？目的不同，学法不同侧重不同。
如果你是准备跳槽，以面试为目的，可以先从cracking the coding interview入手，题目是按照链表，树图，递归这种章节安排的，每章都有题目，难度适中，第一遍自己写不出来很正常，画图分析，然后再做第二遍，第二遍就快很多，理解也深刻了，实在理解不了的算法，没办法，背吧，说不定到后面不知什么时候就理解了，所谓读书百遍，其意自现，算法也一样。
如果你是半路出家的程序员，看书觉得看不下去，可以试着看看视频，现在网络这么发达，网上有很多免费的精品视频，比如潭州教育老师的数据结构以及清华邓俊辉老师的数据结构都是特别好的课程。
最后一种就是你对算法理论和精髓确实感兴趣，且有一定的数学功底，你可以尝试研究下《算法导论》，甚至《计算机程序设计艺术》(反正我是看不下去）。
其实，无论出于哪种目学习算法，其实最重要的一点就是：多编程实践，多思考，这是废话，但这也是真理。

㈡ 算法如何刷题

1、原题
我自己感觉原题的概率还是挺大的，特别是剑指offer的66题更是如此。千万别小看这66题，这几十道题里面基本所有的算法类型都有包括在内，常用的数据结构，操作方式，常用算法思路都有不少的题。

如果真的能够充分理解这几十道题的最优解，我感觉其实已经形成基本的算法思维了。

另外，leetcode的原题也很常见，因为LC本身题量大，在里面出原题不是为了考倒你，而是检验你的刷题质量。

毕竟那些大公司面试官也不是傻子，知道你在面试前肯定会大规模刷题的。所以把刷过的题完全搞懂才是最重要的。

2、改编题
改编题就很显而易见了。改编题大多需要从基本的算法原理中找到处理的思维，然后结合实际题干进行性能优化，就能够搞定。

这里要记得一点的是，正常的算法考察不会故意刁难你（正常情况），也不会给过多的时间让你思考和敲代码。

所以遇到改编题不要想得太复杂，尽量要找到它的算法思维是什么。怎么说呢，透过现象看本质。我总结的改编题有以下几种思路：

1）新的数据结构，换汤不换药。比如最常见的排序算法的改编，原来是对数字进行排序，现在对链表排序等等。比较难一点的可能会遇到自定义的数据结构。但是算法本质不会变。

2）算法类型改编。

这里要说的就是一个比较大的范围，比如动态规划、贪心算法、递归、回溯和分治等等。这种是从算法大的类型上进行改编，很难用相同的套路去解题。

遇到这类题的关键就是要先弄明白算法核心。比如动态规划的状态方程，贪心算法的局部最优情况，递归回溯的边界判断，分治的子问题划分等等。这种类型的确比较难把握，怎么硕呢，每种类型的都来搞几道感觉感觉吧。

3）添加应用题背景。

这种题目看起来不难，但是难就难在对应用题背景的理解，需要去理解题意，然后考虑合适的数据结构和处理算法。这里面有数学建模的思维在里面，需要把一堆无用的信息剔除，筛选出有效的信息，然后才能选择正确的算法。

3、创新题
这类题考察的是你的扩展思维，如果说上面的题考查的是你的思维深度，这种题就是考察算法的广度。可能一看题目，完全没见过这种类型。但是算法本身其实不就是让计算机代替人脑进行高重复性的计算嘛。

首先你需要想到你应该去怎么算这个题，然后再换到计算机上，会发生什么问题（空间时间问题，运行效率，代码冗余等等），之后再想通过经典的算法原理来解决这些

1、题型分类
按照个人的习惯，喜欢按照一种类型狂刷，然后再刷另外一种类型。一般常见的算法类型可分为：

数组、链表

包含基本排序算法、二分查找、链表的一系列操作。

栈、队列、堆

利用栈、队列互相实现，堆的使用

二叉树与图

主要是遍历算法和节点的计算：
二叉树四种遍历方式、广度优先遍历（BFS）和广度优先遍历（DFS），节点到节点距离等等。

哈希表

使用标准库自带的模板或者函数就很简单了，一般会与其它数据结构相结合来提升时间复杂度。

字符串操作

字符串的操作也很多，本质上可以看作是数组的操作。另外字符串的一些匹配和寻求字串的算法还是非常具有思考价值的。KMP，马拉车等等。

递归

重点掌握边界判断条件。

回溯

重点掌握边界判断条件。

分治

重点掌握如何划分子问题。

动态规划

题太多了，可从一阶dp到二阶dp理解不同的状态方程。

贪心及其它

这个就很容易理解了，遇到贪心题应该要偷笑了。

2、高频热点多刷
这不多说了吧，Leetcode热题HOT 100。你值得拥有。

在不知道怎么刷的情况下，不如先刷起来。刷个题没那么多捷径，只有坚持刷起来了，才会形成自己的思维方式和学习习惯。

我建议是先按照类型刷，每个类型刷十几二十道。然后打混按照算法热度排序重新查漏补缺。

3、思路回顾
许多同学在一股脑刷了很多题之后，再看做过的题会发现忘了不少。可能大家都是这样的吧。我觉得是因为在刷题的时候过于心急，理解了大概就过了，或者类型做的太杂，没有留下印象。

我比较喜欢的方式是偶尔会重新看看曾经做过的题，就看题目然后想思路，再画一画步骤演进，没时间就不细敲了。这样可以增强一下思维记忆，之前理解过的东西，再回忆起来还是非常快的。

㈢ 比较好的python刷题软件有哪些

如果是想刷算法题,那么还是推荐刷LeetCode。

发展历程

自从20世纪90年代初Python语言诞生至今，它已被逐渐广泛应用于系统管理任务的处理和Web编程。

1995 年，Guido van Rossum 在弗吉尼亚州的国家创新研究公司（CNRI）继续他在 Python 上的工作，并在那里发布了该软件的多个版本。

2000 年五月，Guido van Rossum和 Python 核心开发团队转到 BeOpen.com 并组建了 BeOpen PythonLabs 团队。 同年十月，BeOpen PythonLabs 团队转到 Digital Creations (现为 Zope Corporation)。

2001 年，Python 软件基金会 (PSF) 成立，这是一个专为拥有 Python 相关知识产权而创建的非营利组织。 Zope Corporation 现在是 PSF 的赞助成员。

Python的创始人为荷兰人吉多·范罗苏姆（Guido van Rossum）。1989年圣诞节期间，在阿姆斯特丹，Guido为了打发圣诞节的无趣，决心开发一个新的脚本解释程序，作为ABC语言的一种继承。

之所以选中Python（大蟒蛇的意思）作为该编程语言的名字，是取自英国20世纪70年代首播的电视喜剧《蒙提·派森的飞行马戏团》（Monty Python's Flying Circus）。

㈣ 前端算法入门：刷算法题常用的 JS 基础扫盲

此篇属于前端算法入门系列的第一篇，主要介绍常用的 数组方法 、 字符串方法 、 遍历方法 、 高阶函数 、 正则表达式 以及相关 数学知识 。

在尾部追加，类似于压栈，原数组会变。

在尾部弹出，类似于出栈，原数组会变。数组的 push & pop 可以模拟常见数据结构之一：栈。

在头部压入数据，类似于入队，原数组会变。

在头部弹出数据，原数组会变。数组的 push （入队） & shift （出队） 可以模拟常见数据结构之一：队列。

concat 会在当前数组尾部拼接传入的数组，然后返回一个新数组，原数组不变。

在数组中寻找该值，找到则返回其下标，找不到则返回 -1 。

在数组中寻找该值，找到则返回 true ，找不到则返回 false 。

将数组转化成字符串，并返回该字符串，不传值则默认逗号隔开，原数组不变。

翻转原数组，并返回已完成翻转的数组，原数组改变。

从 start 开始截取到 end ，但是不包括 end

可参考 MDN：Sort [5]

将数组转化成字符串，并返回该字符串，逗号隔开，原数组不变。

返回指定索引位置处的字符。类似于数组用中括号获取相应下标位置的数据。

类似数组的concat()，用来返回一个合并拼接两个或两个以上字符串。原字符串不变。

indexOf ,返回一个字符在字符串中首次出现的位置, lastIndexOf 返回一个字符在字符串中最后一次出现的位置。

提取字符串的片断，并把提取的字符串作为新的字符串返回出来。原字符串不变。

使用指定的分隔符将一个字符串拆分为多个子字符串数组并返回，原字符串不变。

match() 方法可在字符串内检索指定的值，或找到一个或多个正则表达式的匹配，并返回一个包含该搜索结果的数组。

注意事项 :如果 match 方法没有找到匹配，将返回 null 。如果找到匹配，则 match 方法会把匹配到以数组形式返回，如果正则规则未设置全局修饰符 g ，则 match 方法返回的数组有两个特性： input 和 index 。 input 属性包含整个被搜索的字符串。 index 属性包含了在整个被搜索字符串中匹配的子字符串的位置。

replace 接收两个参数，参数一是需要替换掉的字符或者一个正则的匹配规则，参数二，需要替换进去的字符，仔实际的原理当中，参数二，你可以换成一个回调函数。

在目标字符串中搜索与正则规则相匹配的字符，搜索到，则返回第一个匹配项在目标字符串当中的位置，没有搜索到则返回一个 -1 。

toLowerCase 把字母转换成小写， toUpperCase() 则是把字母转换成大写。

includes 、 startsWith 、 endsWith ， es6 的新增方法， includes 用来检测目标字符串对象是否包含某个字符，返回一个布尔值， startsWith 用来检测当前字符是否是目标字符串的起始部分，相对的 endwith 是用来检测是否是目标字符串的结尾部分。

返回一个新的字符串对象，新字符串等于重复了指定次数的原始字符串。接收一个参数，就是指定重复的次数。原字符串不变。

最常用的 for 循环，经常用的数组遍历，也可以遍历字符串。

while 、 do while 主要的功能是，当满足 while 后边所跟的条件时，来执行相关业务。这两个的区别是， while 会先判断是否满足条件，然后再去执行花括号里面的任务，而 do while 则是先执行一次花括号中的任务，再去执行 while 条件，判断下次还是否再去执行 do 里面的操作。也就是说 do while 至少会执行一次操作 .

拷贝一份遍历原数组。

for…of 是 ES6 新增的方法，但是 for…of 不能去遍历普通的对象，** for…of 的好处是可以使用 break 跳出循环。**

面试官：说一下 for...in 和 for...of 区别？

返回一个布尔值 。当我们需要判定数组中的元素是否满足某些条件时，可以使用 every / some 。这两个的区别是， every 会去判断判断数组中的每一项，而 some 则是当某一项满足条件时返回。

rece 从左到右将数组元素做“叠加”处理，返回一个值。 receRight 从右到左。

Object.keys 方法的参数是一个对象，返回一个数组。该数组的成员都是该对象自身的（而不是继承的）所有属性名，且只返回可枚举的属性。

Object.getOwnPropertyNames 方法与 Object.keys 类似，也是接受一个对象作为参数，返回一个数组，包含了该对象自身的所有属性名。但它能返回不可枚举的属性。

这里罗列一些我在刷算法题中遇到的正则表达式，如果有时间可认真学一下 正则表达式不要背 [7] 。

持续更新，敬请期待……

若一个正整数无法被除了 1 和它自身之外的任何自然数整除，则称该数为质数（或素数），否则称该正整数为合数。

㈤ 公基靠背还是刷题

公基在背的同时结合刷题效果更好。

事业单位考的公基全称公共基础知识，是一门综合性考试，内容涵盖了政治、经济、法律、管理、脊唯科技、历史、语文基础与公文写作等诸多方面。

具体的考试内容包括：马克思主义哲学原理、毛概、国家机关工作人员的职业道德、法律凯颂知识、语文基础知识和公文写作、经济知识和科技知识、历史知识、最新的时政知识等。

㈥ 算法题套路总结（三）——动态规划

前两篇我总结了链表和二分查找题目的一些套路，这篇文章来讲讲动态规划。动态规划从我高中开始参加NOIP起就一直是令我比较害怕的题型，除了能一眼看出来转移方程的题目，大部分动态规划都不太会做。加上后来ACM更为令人头秃的动态规划，很多题解看了之后，我根本就不相信自己能够想出来这种解法，看着大佬们谈笑间还加一些常数优化，一度怀疑自己的智商。以前一直觉得动态规划是给大佬准备的，所以刻意地没有去攻克它，主要也是没有信心。但是后来慢慢的，我再做LC的时候，发现很多DP的题目我自己慢慢能够推出转移方程了，而且似乎也没那么难。我一直在思考，到底是我变强了，还是因为LC的题目相比ACM或者NOI太简单了。其实主要还是后者，但是同时我也发现，动态规划其实是有套路的，我以前方法不对，总结太少。
主要就是，站在出题人的角度，他几乎不太可能完全凭空想出一个新的DP模型，因为动态规划毕竟要满足：

因此，能够利用DP来解决的问题实际上是有限的，大部分题目都是针对现有的模型的一些变种，改改题目描述，或者加点限制条件。所以要想攻克DP题目，最根本的就是要充分理解几个常见的DP模型。而要充分理解常见经典DP模型，就需要通过大量的做题和总结，而且二者不可偏废。通过做题进行思考和量的积累，通过总结加深理解和融会贯通进而完成质的提升。

动态规划是求解一个最优化问题，而最核心的思想就是：

解一道DP题目，先问自己几个问题：

当然以上内容看起来比较抽象，虽然它深刻地揭露了动态规划的本质，但是如果临场要去想明白这些问题，还是有些难度。如果只是针对比赛和面试，就像前面说的，DP题型是有限的。只要刷的题目足够多，总结出几个经典模型，剩下的都是些变种+优化而已。

一般来说，动态规划可以分成4个大类:

线性DP就是阶段非常线性直观的模型，比如：最长（上升|下降）序列，最长公共子序列(LCS)等，也有一些简单的递推，甚至都算不上是 经典模型 。

最长上升序列是一个非常经典的线性模型。说它是个模型，是因为它是一类题的代表，很多题目都只是换个说法，或者要求在这基础上进一步优化而已。最长上升序列最基础的转移方程就是 f[i] = max{f[j]}+1 (a[i] > a[j]) , f[i] 表示一定要以 a[i] 结尾的序列，最长长度是多少。很显然就是在前面找到一个最大的 f[j] 同时满足 a[j]<a[i] 。因此是 N^2 的时间复杂度和N的空间复杂度。这种方法是最朴素直观的，一定要理解。它非常简单，因此很少有题目直接能够这么做。大部分相关题目需要进一步优化，也就是有名的单调队列优化，能够把复杂度优化到nlogn。

说单调队列优化之前必须明白一个贪心策略。因为要求的是最长上升序列，那么很显然长度为k的上升序列的最大值（最后一个数）越小越好，这样后面的数才有更大的概率比它大。如果我们记录下来不同长度的上升序列的最后一个数能达到的最小值，那么对于后续每个数t，它要么能放到某个长度为y的序列之后，组成长度为y+1的上升序列，要么放到某个长度为x的序列后面，把长度为x+1的序列的最大值替换成t。同时我们可以发现，如果x<y，那么长度为x序列的最后一个数一定比长度为y的序列最后一个数小。因此这个上升序列我们可以用一个数组来维护（所谓的单调队列），数组下标就代表序列长度。 opt[i]=t 表示长度为i的上升序列最后一个数最小是t。那么当我们在面对后续某个数x时，可以对单调队列opt进行二分，把它插到对应的位置。因此总体复杂度就是NlogN。
相关题目比如：

但是你可以发现，其实这个题型其实变种很有限，吃透了也就那么回事。所以一定要总结。

最长公共子序列也是线性DP中的一种比较常见的模型。说它是一种“模型”其实有点拔高了，其实它就是一类比较常见的题目。很多题目都是在LCS的基础上进行简单的扩展，或者仅仅就是换一个说法而已。
求两个数组的最长公共子序列，最直观地做法就是：设f[i][j]表示S[..i]和T[..j]的最长公共子序列，则有:

这个转移方程也非常好理解，时间复杂度是 N^2 ，空间复杂度也是 N^2 。不过仔细观察你可以发现，当我们计算第i行时只与i-1和i行有关。因此我们可以利用01滚动来优化空间复杂度为2N。
相关题目：

线性DP除了上述的两种常见题型，还有很多别的类型，包括背包。我们要努力去尝试理解这些题目的异同，它们的转移方程，以及思路，可能的变化，这样才能更好的应对未知的题目。以下是一些我总结的题型：

最终结果就是max(0, f[n][2]+f[n][4])。
不过实际上你可以发现，由于各个状态只和前一维有关，且只能由固定的一个状态转移过来，因此我们可以省掉一维，只用4个变量来存储：

剩下的，同123题类似，由于最多进行k次交易，那么一天就有2k个状态：第1次买/卖……第k次买/卖，结合123题的优化，我们只需要2k个变量就能存储这些状态。因此设f[i×2]为第i次买入的最优值，f[i×2+1]为第i次卖出的最优值：

以上都是对一些常见的线性DP的一些小结，实际上线性DP还有一个重要的题型就是背包。关于背包，有很多相关的讲解，我这里就不多说了，推荐大家看看 背包九讲 。下一章依然是DP专题，我讲总结一些区间DP的题型。大部分区间DP都是hard级的，对于希望提高自己水平的人来说，需要投入更多精力去理解。

㈦ 秋招笔试算法题不会做还怎么办

可以通过不断地思考，总结，归纳，不断刷题来提高自己算法题的水平，没有什么困难的，你需要尽力去学习，祝取得好成绩。

如何提高学习效率

时间长并不一定有用，问题的关键是：你的单位时间内的学习效率有多高！看着同学们一天到晚都在学习，但为什么效果不佳？这是一个学习中的老大难问题，也是最令家长、老师、学生感到困惑的问题。解答这个问题的钥匙就是利用效率法则——高效利用时间，提高学习效率。

在伏尔泰的作品中曾经提到过一个谜语：“世界上有一样东西，它是最长的也是最短的，它是最快的也是最慢的，它最不受重视但却又最受惋惜。

没有它，什么事也无法完成，这样的东西可以使你渺小的消灭，你伟大的永续不绝。善于利用时间学习中，不仅要懂得珍惜时间，更要学会运筹时间，使自己在最短的时间内，得到最大的学习效合理分配精力在学习中。

学会排除干扰在学习中，来自外界和自身的一些干扰都会影响你的学习效率，你必须要学会排除和隔离这些学习中的消极因素，将它们的负面效应降到最低你想到这样唯一的东西是什么了吗？没错，它就是时间。

学习是在时间中进行的。无可置疑，谁能拥有更多的时间，谁就能获得更多的知识。长久以来，人们一直在探索怎样勒住时间的缰绳，以增强自己利用时间的能力。掌握一些高效利用时间的方法，如优化事序、最佳安排、排除干扰等方法能使你的有效学习时间比别人多很多倍。

㈧ 公基知识点很多，刷题和背书哪个方法更好用

首大祥先呢，知识点很多的话，那你就需侍陵要背书和刷题结合起来也不是说哪个方法更好用你只选择其一呢？那肯定是不行的。你老仿戚可以趁早上的时候或者你什么时候状态最好的时候去背书，然后做题主要是巩固的作用使你记得更牢固。也不能说一味的，只刷题或者一味的只背书那也不行。