算法训练营前言

算法训练营学习笔记

摒弃“旧习惯”-最重要

• 不要死磕（传统方式）
• 使用五毒神掌（敢于放手、敢于死记硬背代码）
• 不懒于看高手的代码（国际版的高票答案）
• 最佳方式：5分钟想不出来，直接看题解或者高票代码，用五毒神掌变成自己的东西。这个过程：觉得自己很菜甚至有点自卑，但是有借势而起的感觉。
• 最差方式：看到题目想自己单挑一下，不借助外部帮助自己解决；以为15～30分钟就可以搞定，谁知道死磕了2～3个小时或者一晚上，终于“通过”。精疲力竭，没有精力学习高票程序黛安，就开始做下一题（或放弃）。

Overall View

如何精通一个领域

Chunk it up

分解：将整体划分成一个个独立的小部分
连接：将每个独立的知识点进行连接
效果：庖丁解牛，游刃有余，了然于胸，运筹帷幄做理性的决策。

Musk: One bit of advice: it is important to view knowledge as sort of a semantic tree -- make sure you
understand the fundamental principles, ie hte trunk and big branchese, before you get into the leaves/details
or there is nothing for them to hang on to.

主干和主分支
数据结构：

• 一维
  • 基础：数组array/string, 链表linked list
  • 高级：栈stack, 队列queue, 双端队列deque, 集合set, 映射map, etc
• 二维
  • 基础：树 tree, 图graph
  • 高级：二叉搜索树 binary search tree(red-black tree, AVL), 堆heap, 并查集 disjoint set, 字典树 Trie, etc
• 特殊
  • 位运算Bitwise, 布隆过滤器BloomFilter
  • LRU Cache

算法

• if-else, switch --> branch
• for,while loop --> iteration
• 递归Recursion(Divide & Conquer, Backtrace):函数自己调用自己
• 搜索Search:深度优先搜索 Depth First Search, 广度优先搜索 Breadth First Search, A*, etc
• 动态规划 Dynamic Programming
• 二分查找 Binary Search
• 贪心Greedy
• 数学Math, 几何Geomitry

tip: 在头脑中回忆上面每种算法的思想和代码模版

Deliberate Practicing

基本功
基础动作的分解训练和反复练习 --> 过遍数 --> 五遍刷题法(五毒神掌)
练习缺陷，弱点地方，会经历不舒服，不爽，枯燥 ---> 舒适区

Feedback

• 即时反馈
• 主动型反馈
  • 高手代码(GitHub,LeetCode, etc)
  • Faker第一视角直播
• 被动式反馈（高手给你指点）
  • code review

切题四件套

• Clarification 明确题意
• Possible solutions
  • compare （time/space）
  • optimal (加强)
• Coding
• Test cases

五毒神掌

刷题第一遍

• 5分钟：读题 + 思考
• 直接看解法：注意不要死扣钻牛角尖！ 多解法，比较解法优劣。
• 背诵默写

刷题第二遍

• 马上自己写 --> LeetCode 提交
• 多种解法比较，体会 --> 优化!

刷题第三遍

• 过了一天后，再重复做题
• 不同解法的熟练程度 --> 专项练习

刷题第四遍

过了一周：反复回来联系相同题目

刷题第五遍

• 面试前一周恢复性训练

指法和小操作

• fn + delete 删除光标右侧
• Home, end （行头，行尾） command
• option + left/right 光标按单词切分
• option + delete 删除单词
• shift + command + right 选中整行 （光标在行头时）
• Top tips for

Big O notation

O 表示 它的复杂度是关于n的怎样的一个函数。

时间复杂度（看执行次数）

• O(1): Constant Complexit 常数复杂度
• O(log n): Logarithmic Complexity 对数复杂度
• O(n): Linear Complexity 线性时间复杂度
• O(n^2): N square Complexity 平方
• O(n^3): N cubic Complexity 立方
• O(2^n): Exponential Growth 指数
• O(n!): Factorial 阶乘

时间复杂度曲线

主定理

用来解决所有递归的函数，计算这些函数的时间复杂度。

• Binary Search: O(logn)
• Binary tree traversal: O(n) -> 每个节点会访问一次且仅访问一次
• Optimal sorted matrix search: O(n)
• Merge sort: O(nlogn)

思考题

• 二叉树遍历 -前序、中序、后序：时间复杂度是多少？
• 图的遍历：时间复杂度是多少？
• 搜索算法：DFS、BFS时间复杂度是多少？
• 二分查找：时间复杂度是多少？

不会的话去看视频：预习2.2

时间复杂度

• 数组的长度
• 递归的深度

Tips

• 对自己程序的时间和空间复杂度能够清晰的算出来；并且要养成习惯，写完之后能够分析出这段程序的时间和空间复杂度。
• 对自己要有一定的要求，能够用最简洁的时间和空间复杂度完成这段代码，这是一个顶尖程序员的必备素养