1. 从“练气”到“算法”一个程序员的修炼隐喻最近在整理自己的算法笔记突然想起一个老梗程序员学算法是不是有点像修仙小说里的主角在“练气”这个念头一冒出来就有点收不住了。我们每天面对的LeetCode、牛客网不就是一个个充满“灵气”数据的秘境吗刷题的过程从“Hello World”到动态规划从暴力破解到优雅的O(1)解法不正是一个从“凡人”到“筑基”再到“金丹”、“元婴”的修炼过程吗“算法修炼之练气篇——练气十八层”这个标题精准地捕捉到了这种心境。它把枯燥、抽象的算法学习包装成了一个有目标、有层次、有成就感的“修炼体系”。对于初学者来说面对“数组”、“链表”、“哈希表”这些基础概念就像面对天地间最原始的灵气需要先学会感知、引导、运用。所谓的“练气十八层”在我看来就是算法入门必须打牢的十八个核心基础。这不仅仅是十八个知识点更是十八种看待和解决问题的思维方式。掌握了它们你才算真正“引气入体”在算法的世界里站稳了脚跟为后续学习更复杂的“功法”如动态规划、图论打下坚实的基础。这篇文章我就想结合自己这些年从“算法小白”到能应付面试和实际项目的经历把这“练气十八层”的修炼心法拆解开来。我不会只罗列知识点那样太像教科书了。我更想分享的是每一层“境界”在实际编码和解题时到底意味着什么有哪些一踩就坑的细节以及如何把这些基础“灵气”融会贯通形成你自己的解题直觉。无论你是刚刚踏上这条修炼之路的新人还是感觉基础有些摇晃、想回头巩固一下的道友希望这篇“心法”都能给你带来一些实实在在的启发。2. 第一层到第六层数据结构筑基——感知“灵气”的形态修炼之初首要任务是认识这个世界的基本构成。在算法的世界里数据结构就是构成一切的基本“灵气粒子”。前六层我们重点修炼对几种最核心数据结构的深刻理解与熟练运用。2.1 第一层数组与顺序表——稳固的“土灵气”数组是最简单、最直接的数据结构像大地一样稳固、连续。它的“灵气”数据存储在连续的内存空间中通过下标索引可以直接访问时间复杂度是O(1)这是它最大的优势。修炼要点与心法核心特性连续内存、固定大小静态数组、随机访问。常见“瓶颈”插入和删除元素特别是在头部或中间效率低下平均需要O(n)的时间来移动后续元素。实战心法边界检查是命门数组越界是新手最常见的错误之一也是许多安全漏洞的根源。在任何访问array[i]之前务必确认i满足0 i array.length。双指针技巧这是数组相关算法题的灵魂技巧。快慢指针、左右指针、滑动窗口本质上都是在利用数组的连续性通过两个或多个指针的协同遍历在O(n)时间内解决复杂问题。例如移除有序数组中的重复项快慢指针、两数之和对于已排序数组使用左右指针、最小覆盖子串滑动窗口。二维数组的行列映射处理矩阵或网格问题时要清晰地在二维坐标(i, j)和一维索引index之间进行转换。通常index i * cols j反之i index / cols,j index % cols。注意在很多现代编程语言中“数组”可能指长度不可变的静态数组如Java的int[]而“顺序表”或“动态数组”如Java的ArrayList C的vector Python的list是其升级版支持动态扩容。理解其扩容机制通常是申请一块更大的新内存拷贝原有数据摊销后插入操作仍可视为O(1)是这一层的进阶内容。2.2 第二层链表——灵动的“风灵气”如果说数组像大地链表就像风灵动而离散。它的数据节点在内存中非连续存储依靠指针或引用连接成链。修炼要点与心法核心类型单链表、双链表、循环链表。优势插入和删除节点在已知节点位置后效率极高只需O(1)时间修改指针。劣势失去了随机访问能力访问第k个元素需要O(k)时间遍历。实战心法虚拟头节点Dummy Node这是解决链表问题的“神器”。许多涉及头节点可能发生变化的操作如删除节点、合并链表引入一个不存储实际数据的虚拟头节点可以极大简化代码逻辑避免对头节点的特殊判断让处理逻辑变得一致。指针操作与断链风险修改链表指针时顺序至关重要。一个经典的坑是在遍历中修改当前节点的next指针前如果没有提前保存后续节点的引用就会丢失对后续链表的访问。务必遵循“先保存再修改”的原则。快慢指针找中点/判环这是链表的标志性算法。快指针每次走两步慢指针每次走一步可以用来高效地找到链表中点用于归并排序链表或者判断链表中是否存在环Floyd判圈算法。2.3 第三层栈——后进先出的“封印术”栈是一种操作受限的线性表只允许在一端栈顶进行插入压栈和删除弹栈操作遵循后进先出LIFO的原则。它就像一种“封印术”你把东西压进去最后压进去的必须最先被解封。修炼要点与心法核心操作push,pop,peek/top。应用场景函数调用栈这是栈最本质的应用记录函数调用时的返回地址、局部变量等。括号匹配遍历字符串遇到左括号就压栈遇到右括号就弹栈并检查是否匹配。表达式求值逆波兰表达式运算符和操作数的处理顺序完美契合栈的特性。浏览器的前进后退使用两个栈前进栈、后退栈来实现。实战心法递归的本质就是栈任何递归算法都可以用栈循环来手动模拟实现。当你对递归的理解感到模糊时尝试用栈来模拟其过程往往能豁然开朗。单调栈这是栈应用的一个高级技巧用于解决“下一个更大元素”、“柱状图中最大矩形”、“接雨水”等问题。维护一个栈内元素单调递增或递减的栈可以在O(n)时间内找到每个元素左边或右边第一个比它大或小的元素。2.4 第四层队列——先进先出的“流水线”队列是另一种操作受限的线性表只允许在一端队尾插入在另一端队首删除遵循先进先出FIFO的原则。它就像一条公平的流水线。修炼要点与心法核心操作enqueue/offer(入队),dequeue/poll(出队)。变体双端队列两端都可以进行插入和删除非常灵活是实现滑动窗口最大值等问题的利器。优先队列出队顺序不是按进入时间而是按优先级通常是最小值或最大值底层通常用堆实现属于第五层的范畴。应用场景广度优先搜索BFS的必备数据结构、任务调度、消息队列等。实战心法BFS的层序遍历使用队列进行BFS时在每一轮开始前记录当前队列的大小可以轻松实现按层处理节点这是解决二叉树层序遍历、图的最短路径无权图问题的标准模板。循环队列用数组实现队列时为了避免出队后前端空间无法利用可以将数组视为一个环。关键在于队头和队尾指针的取模操作以及如何判断队列为空或满通常牺牲一个存储单元或用一个计数变量。2.5 第五层哈希表——瞬间定位的“传送阵”哈希表是一种通过键直接访问值的数据结构其核心思想是散列函数。它像一个遍布各地的“传送阵”给你一个名字键通过特定的“咒语”哈希函数计算瞬间把你传送到对应的地点值所在的存储位置理想情况下访问时间复杂度为O(1)。修炼要点与心法核心三要素键、哈希函数、冲突解决。哈希函数设计目标是均匀分布减少冲突。常见的有除留余数法、乘法散列法等。冲突解决链地址法每个桶数组位置挂一个链表或红黑树。Java的HashMap在链表过长时会转为红黑树。开放地址法线性探测、二次探测等。Python的dict早期采用的一种优化方案。实战心法空间换时间的典范哈希表是降低时间复杂度的首选工具。当问题需要频繁的“查找”或“去重”操作时第一时间考虑哈希表。例如“两数之和”暴力法是O(n²)用哈希表存储遍历过的值及其索引可将查找时间降到O(1)整体O(n)。键的选择至关重要有时需要自己构造复合键。例如在记录网格位置(x, y)是否访问过时可以用字符串“x,y”作为键或者更高效地用一个长整数(long) x 32 | y。注意哈希碰撞攻击在极端情况下如果所有键都哈希到同一个桶哈希表会退化成链表性能降至O(n)。这在设计需要对抗恶意输入的系统时需要考虑。2.6 第六层集合与映射——哈希表的“表亲”集合和映射是哈希表最直接的应用。集合关注“是否存在”映射关注“键值对应”。在很多语言的标准库中它们的典型实现就是基于哈希表。修炼要点与心法Set存储不重复的元素。常用于去重、快速判断成员是否存在。HashSet基于哈希表TreeSet基于红黑树有序。Map存储键值对。HashMap基于哈希表TreeMap基于红黑树按键有序。实战心法getOrDefault方法这是处理映射时最实用的方法之一。例如在统计词频时map.put(word, map.getOrDefault(word, 0) 1)一行代码搞定避免了冗长的if-else判断。遍历方式熟练掌握对Map的三种遍历方式遍历键集keySet()、遍历值集合values()、遍历键值对集合entrySet()。在需要同时用到键和值时entrySet()效率最高。集合运算理解并集、交集、差集的概念在某些特定场景下如求两个数组的交集可以先将一个数组转为集合然后遍历另一个数组进行判断效率很高。3. 第七层到第十二层核心算法初探——运转“灵气”的法诀掌握了“灵气”数据结构的形态接下来就要学习如何运转它们施展出具体的“法术”算法。这六层是算法思维的第一次集中锤炼。3.1 第七层排序算法——让“灵气”井然有序排序是算法的基础课它不仅是目的其思想更是渗透在其他许多算法中。修炼要点与心法重点掌握快速排序分治思想的代表平均O(n log n)关键在分区函数partition的实现如双指针法。需要理解最坏情况已排序数组且选择首元素为基准会退化为O(n²)。归并排序稳定排序分治思想的另一典范O(n log n)。其“合并两个有序数组”的核心操作是很多其他算法如合并K个有序链表的基础。堆排序可以结合第五层的堆来理解能够O(n log n)原地排序且最坏情况也是O(n log n)。了解即可冒泡排序、选择排序、插入排序时间复杂度O(n²)但插入排序对小规模或近乎有序的数据很高效。实战心法如何选择在面试或笔试中如果没特别要求直接调用语言内置的排序函数如Arrays.sort()sorted()是最稳妥的它们通常经过高度优化。但你必须能手写快排或归并以展示对分治思想的理解。排序的变体应用很多问题不是直接排序但用了排序的思想。例如“数组中的第K个最大元素”可以用快速排序的partition思想在平均O(n)时间内解决快速选择算法。3.2 第八层二分查找——精准的“神识扫描”二分查找是一种在有序集合中高效查找目标值的算法时间复杂度O(log n)。它就像修炼者的“神识”每次扫描都能排除一半的错误区域。修炼要点与心法前提数据必须有序单调性。核心难点边界条件的处理。是while(left right)还是while(left right)更新边界时是right mid还是right mid - 1这取决于你的区间定义是左闭右开[left, right)还是左闭右闭[left, right]。实战心法固定一套模板我强烈建议你固定使用一种区间定义我个人偏爱左闭右开[left, right)并死记一套对应的模板。这样可以避免每次写都纠结于边界。# 左闭右开 [left, right) 模板寻找目标值 def binary_search(nums, target): left, right 0, len(nums) while left right: mid left (right - left) // 2 # 防止溢出 if nums[mid] target: return mid elif nums[mid] target: left mid 1 else: right mid return -1寻找边界的二分这是二分查找的进阶应用用于寻找有序数组中某个值的左边界或右边界。例如“在排序数组中查找元素的第一个和最后一个位置”。关键在于当nums[mid] target时不立即返回而是收缩右边界找左边界或左边界找右边界。二分答案法当问题的答案具有单调性且验证一个候选答案是否可行比直接求解更容易时就可以对答案进行二分。例如“在D天内送达包裹的能力”、“制作m束花所需的最少天数”。这类问题往往伪装成其他类型识别出“答案单调”和“可验证”这两个特征是关键。3.3 第九层双指针——协同的“左右互搏”双指针并非特指某种算法而是一种非常重要的编程技巧。它通过两个指针索引的协同移动在线性结构数组、链表、字符串上以较低复杂度通常是O(n)解决问题。修炼要点与心法常见类型快慢指针常用于链表判环、找中点、数组原地修改如移除元素。左右指针常用于有序数组或字符串两数之和、反转字符串、回文串判断。滑动窗口可视为双指针的一种特殊形式维护一个窗口通过移动左右指针来动态调整窗口大小用于解决子串/子数组问题。实战心法滑动窗口的通用框架掌握一个滑动窗口的代码框架可以解决一大类问题。def sliding_window(s, t): need, window {}, {} for c in t: need[c] need.get(c, 0) 1 left, right 0, 0 valid 0 while right len(s): # c 是将移入窗口的字符 c s[right] right 1 # 进行窗口内数据的一系列更新 # ... # 判断左侧窗口是否要收缩 while (window needs shrink): # d 是将移出窗口的字符 d s[left] left 1 # 进行窗口内数据的一系列更新 # ... # 返回结果指针移动的条件这是双指针法的核心。你必须清晰地定义在什么条件下移动快指针什么条件下移动慢指针什么条件下更新答案。在纸上画图模拟指针移动过程是理解它的最好方式。3.4 第十层递归与回溯——穷举的“分身术”递归是一种通过函数自我调用来解决问题的方法。回溯是递归的一种应用用于系统地搜索所有可能的解并在探索过程中剪枝。修炼要点与心法递归三要素终止条件什么情况下递归结束直接返回结果。递归调用如何将原问题分解为一个或多个规模更小的子问题。回溯与清理在递归返回后可能需要撤销当前选择回溯恢复状态。应用场景树的遍历深度优先、排列组合问题全排列、子集、分割问题回文分割、棋盘问题N皇后。实战心法画出递归树对于任何回溯问题在动手写代码前先在纸上画出递归树。这能帮你清晰地看到决策路径、层数递归深度、每层的选择列表以及剪枝的条件。状态维护与传递递归函数参数中需要传递哪些状态当前路径、剩余选择列表、层数等是传递副本path [choice]还是修改共享变量再回溯path.append(choice); backtrack(...); path.pop()前者代码简洁但可能产生较多临时对象后者效率稍高但需要小心维护。剪枝是灵魂无剪枝的回溯就是暴力枚举复杂度是指数级的。常见的剪枝技巧包括排序后跳过重复元素、根据剩余元素和当前路径提前判断不可能达到目标如组合总和、利用约束条件提前终止某条分支。3.5 第十一层深度优先搜索与广度优先搜索——遍历“秘境”的两种身法DFS和BFS是遍历或搜索树、图这类非线性结构的基本算法。修炼要点与心法DFS一条路走到黑走不通再回头。通常用递归或栈实现。适合寻找所有路径、判断连通性、拓扑排序等。BFS一层一层向外扩张。用队列实现。适合寻找最短路径在无权图中、层次遍历。实战心法DFS的递归与迭代递归DFS代码简洁但深度过大时可能栈溢出。迭代DFS需要显式使用栈将递归过程手动模拟出来。BFS求最短路径在无权图中BFS第一次访问到某个节点时走过的路径就是起点到该节点的最短路径。记录一个distance字典或使用层序遍历的层数可以方便地得到最短距离。visited集合无论是DFS还是BFS在图中都需要一个visited集合或数组来记录已访问节点防止重复访问陷入循环。对于网格问题有时可以直接修改原网格值如将1改为0来替代visited集合。方向数组处理二维网格DFS/BFS时定义一个方向数组dirs [(0,1), (1,0), (0,-1), (-1,0)]可以优雅地遍历四个方向避免写四遍类似的代码。3.6 第十二层动态规划入门——记住“过往”的智慧动态规划是算法修炼路上的一座大山也是区分“练气”和“筑基”的重要标志。它的核心思想是“记住过往减少重复计算”通过将复杂问题分解为重叠子问题并存储子问题的解来避免重复计算。修炼要点与心法核心要素状态定义dp[i]或dp[i][j]代表什么这是最难也是最重要的一步。状态转移方程如何通过已知状态推导出未知状态即dp[i]与dp[i-1],dp[i-2]... 的关系。初始状态最基础、不可再分的子问题的解是什么如dp[0],dp[1]。遍历顺序为了保证计算当前状态时它所依赖的子问题状态已经被计算出来需要确定正确的遍历顺序。入门经典问题斐波那契数列、爬楼梯、最小路径和、背包问题01背包、完全背包。实战心法从暴力递归到记忆化搜索再到DP这是理解DP的最佳路径。先写出暴力递归解法自顶向下然后加入备忘录记忆化搜索最后观察递归树将其转化为自底向上的迭代DP。很多DP问题本质上都是“带备忘录的递归”。画表格对于二维DP问题如背包问题在纸上画一个二维表格手动填充dp[i][j]的值是理解状态转移方程最直观的方法。空间优化很多DP问题当前状态只依赖于前几个状态因此可以用滚动数组将二维DP优化为一维甚至只用几个变量。例如斐波那契数列的DP可以从O(n)空间优化到O(1)。4. 第十三层到第十八层思维深化与综合运用——灵气化液筑基在望最后的六层不再局限于单一的数据结构或算法而是强调综合运用、思维深化和解决更复杂、更贴近实际的问题。4.1 第十三层贪心算法——当下最优的“直觉”贪心算法在每一步都做出当前看来最优的选择希望这样能得到全局最优解。它不像DP那样考虑所有子问题因此效率通常更高但难点在于证明贪心策略的正确性。修炼要点与心法适用条件问题具有最优子结构且贪心选择性质成立即每一步的局部最优能导致全局最优。经典问题区间调度最多不相交区间、分发饼干、跳跃游戏、买卖股票的最佳时机部分变体。实战心法大胆假设小心验证面对一个问题先直觉上想一个贪心策略比如总是选结束最早的区间、总是用最小的饼干满足胃口最小的孩子。然后尝试举出反例来推翻它。如果举不出反例再尝试从数学上理解其正确性。排序是贪心的好朋友很多贪心问题都需要先对数据进行排序按开始时间、结束时间、大小等以便我们能够实施“当前最优选择”。与动态规划的对比贪心是“一条路走到黑”DP是“纵观全局再做决定”。例如“零钱兑换”问题如果硬币面额是标准的1,5,10,25具有贪心性质可以用贪心如果是[1,3,4]凑6元贪心411得到3枚而最优解是33两枚此时就必须用DP。4.2 第十四层位运算——操控“灵气”本源位运算直接操作整数在内存中的二进制位速度极快。在一些特定场景下巧用位运算可以写出非常简洁高效的代码。修炼要点与心法基本操作与、或|、异或^、取反~、左移、右移。常用技巧n (n-1)消除数字n的二进制表示中最低位的1。用于判断2的幂、计算汉明权重二进制中1的个数。a ^ a 0,a ^ 0 a异或运算的性质。用于寻找只出现一次的数字其他数字出现两次。判断奇偶n 1结果为1则是奇数0则是偶数。获取最低位的1lowbit n -n。实战心法状态压缩当状态数量不多比如小于等于32时可以用一个整数的二进制位来表示一组布尔状态。例如在解决“旅行商问题”的简化版或用DFS遍历图时可以用一个整数mask的每一位表示某个城市或节点是否被访问过。这比使用HashSet或布尔数组更节省空间和更快。子集枚举对于一个大小为n的集合它的所有子集可以用0到(1n)-1的二进制数来表示。数字i的二进制位为1表示包含对应元素。这是生成所有子集的一种非常巧妙的方法。谨慎使用位运算虽然快但会降低代码的可读性。除非在性能瓶颈处或算法竞赛中否则应优先选择可读性更高的写法必要时加上注释。4.3 第十五层字符串处理——与“符文”打交道字符串是由字符组成的序列可以看作一种特殊的数组。但字符串问题往往有其独特的技巧和考量。修炼要点与心法不可变性与可变性在许多语言中如Java, Python字符串是不可变的。这意味着每次“修改”字符串如拼接实际上都会创建新的对象带来性能开销。在需要频繁修改时应考虑使用StringBuilderJava或字符列表Pythonlist。核心算法字符串匹配朴素算法、KMP算法理解next数组的构建。字符串哈希将字符串映射为一个整数用于快速比较子串是否相等注意哈希冲突。字典树用于高效存储和检索字符串集合前缀查询是其强项。实战心法KMP算法不必手写但要理解面试中要求手写完整KMP的情况较少但你必须理解其核心思想——利用已匹配的部分信息避免主串指针回退。重点是理解next数组的含义next[i]表示模式串P[0...i]中最长相等前后缀的长度。双指针与滑动窗口的乐园字符串的很多问题如无重复字符的最长子串、找到字符串中所有字母异位词、最小覆盖子串都是滑动窗口的经典应用。反转字符串的多种玩法整体反转、局部反转、单词反转。这类问题常常可以通过“整体反转局部反转”的组合拳巧妙解决例如“翻转字符串里的单词”。4.4 第十六层树与二叉树——理解“分形”世界树是一种非常重要的非线性数据结构体现了层次化和分治的思想。二叉树是其中最基础、最核心的形式。修炼要点与心法二叉树遍历深度优先前序根左右、中序左根右、后序左右根。递归实现简洁迭代实现需要显式栈。广度优先层序遍历使用队列。二叉树属性高度、深度、节点数、平衡性、对称性、路径和等。特殊二叉树二叉搜索树BST、平衡二叉树AVL树、完全二叉树、满二叉树。实战心法递归是树的天然伴侣树的大部分问题都可以用递归优雅地解决。设计递归函数时明确这个函数的定义输入什么返回什么并相信它能完成子树的使命。BST的中序遍历有序性这是BST最重要的性质。中序遍历BST会得到一个升序序列。利用这个性质可以解决“验证BST”、“BST中第K小的元素”、“恢复BST”等问题。后序遍历的妙用后序遍历左右根的特点是当你处理根节点时左右子树的信息都已经计算好了。这使得它非常适合解决需要从子树“收集信息”再汇总到根的问题如计算子树和、判断平衡性、二叉树的最大路径和难题。4.5 第十七层图论基础——探索“关系”网络图是比树更一般的结构用于表示多对多的关系。掌握图的基本表示和遍历是进入图论世界的第一步。修炼要点与心法图的表示邻接矩阵适合稠密图可以快速判断两点间是否有边。邻接表适合稀疏图节省空间是更常用的表示方法。图的遍历DFS和BFS同样适用于图但需要visited集合来防止重复访问。拓扑排序针对有向无环图用于解决任务调度、课程安排等依赖问题。可以用DFS后序遍历逆序或BFSKahn算法计算入度实现。实战心法建图是第一步也是关键一步很多题目给出的输入不是直接的邻接表或邻接矩阵而是一个边列表或其他形式。你需要根据问题将其转换为适合遍历的图结构。例如“课程表”问题中 prerequisites列表[[1,0],...]表示0-1的边。BFS用于无权图最短路径再次强调在边权为1的无权图中BFS是求单源最短路径的标准算法。distance数组在BFS过程中逐步更新。并查集虽然属于更高级的数据结构但它在图论中用于解决连通性问题判断两个节点是否属于同一个连通分量非常高效。其“查找”和“合并”操作近乎常数时间复杂度。理解并查集的路径压缩和按秩合并优化。4.6 第十八层设计数据结构与系统思维——创造你的“法器”最后一层不再是学习现成的结构而是要求你根据特定需求组合或设计新的数据结构。这考察的是你对基础组件深刻理解后的综合运用能力。修炼要点与心法经典问题LRU缓存结合哈希表快速查找和双向链表维护使用顺序。LFU缓存比LRU更复杂需要维护频率信息通常需要“键到节点”的哈希表、“频率到双向链表”的哈希表。实现 Trie前缀树用于高效存储和检索字符串数据集。数据流的中位数用一个大顶堆和一个小顶堆来平衡数据。系统设计思维即使是设计一个数据结构也要考虑线程安全、持久化、分布式等扩展问题面试高阶职位时。实战心法分析操作频率设计之前明确核心操作有哪些get,put,addWord,search它们的时间复杂度要求是什么O(1), O(log n)。根据这些要求选择底层组件。画图厘清关系对于像LFU缓存这样复杂的设计在编码前一定要在纸上画出各个数据结构哈希表、链表、节点之间的关系图明确每个操作get,put会如何影响这些关系。边界条件与并发考虑缓存容量为0、输入为null、键不存在等情况。虽然面试中不要求实现线程安全但能提到“在实际生产中需要考虑加锁或使用并发数据结构”会是一个加分项。走过这“练气十八层”你算是把算法世界最核心、最常用的基础功系统地锤炼了一遍。你会发现很多复杂的算法和问题都是这些基础“灵气”和“法诀”的不同排列组合。修炼至此体内“灵气”充盈基础扎实已经具备了向更高阶的“筑基”阶段如动态规划进阶、图论算法、高级数据结构、系统设计发起冲击的资格。真正的修炼之路还很长但有了这十八层打底后面的路会走得更加稳健和自信。记住刷题不是目的通过题目去理解背后的思想并能在新的问题中识别并运用这些思想才是算法修炼的意义所在。