算法刷题笔记：动态规划与优先队列实战解析

发布时间：2026/11/5 2:58:00
算法刷题笔记：动态规划与优先队列实战解析

1. 刷题笔记的价值与意义

作为一名程序员，我坚持刷算法题已经三年多了。2026年1月22日这天的刷题笔记特别值得记录，因为这天遇到的几道题目涵盖了多个经典算法模式。刷题不仅仅是应付面试的手段，更是锻炼编程思维的有效方式。

算法题就像健身房的器械训练，每道题都在针对性地锻炼特定的"思维肌肉"。通过系统性地记录和整理刷题笔记，可以清晰地看到自己的进步轨迹，也能在遇到类似问题时快速回顾解题思路。

2. 当日刷题题目概览

2.1 题目选择策略

我通常会按照"1简单+2中等+1困难"的比例来选择每日刷题组合。2026.1.22这天选择的题目是：

  1. 简单题：两数之和（经典热身题）
  2. 中等题：二叉树的中序遍历（递归与迭代实现）
  3. 中等题：最长回文子串（动态规划解法）
  4. 困难题：合并K个升序链表（优先队列应用）

提示：建议每次刷题都包含不同难度，这样既能保持信心，又能持续挑战自己。

2.2 刷题环境配置

我的刷题环境配置如下：

  • IDE：VS Code + LeetCode插件
  • 语言：Python 3.9（兼顾简洁与效率）
  • 辅助工具：本地测试用例生成脚本
  • 笔记工具：Markdown格式记录，同步到GitHub
# 本地测试用例示例 def test_two_sum(): nums = [2,7,11,15] target = 9 assert two_sum(nums, target) == [0,1]

3. 题目详解与解题思路

3.1 两数之和的多种解法

这道经典题目看似简单，但蕴含着多种解题思路：

  1. 暴力枚举法：双重循环，时间复杂度O(n²)
  2. 哈希表法：空间换时间，时间复杂度O(n)
  3. 排序+双指针法：需要额外空间存储索引
def two_sum(nums, target): hashmap = {} for i, num in enumerate(nums): complement = target - num if complement in hashmap: return [hashmap[complement], i] hashmap[num] = i return []

注意：哈希表解法要注意处理重复元素的情况，测试用例要考虑边界条件。

3.2 二叉树中序遍历的迭代实现

递归解法虽然简洁，但理解迭代解法对掌握栈的应用很有帮助：

def inorder_traversal(root): res = [] stack = [] curr = root while curr or stack: while curr: stack.append(curr) curr = curr.left curr = stack.pop() res.append(curr.val) curr = curr.right return res

关键点：

  • 使用栈模拟递归调用
  • 先一路向左到底
  • 处理节点后再转向右子树

3.3 最长回文子串的动态规划解法

这道题展示了动态规划的典型应用：

  1. 定义dp[i][j]表示s[i...j]是否为回文
  2. 状态转移方程：
    • 基本情况：单个字符是回文
    • 两个相同字符是回文
    • 更长串：首尾相同且中间是回文
def longest_palindrome(s): n = len(s) dp = [[False]*n for _ in range(n)] res = "" for l in range(n): for i in range(n-l): j = i + l if l == 0: dp[i][j] = True elif l == 1: dp[i][j] = (s[i] == s[j]) else: dp[i][j] = (s[i] == s[j] and dp[i+1][j-1]) if dp[i][j] and l+1 > len(res): res = s[i:j+1] return res

3.4 合并K个升序链表的优先队列解法

这道困难题展示了优先队列（堆）的典型应用场景：

import heapq def merge_k_lists(lists): dummy = ListNode(0) curr = dummy heap = [] for i in range(len(lists)): if lists[i]: heapq.heappush(heap, (lists[i].val, i)) lists[i] = lists[i].next while heap: val, i = heapq.heappop(heap) curr.next = ListNode(val) curr = curr.next if lists[i]: heapq.heappush(heap, (lists[i].val, i)) lists[i] = lists[i].next return dummy.next

优化点：

  • 使用元组存储值和链表索引
  • 每次只push一个节点，保持堆的大小为O(k)
  • 时间复杂度O(Nlogk)，N是总节点数

4. 刷题技巧与经验分享

4.1 高效刷题的方法论

  1. 分类刷题法：按算法类型集中练习（如一周专攻动态规划）
  2. 五步解题法：
    • 理解题意
    • 列举可能的解法
    • 选择最优解法
    • 编写代码
    • 测试与优化
  3. 错题本机制：记录错误原因和正确思路

4.2 常见错误与调试技巧

典型错误案例：

  1. 边界条件处理不当（空输入、单个元素等）
  2. 循环终止条件错误
  3. 指针/索引越界
  4. 特殊数据结构使用不当

调试技巧：

  • 使用print语句输出中间变量
  • 绘制数据结构变化图
  • 编写测试用例覆盖边界条件
  • 使用调试器逐步执行

4.3 刷题的时间管理

我个人的时间分配建议：

  • 15分钟：理解题目和思考解法
  • 20分钟：实现第一种解法
  • 15分钟：优化和测试
  • 10分钟：记录笔记和总结

如果超过这个时间还没思路，建议查看题解，但一定要自己重新实现一遍。

5. 刷题笔记的整理方法

5.1 笔记内容结构

每道题的笔记应包含：

  1. 题目描述（用自己的话复述）
  2. 解题思路（多种解法比较）
  3. 代码实现（带注释）
  4. 复杂度分析
  5. 相关题目链接

5.2 知识图谱构建

我使用思维导图工具将算法知识点连接起来，例如：

  • 动态规划 → 背包问题 → 子集和问题
  • 树 → 遍历方式 → 递归/迭代实现
  • 图 → DFS/BFS → 拓扑排序

5.3 定期回顾机制

我设置了以下回顾周期：

  • 次日：快速浏览前一天笔记
  • 周末：总结本周刷题情况
  • 月末：整理高频考点和薄弱环节

6. 从刷题到面试的转化

6.1 面试中的表达技巧

在面试中讲解算法题时要注意：

  1. 先明确问题边界和假设
  2. 讨论时间和空间复杂度权衡
  3. 考虑可能的优化方向
  4. 处理面试官的follow-up问题

6.2 实际工程中的算法应用

刷题中学到的算法在实际工作中的典型应用：

  • 哈希表：缓存实现、去重
  • 优先队列：任务调度
  • 图算法：社交网络分析
  • 字符串算法：搜索引擎

6.3 持续学习的资源推荐

我常使用的进阶资源：

  1. 《算法导论》（经典教材）
  2. LeetCode讨论区（优质题解）
  3. 算法可视化网站（直观理解）
  4. 技术博客（实战经验分享）

刷题三年多来，最大的体会是：算法能力的提升不是线性的，而是阶梯式的。每次突破一个瓶颈期，解决问题的能力就会上一个新台阶。2026.1.22这天的刷题笔记，记录了我在动态规划和优先队列应用上的新理解，也为后续的算法学习打下了更坚实的基础。