1. 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（hash or 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

2. 算法

基础

• 条件判断：if-else, switch -> branch
• 迭代循环：for, while loop -> iteration
• 递归：Recursion(Divide & Conquer, Backtrace)

高级

• 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 Geometry

3. 方法论

职业训练

• 拆分知识点
• 刻意练习
• 反馈

切题四件套

• Clarification 明确题目
• Possible solutions 寻求多种解法，找出最优解
  • compare（time/space）比较
  • optimal 优化
• Coding 刻意练习
• Test cases 测试用例，有始有终

五毒神掌

第一遍

• 5分钟：读题 + 思考
• 直接看解法：注意！多解法，比较解法优劣
• 背诵、默写好的解法

第二遍

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

第三遍

• 过一天后，再重复做题
• 不同解法的熟练程度 -> 专项练习

第四遍

• 过了一周，反复回来练习相同题目

第五遍

• 面试前一周恢复性训练

第三遍的时候就可以看一看leetcode国际站的Discuss中Most Vote前三回答，学习先进思路，会有很大帮助

4. 时间和空间复杂性

时间复杂度： Big O notation

• O(1): Constant Complexity 常数
• O(log n): Logarithmic Complexity 对数
• O(n): Linear Complexity 线性
• O(n^2): N square Complexity 平方
• O(n^3): N square Complexity 立方
• O(2^n): Exponential Growth 指数
• O(n!): Factorial 阶乘

注意： 只看最高复杂度的运算

复杂度分析方式：Master Theorem 主定理

5. 解决思想

核心思想： 升维 和 空间换时间

解题思路

• 最近子问题