引言

开篇

这个系列坑主要围绕 leetcode 和基本数据结构学习。我大概是第三次刷 leetcode 了，第一次是大学玩 ACM 的时候热身刷，用c++表达。第二次是一年多前面试 facebook 前端时刷了一下，但没有刷完。最近想用js表达再刷一次发布出来。

数据结构与算法，顾名思义就是 数据结构＋算法。数据结构为了存储设计一个面向存储的实现方式，为了程序接触方便则需要拗一个数据的造型，所以主要就分为存储方式＋造型（结构）。算法说白了就是一些程序逻辑，作用在数据结构上，为了实现一个需求。首先，需求要满足，需要对它测试。其次在满足需求的前提下通过一些评价指标，比如时间空间复杂度来评价这个方案并优化它。最后，我们需要清晰的表达出我们的逻辑，要追求 clean code，让大家一目了然通读。

思想

我自己参加过很多面试，也面试过很多人，一些同学对算法是抵触的，觉得好像就是一个理论体系。其实不然，一到算法题你可以当做一个工程题。产品经理提的需求就是一个input和一个output，并且对你的性能有所要求，关键是这个需求不会改！那么我们该怎么做？当然首先把 文字转换为数据，通过我们选择的语言变成一个你想实现的数据结构，比如我用数组，我用链表，我用树。这都ok，目的就是为了在计算机中表达出这个数据。至于到底选什么当然会根据性能根据需求而定，你可以放大并把它理解为技术选型。当然这些基础数据结构本身也有一些模版代码，比如树怎么实现，链表怎么实现。这些数据结构上一定需要绑一些逻辑，最后输出成output。这些逻辑本身会有副作用，于是我们拿到一定也会先把需要用到的副作用变量申明好，命名好。比如树的遍历，我一定需要一个当前的缓冲值，然后考虑我的算法方法，边界条件等等。做完之后记得写测试判断需求是否满足，然后评价&优化它。

评价

在解决一个问题的时候，我们会有个万能的方法，就是所有情况都去尝试。虽然笨但是一定能做出来，代价就是运行次数规模，我们把它可以作为一个时间维度的评价的指标。于此对应自然就会有空间维度的评价指标，同样解决这个问题，你再干的时候有很大的副作用空间，需要给你挪很多地方放东西，那么也是一个评价指标。对时间性能所谓好的方法解决一个问题自然就是，通过每个问题的特点分析，构造我们逻辑去尽可能的命中有用的逻辑，尽可能减少重复的无用逻辑，一旦命中有用逻辑分支，那么else的所有情况就被跳过了。所有的算法我们可以看特点，都是分析需求特点，然后看看我们有没有办法让他更容易命中有用逻辑，跳过更多无用的执行次数。比如树的优先查找算法，这种结构当我们一条路检测到某个特诊后，下面的路不用走了，直接剪枝，回去走新路，当然对于走路是一路往下走还是走一路换旁边的路再往下，走多少跳出来，都是根据需求判定哪个更容易更少走无用路。我如果更容易命中特征也就更快的能知道这里可以走，这里不可以走，开启新的路。

我希望我表达的更通俗更好理解，以实战为主。