LeetCode
LeetCode（十）—— 栈与队列
栈和队列在数据结构里看起来很不起眼，可一旦真做起算法题，会发现它们出现的频率高得惊人。原因其实只有一句：大部分题目本质上都是在问访问顺序——栈是后进先出（LIFO），队列是先进先出（FIFO），再加上单调栈、双端队列、优先队列这几个变体，括号匹配、下一个更大元素、滑动窗口最值、前 K 大、BFS、还有一票"用 X 实现 Y"的题，几乎全在它们的射程之内。
LeetCode（九）—— 贪心算法
贪心算法看起来像是一种"投机取巧"——每一步只挑当前最划算的选项，从不回头，居然最后能拿到全局最优。代码常常短得离谱，跑得也快。但贪心的真正难点不是写代码，而是判断这道题到底允不允许贪心。同样一个 argmax 循环，在跳跃游戏上完全正确，在 {1, 3, 4} 找零上就会给出错误答案。
LeetCode（八）—— 回溯算法
回溯算法是处理"列举所有可能"这一类问题的标准武器：所有排列、所有子集、所有合法棋盘、网格里所有路径。它的本质是带剪枝的暴力搜索——一次走一步，碰到死路立刻退回去，把刚才做的选择"撤回"，让下一条分支看到一个干净的状态。整套方法只有三步：
LeetCode（七）—— 动态规划入门
动态规划在算法学习里有种被神化的气质，听起来高深莫测，做起来又总像在凑公式。其实它一点都不玄。DP 就是一个非常朴素的想法：把同样的子问题算一次就够了，别反复算。所有让人头大的「状态转移方程」「滚动数组」「区间 DP」，归根结底都是围绕这一个想法在打转。
LeetCode（六）—— 二叉树遍历与构造
二叉树类的题目，本质几乎从来不在"树"上，而在两件事上：你按什么顺序碰节点，以及在决定父节点要做什么之前，你已经从子节点拿到了什么信息。把这两件事想透，前序、中序、后序、层序四种遍历，递归与迭代两种写法，从两种遍历序列还原一棵树，乃至最大深度、验证 BST 这类经典题，都能收敛到同一套配方上。这篇文章就是把这套配方从头讲到尾。
LeetCode（五）—— 二分查找
二分查找是一种"看着简单、写起来翻车"的算法。思路一句话能讲完——每次把搜索区间砍掉一半——但真要在面试中一气呵成写对、还要分得清"找第一个"和"找任意一个"，就会发现各种边界条件让人抓狂。本文不打算再罗列一遍模板，而是想说清楚一件事：为什么模板长这样。一旦理解了背后的不变量，< 还是 <=、right = mid …
LeetCode（四）—— 滑动窗口技巧
如果你写过两层 for 循环去枚举所有连续子数组，那么滑动窗口多半就是你缺的那一步优化。它把 $O(nk)$ 或 $O(n^2)$ 的暴力枚举压成线性的一遍扫描，关键就在于"复用上一步算出来的东西"。本文从最朴素的直觉出发，先讲清楚思路，再用四道高频 LeetCode 题目把套路彻底落地，最后再补一个单调队列的进阶用法。
LeetCode（三）—— 链表操作
链表是最能逼着你用指针思考的数据结构。数组给你一个下标就能跳到任意位置；链表只丢给你一个头指针，剩下的全靠自己一步步走。这种从「随机访问」到「顺序追指针」的切换，正是链表题在面试里反复出现的原因——题目本身简单到一句话讲完，做对却要求你具备最基本的工程素养：画图、给指针起名字、绝不在没判空时解引用。
LeetCode（二）—— 双指针技巧
哈希表是用空间换时间，双指针正好相反：用一点结构假设（数组有序、链表可能成环、答案落在某个连续窗口里），换来 $O(n)$ 时间和 $O(1)$ 额外空间。代码看起来再朴素不过——两个下标、一个 while 循环——但它是新手最容易踩坑的技巧：下标差一、死循环、漏掉去重、平手时移错指针。真正能把这些坑填掉的，不是死记移动规则，而是用循环不变量去思考。
LeetCode（一）—— 哈希表
哈希表是工具箱里性价比最高的"超能力"：每个元素只多花一点点内存，就能让"这个值我之前见过吗？“这种查询变成几乎一条指令的开销。一整类暴力 $O(n^2)$ 的解法，只要换上哈希表，就能直接坍缩成 $O(n)$ 的一次遍历。