这是一个创建于 1453 天前的主题，其中的信息可能已经有所发展或是发生改变。
刷一道算法题，求解的思考过程远比知道最终解法要重要。就好比数学 /物理定理，你知道了会用是一种境界，能完整证明它们又是另一种境界。所以如果可能的话，尽量不要让自己陷入靠记忆解决问题的地步。
要怎么做呢？我提供一个以前同学的例子。他本科是工科，研究生转了 CS 专业，毕业后刷题 3 个月拿到了 Facebook，Google，Amazon 的全职 offer 。他刷题的方法就是做笔记，这是他 3 个月刷题过程中整理的笔记，将近 900 页，你们感受下（笔记链接点这里）
他刷题的原则很简单，不要把“题目数量”作为刷题指标，而应该把问题拆解，拆成具体的问题模式和对应的解决方法。用图来表示的话大概像是这样：
每道算法题都有其构成的基本单位，比如有什么数据结构、用到了某某算法等。通过将问题拆分，做类比分析思考，自行做“聚类操作”，我们就能构建自己的算法知识体系。这个过程做笔记是最有效的。
比如很多问题都可以转化成“Tree”或者“Graph”，或者“递归”
- 搜索问题基本是多叉树，有些问题就是以 root 为起点的“走迷宫”——DFS + Backtracking
- 有些在搜索 /子问题树里，要按特定顺序进行处理——在二叉树里，我们叫它 pre-order / in-order / post-order 遍历
- 有些时候，树的结构与子问题重复性很高——于是有了记忆化搜索 / 动态规划
所以刷题实际上是不断抽象，越刷越少的过程。面试中遇到了所谓“新题”，很可能只是我们抽象总结得还不够。
很多题看过答案后，你以为自己懂了，其实并没懂。
就拿动态规划来说，刚开始刷的时候往往都摸不着头脑，看了答案之后恍然大悟，原来是这样，只要找到状态转移方程，之后就简单了。
然而答案一般直接告诉你了状态转移方程，却不会说明是如何找到状态转移方程的。这个思考过程在刷题中其实是欠缺的，下次遇到动规题还是很大可能不会。
回到刷题本身，不要寄太大希望于“速成”。一般要制定一个至少几个月的学习计划，根据自己当前的基础和水平做针对性训练。
针对算法面试，我也总结了面试常见知识点的考察频率和建议的刷题量。
在我主讲的《九章算法班》中，除了会讲如何刷题外，还会谈谈面试中正确沟通的技巧，培养 coding style 和 bug free 的能力。按照我的方法刷题，1 个月就能搞定算法面试。
报名方式
目前尚无回复
Select Language