想要学习算法、应付笔试或者应付面试手撕算法题，相信大部分人都会去刷 Leetcode，有读者问？如果我在 leetcode 坚持刷它个 500 道题，以后笔试/面试稳吗？

这里我说下我的个人看法，我认为不稳。下面说说为啥不稳以及算法题应该如何刷、如何学才比较好，当然，也会推荐自己学过的资料。

一、先说说笔试题

在刷 leetcode 的时候，你会发现，每道题的题意都很短，你只需要花十几秒的时间，就知道这道题是要你干嘛了，并且每道题所用道的算法思想都很明确，动态规划、递归、二分查找等，你可能很快就知道该用哪种方法，只是你不懂如何把代码写出来而已。

而在笔试中是完全不一样的，在笔试中，大部分题目都是情景题，可能读懂个题目都需要花不少时间，偶尔还会遇到不大知道题目要我们干嘛，而且有时间限制，估计每道题给你分配的时间是 30 分钟。这里我随便扔一道题给大家看看（Shopee去年的真题）

并且你可能不容易看出来，这些道题该用什么方法好，有可能是多种方法的结合（当然，不是指这道题哈）。

也就是说，在 leetcode 中，hard 级别的题做的出来，而在笔试中 medium 级别的，由于时间、心态等因素的影响。你可能还做不出来，当然，大佬除外。下面说一说题型的一些题型以及如何学习算法会好应付点。

在笔试中，我认为主要有如下几种题型：

1、基本数据结构的考察：这类题我觉得是比较简单的，主要考场基本数据结构的操作，例如二叉树的层序遍历，链表的逆序等，当然，它不会直接告诉你，让你来逆序或者遍历。例如

2、某种算法思想的掌握：这类题你掌握了某种算法思想，就会比较容易，如果不懂，那就凉凉了。例如动态规划、回溯、枚举、深度/广度、贪心、二分等。其中，我觉得动态规划考的挺多，还要就是 回溯+深度/广度。例如

所以，常见算法思想，一定要掌握。

3、边界条件的考察：这类型的题，估计你一看就有思路，知道该怎么做，但是，它的边界条件特别多，需要分很多种情况来讨论，特别容易出错，有时候会让人陷进去，越做越复杂，这类题主要考场你的思维严谨程度。例如

4、找规律、数学公式：这类型的题，主要是根据数据之间的一些关系，来找一些规律，进而推出他们的通用公式，就像我们高中时，找数列的同项一样。例如

二、应该如何刷题？如何学习？

上面说了笔试题的一些情况，也说了主要考察的一些题型。针对这些题型，我觉得在刷题的时候，你要做好下面几件事。

1、分类归纳/总结

归纳？总结？估计大部分都知道归纳、总结这么一回事，但是，有没有去实践我就不知道了。

（1）、数组和相关题型

对于算法题，还是有很多种题型需要去总结的，如果你懂这个题型，以后遇到类似的题，相信很快就能做出来的。有哪些题型可以总结呢？答是非常多：例如

（1）、给你一个非负数的数组，求最大子数组和的长度

这算是一个题型，关于这个题型，有很多种变形、拓展，这里建议一起归纳总结，例如

（2）、刚才给的数组是非负数的，现在变一下，给的数组是可正可负。

还能继续拓展吗？答是可以的，例如

（3）、给你个矩阵（即二维数组），求最大子矩阵和的面积

还有吗？有，例如刚才是求最大和，现在我改成求最大乘积。

我举上面这些例子，就是想告诉你，对于前期的学习，我建议分类刷题，总结题型，像我上面举的这些例子，在笔试/面试中还是比较常见的，如果你懂得对应的方法，就可以秒杀了，因为这类题，没啥边界或者规律。例如我刚才距离的Shopee的零食柜那道题，实际上就是数组切割题型，相当于给你一个数组，让你切割 n 下，那么可以把数组切割成 n + 1 个子数组，怎么样切割，才能让最大子数组的和最小？

关于题型的，还是很多的，我这里无法一一给你列举，只能靠你刷题的过程中，进行分类、总结。不过我可以给你推荐一些资料，后面推荐哈。下面我在说一些题型吧。

（2）、基本数据结构操作相关题型

刚才我说了，笔试题的考察，有一类题是基本数据结构的考场，而且，这类题在面试中，也是高频考点，在笔试中，倒不是很高频。对于这类题，我觉得你愿意去总结，那么以后遇到，问题不大。例如

链表的各种操作：逆序（部分逆序、按某种条件逆序）、判断是否有环，环的入口节点、删除指定节点等。

二叉树的各种操作：各种非递归的遍历操作（前中后、层）、二叉树的公共祖先、根据前中后的遍历结果来重构二叉树等等。

队列、栈相关操作：最小栈、来队列来实现栈等。

（3）、字符串相关问题

不得不说，字符串相关问题，估计考的最高频，而且，我可以告诉你，对于字符串相关问题，90% 可以用动态规划来解决。反正对于字符串问题，我一般想法就是能否套用动态规划，字符串问题有点多，不过你有时间，建议总结。例如：通配符的匹配、最长公共子串、最小编辑代价、最长回文串等等。大部分都是用动态规划，而且，我觉得解法都差不多，所以强烈建议专门花一段时间来做、总结、归纳。后面我也会写这方面的算法文章，敬请期待。