1. 你远比你想象的更加强大 #
总算有时间更新力扣了！
重点先更新hot100，其中包含很多类题目，如：哈希，双指针，滑动窗口，子串，普通数组，矩阵，链表，二叉树，图论，回溯，二分查找，栈，堆，贪心算法，动态规划，多维动态规划，以及技巧题等，如果你是为了面试刷题，那么这绝对很合适你；我亲身经历的大厂面经可以佐证这一点。以下内容我将概要性的介绍每种数据结构或算法的大致思路。
1.1 哈希 #
典型的空间换时间的数据结构，底层一般是数组加链表的结构，写入，删除，修改，查询的时间复杂度均为O(1)，题目中如果有这类要求，一般会用到字典。比如说：两数之和，LRU缓存等。
1.2 双指针 #
双指针有两种类型，一是左右指针(又分为两边向中间走，截止条件是左<=右，中间向两边走，下标别越界就继续循环)，二是快慢指针(在同一起跑线，快指针负责探路，慢指针负责处理)
1.3 滑动窗口 #
1.4 子串 #
1.5 普通数组 #
1.6 矩阵 #
1.7 链表 #
1.8 二叉树 #
二叉树有两种遍历方式，一个是递归遍历，也称为深度优先遍历，另一个是迭代遍历，也称为广度优先遍历；
其中递归遍历又分为两种解题思路，一个是动态规划，一个是回溯算法，它俩都有前中后序遍历，对应不同的代码执行时机。如果将遍历函数写成闭包的形式，由于闭包内部可以直接访问闭包外部的变量，所以这种情况下，回溯算法也不需要显示地传递额外的指针了；
动态规划是从整体角度考虑问题，它将问题划分为子问题进行处理，在树里面就是划分为当前节点+左右子树的问题，在代码的表现形式上，通常需要充分利用递归函数的返回值，它通常不需要给递归函数传递额外的指针变量；
而回溯算法是从局部的角度考虑问题，它将问题落实到每一个遍历的节点上，在代码的表现形式上，通常需要给遍历函数传递额外的指针，用于记录满足题意的结果，通常遍历函数不需要返回值。
迭代遍历代码量相对于递归来说要多一些，通常用于解答层序遍历相关的问题。
在hot100里面的二叉树题目中，我尽量以多种思路来解答，各位可以根据自己的实际情况，选择你更能理解的解题思路。
1.9 图论 #
1.10 回溯 #
1.11 二分查找 #
1.12 栈 #
1.13 堆 #
1.14 贪心算法 #
1.15 动态规划 #
1.16 多维动态规划 #
1.17 技巧 #
然后专题介绍每种类型的题目所用到的算法模板，分别有：双指针秒杀数组问题，前缀和及差分数组，双指针秒杀链表问题，滑动窗口，二叉树等。持续更新中….
最后罗列一下这么多年以来，互联网大厂的实际面试算法题
github地址：https://github.com/yswang837/golang-leetcode
2. hot-100随机一题 #
package main
import (
"fmt"
"math/rand"
"time"
)
type problem struct {
t int
numbers []string
}
type problems struct {
kind []problem
}
func newProblems() *problems {
return &problems{[]problem{
{1, []string{"1. 两数之和", "49. 字母异位词分组", "128. 最长连续序列"}},
{2, []string{"283. 移动零", "11. 盛最多水的容器", "15. 三数之和", "42. 接雨水"}},
{3, []string{"3. 无重复字符的最长子串", "438. 找到字符串中所有字母异位词"}},
{4, []string{"560. 和为K的字数组", "239. 滑动窗口最大值", "76. 最小覆盖子串"}},
{5, []string{"53. 最大子数组和", "56. 合并区间", "189. 轮转数组", "238. 除自身以外的数组的乘积", "41. 缺失的第一个正数"}},
{6, []string{"73. 矩阵置零", "54. 旋转矩阵", "48. 旋转图像", "240. 搜索二维矩阵II"}},
{7, []string{"160. 相交链表", "206. 反转链表", "146. LRU缓存", "234. 回文链表", "141. 环形链表", "142. 环形链表II", "21. 合并两个有序链表", "2. 两数相加", "19. 删除链表的倒数第N个结点", "24. 两两交换链表中的节点", "25. K个一组翻转链表", "138. 随机链表的复制", "148. 排序链表", "23. 合并K个升序链表"}},
{8, []string{"94. 二叉树的中序遍历", "104. 二叉树的最大深度", "226. 翻转二叉树", "101. 对称二叉树", "543. 二叉树的直径", "102. 二叉树的层序遍历", "108. 将有序数组转换为二叉搜索树", "98. 验证二叉搜索树", "230. 二叉搜索树中第K小的元素", "199. 二叉树的右视图", "114. 二叉树展开为链表", "105. 从前序与中序遍历序列构造二叉树", "437. 路径总和III", "236. 二叉树的最近公共祖先", "124. 二叉树中的最大路径和"}},
{9, []string{"200. 岛屿数量", "994. 腐烂的橘子", "207. 课程表", "208. 实现Trie(前缀树)"}},
{10, []string{"46. 全排列", "78. 子集", "17. 电话号码的字母组合", "39. 组合总和", "22. 括号生成", "79. 单词搜索", "131. 分割回文串", "51. N皇后"}},
{11, []string{"35. 搜索插入位置", "74. 搜索二维矩阵", "34. 在排序数组中查找元素的第一个和最后一个位置", "33. 搜索旋转排序数组", "153. 寻找旋转排序数组中的最小值", "4. 寻找两个正序数组的中位数"}},
{12, []string{"20. 有效的括号", "155. 最小栈", "394. 字符串解码", "739. 每日温度", "84. 柱状图中最大的矩形"}},
{13, []string{"215. 数组中的第K个最大元素", "347. 前K个高频元素", "295. 数据流的中位数"}},
{14, []string{"121. 买卖股票的最佳时机", "55. 跳跃游戏", "45. 跳跃游戏II", "763. 划分字母区间"}},
{15, []string{"70. 爬楼梯", "118. 杨辉三角", "198. 打家劫舍", "279. 完全平方数", "322. 零钱兑换", "139. 单词拆分", "300. 最长递增子序列", "152. 乘积最大子数组", "416. 分割等和子集", "32. 最长有效括号"}},
{16, []string{"62. 不同路径", "64. 最小路径和", "5. 最长回文子串", "1143. 最长公共子序列", "72. 编辑距离"}},
{17, []string{"136. 只出现一次的数字", "169. 多数元素", "75. 颜色分类", "31. 下一个排列", "287. 寻找重复数"}},
}}
}
func main() {
rand.Seed(time.Now().UnixNano())
p := newProblems()
// 0: hot-100 内的任意题目
// 1: 哈希
// 2: 双指针
// 3: 滑动窗口
// 4: 子串
// 5: 普通数组
// 6: 矩阵
// 7: 链表
// 8: 二叉树
// 9: 图论
// 10: 回溯
// 11: 二分查找
// 12: 栈
// 13: 堆
// 14: 贪心算法
// 15: 动态规划
// 16: 多维动态规划
// 17: 技巧
fmt.Printf("今天做 %s\n", p.randProblem(8))
}
func (p *problems) randProblem(t int) string {
if t < 0 || t > 17 {
return ""
}
if t == 0 {
allProblem := []string{}
for _, val := range p.kind {
allProblem = append(allProblem, val.numbers...)
}
return allProblem[rand.Intn(100)]
} else {
numbers := p.kind[t-1].numbers
return numbers[rand.Intn(len(numbers))]
}
}