并查集：从社交网络连通性到LeetCode通关的完整指南
假设你正在开发一个社交网络应用，需要实时回答"用户A和用户B是否在同一个社交圈内"这类查询——用户之间可以通过好友关系不断形成更大的圈子。每添加一个好友关系，圈子就可能合并；每查询一次，就需要判断两个用户是否已经连通。如果用传统的图遍历方法，每次查询都可能需要遍历整个图，当用户量达到百万级别时，系统会变得极其缓慢。 ...
编程技术
堆与优先队列为什么能在对数时间内找到第K大元素:从完全二叉树到堆排序的完整技术解析
1964年，J.W.J. Williams在发表堆排序算法时，顺带发明了一种被称为"堆"的数据结构。他可能没想到，这个最初为排序服务的数据结构，会在六十年后成为每一位程序员面试的必考内容。从操作系统进程调度到网络路由的最短路径计算，从数据库查询优化到实时数据流的中位数统计，堆的身影无处不在。 ...
深度优先与广度优先搜索:从栈与队列的选择到最短路径的博弈
给定一个迷宫，从入口到出口有多条路径。你应该选择哪种策略？一种方式是沿着每条路一直走到底，走不通就返回上一个分叉口换条路——这就是深度优先搜索。另一种方式是先探索所有离入口距离为1的格子，再探索距离为2的格子，层层推进——这就是广度优先搜索。 ...
贪心算法:为什么每次只做局部最优选择却能得到全局最优解
给定一组活动，每个活动都有开始时间和结束时间，要求选出最多的互不重叠的活动。最直观的思路是尝试所有可能的组合，但这样的时间复杂度是指数级的。如果换一个角度：每次都选择结束时间最早且不与已选活动重叠的活动，只需要一次遍历就能得到最优解。 ...
单调栈算法:如何用O(n)时间找到下一个更大元素
给定一个长度为100万的数组，要求找出每个元素右侧第一个比它大的元素。最直观的做法是：对每个元素，向右扫描直到找到更大的元素。最坏情况下，每个元素都需要扫描到数组末尾——总的时间复杂度是$O(n^2)$。 ...
回溯算法:从决策树到剪枝优化的完整LeetCode通关指南
假设你需要生成数组 [1, 2, 3] 的所有排列。最直观的想法是写三重循环，每一层选择一个不同的元素——但如果数组长度是 10 呢？你需要写 10 层嵌套循环。更糟糕的是，如果数组长度不固定呢？ ...
前缀和算法如何用一次预处理换来O(1)区间查询
给定一个长度为100万的数组，需要回答10万次查询——每次查询要求计算某个区间的元素之和。最直观的做法是：对每个查询，遍历从左端点到右端点的所有元素进行累加。假设平均区间长度为50万，总操作次数约为500亿次，在现代CPU上需要运行数秒甚至更久。 ...