算法

N 叉树的层序遍历 题目链接 给定一个 N 叉树，返回其节点值的层序遍历。（即从左到右，逐层遍历）。 树的序列化输入是用层序遍历，每组子节点都由 null 值分隔（参见示例）。 示例 1： 示例 2：

二叉树的前序遍历 题目链接 给你二叉树的根节点 root ，返回它节点值的 前序 遍历。 示例 1： 示例 2： 示例 3： 示例 4： 示例 5： 提示： 树中节点数目在范围 [0, 100] 内

用栈实现队列 题目链接 请你仅使用两个栈实现先入先出队列。队列应当支持一般队列支持的所有操作（push、pop、peek、empty）： 实现 MyQueue 类： void push(int x)

反转字符串 题目链接 编写一个函数，其作用是将输入的字符串反转过来。输入字符串以字符数组 s 的形式给出。 不要给另外的数组分配额外的空间，你必须**原地修改输入数组**、使用 O(1) 的额外空间解

有效的字母异位词 题目链接 给定两个字符串 s 和 t ，编写一个函数来判断 t 是否是 s 的字母异位词。 **注意：**若 s 和 t 中每个字符出现的次数都相同，则称 s 和 t 互为字母异位词

移除链表元素 题目链接 给你一个链表的头节点 head 和一个整数 val ，请你删除链表中所有满足 Node.val == val 的节点，并返回 新的头节点 。 示例 1： 示例 2： 示例 3：

二分查找 给定一个 n 个元素有序的（升序）整型数组 nums 和一个目标值 target ，写一个函数搜索 nums 中的 target，如果目标值存在返回下标，否则返回 -1。 示例 1: 示例

排序 评价维度： 运行效率：我们期望排序算法的时间复杂度尽量低，且总体操作数量较少（即时间复杂度中的常数项降低）。对于大数据量情况，运行效率显得尤为重要。 就地性：顾名思义，原地排序通过在原数组上直接

搜索 二分查找 二分查找是一种基于分治策略的高效搜索算法。它利用数据的有序性，每轮减少一半搜索范围，直至找到目标元素或搜索区间为空为止。 双闭区间 如下图所示，我们先初始化指针i=0 和 j=n−1

图 图是一种非线性数据结构，由顶点和边组成。我们可以将图 (G) 抽象地表示为一组顶点 (V) 和一组边 (E) 的集合。以下示例展示了一个包含 5 个顶点和 7 条边的图。 V = { 1, 2,

堆 堆是一种满足特定条件的完全二叉树，主要可分为下图所示的两种类型。 大顶堆：任意节点的值 ≥ 其子节点的值。 小顶堆：任意节点的值 ≤ 其子节点的值。 堆作为完全二叉树的一个特例，具有以下特性。 最

两数之和 给定一个整数数组 nums 和一个整数目标值 target，请你在该数组中找出 和为目标值 target 的那 两个 整数，并返回它们的数组下标。 你可以假设每种输入只会对应一个答案。但是，

二叉树 二叉树是一种非线性数据结构，代表着祖先与后代之间的派生关系，体现着“一分为二”的分治逻辑。与链表类似，二叉树的基本单元是节点，每个节点包含：值、左子节点引用、右子节点引用。 Python： G

哈希表 哈希表，又称散列表，其通过建立键 key 与值 value 之间的映射，实现高效的元素查询。具体而言，我们向哈希表输入一个键 key ，则可以在 O(1) 时间内获取对应的值 value 。

栈 栈是一种遵循先入后出的逻辑的线性数据结构。如下图所示，我们把堆叠元素的顶部称为“栈顶”，底部称为“栈底”。将把元素添加到栈顶的操作叫做“入栈”，删除栈顶元素的操作叫做“出栈”。 栈常用操作 栈的常

常见数据结构 常见的数据结构包括数组、链表、栈、队列、哈希表、树、堆、图，它们可以从“逻辑结构”和“物理结构”两个维度进行分类。 逻辑结构可被分为“线性”和“非线性”两大类。线性结构比较直观，指数据在

迭代 迭代是一种重复执行某个任务的控制结构。在迭代中，程序会在满足一定的条件下重复执行某段代码，直到这个条件不再满足。 for 循环 for 循环是最常见的迭代形式之一，适合预先知道迭代次数时使用。