算法

详解 LeetCode 第 4 题的两种解法：从 O(m+n) 合并数组到 O(log(min(m,n))) 二分切割，掌握中位数问题的核心思想与优化思路。

最大乘积子数组需同时维护以当前元素结尾的最大与最小乘积，以应对负数反转和零重置，并在每一步考虑从当前元素重新开始的可能。

本文由浅入深讲解 LIS 问题，从 O(n²) 动态规划出发，通过耐心排序模型引出 O(n log n) 贪心 + 二分解法，助你彻底掌握这一经典算法。

一道高频前端面试题“列表转树”，从朴素递归到哈希优化，详解O(n²)到O(n)的性能跃迁与面试应对策略。

本文深入解析算法的时间与空间复杂度，结合典型代码示例，教你如何评估和优化程序效率，掌握从 O(1) 到 O(2ⁿ) 的性能关键。

从删除节点到快慢指针，本文通过四道高频链表题，揭示面试官真正看重的代码思维：用哨兵统一边界、用双指针优化空间，写出健壮又优雅的解法。

本文通过 LeetCode 73 题“矩阵置零”，详解如何利用第一行/列作为标志位，将空间复杂度从 O(m+n) 优化至 O(1)，并剖析为何必须单独处理首行首列以避免信息混淆。

从超时到滑动窗口：我是如何用「字母计数」优化「找异位词」算法的 今天我要带你复盘一道经典的字符串匹配题——寻找所有异位词。

深入理解回溯算法：从树形图出发，写出清晰可靠的代码 最近在刷 LeetCode 的过程中，我频繁遇到“子集”、“组合”、“全排列”、“组合总和”等题目。它们形式各异，但解题核心高度一致——回溯算法。