实践记录 | 豆包MarsCode AI刷题

方法

制定合理的刷题计划： 根据自己的学习进度和目标，合理安排每天的刷题量和时间。例如，每天设定一个固定的时间段专门用于刷题，比如晚上 7 点到 9 点。

善于利用错题： 认真分析做错的题目，找出错误的原因，是知识点掌握不牢固，还是解题思路有误。将错题整理起来，定期复习，加深对相关知识点的理解。

注重题目质量： 选择的题目来源，比如像豆包 MarsCode AI 刷题中的精选真题。这些题目往往更具有代表性和针对性，能够更好地帮助您巩固知识和提升能力。

多角度思考问题： 对于同一道题目，尝试从不同的角度去思考解题方法，拓宽自己的思维方式。

结合多种学习资源： 将 AI 刷题功能与其他学习资源相结合，比如相关的教材、网课等。通过多种途径加深对知识点的理解，从而提高刷题的效果。

定期总结反思： 每隔一段时间，对自己的刷题情况进行总结，分析自己的进步和不足之处，及时调整刷题策略。

以下是一道使用 Python 解决两数之和问题的 AI 刷题思路及做题过程：

题目：给定一个整数数组 nums 和一个目标值 target，请找出数组中两个数的和等于目标值的索引。

思路：

1. 首先遍历数组中的每一个元素。
2. 对于当前元素，计算目标值与当前元素的差值。
3. 在剩余的元素中查找是否存在这个差值。
4. 如果找到，返回这两个元素的索引；如果遍历完数组都未找到，返回空。

def two_sum(nums, target):
    for i in range(len(nums)):
        diff = target - nums[i]
        for j in range(i + 1, len(nums)):
            if nums[j] == diff:
                return [i, j]
    return []

nums = [2, 7, 11, 15]
target = 9
print(two_sum(nums, target))  

在这个过程中，通过两层循环来遍历数组，时间复杂度为 $O(n^2)$。如果要进一步优化，可以考虑使用哈希表来降低时间复杂度。 提高代码效率的常见方法：

选择合适的数据结构： 根据具体的问题和数据操作需求，选择合适的数据结构，如数组、链表、栈、队列、树、图等例如，如果需要频繁的插入和删除操作，链表可能比数组更合适。

优化算法： 算法的时间和空间复杂度，寻找更高效的算法。例如，在排序问题中，快速排序在大多数情况下比冒泡排序效率更高。

避免不必要的重复计算： 如果某些计算结果可以被重复使用，将其缓存起来，避免重复计算。

减少函数调用开销： 如果函数调用过于频繁且函数内部逻辑简单，可以考虑将函数内的代码直接嵌入到调用处。

合理使用内存： 及时释放不再使用的内存，避免内存泄漏。

并行计算： 在多核环境下，利用多线程或多进程进行并行计算，提高计算速度。

代码优化技巧： 例如，使用位运算代替一些常规运算，在合适的情况下使用移位操作代替乘法和除法等。

以下是一个使用 Python 示例，展示如何通过优化算法来提高代码效率：

# 未优化的冒泡排序
def bubble_sort_naive(nums):
    n = len(nums)
    for i in range(n):
        for j in range(0, n - i - 1):
            if nums[j] > nums[j + 1] :
                nums[j], nums[j + 1] = nums[j + 1], nums[j]

# 优化后的冒泡排序，添加了一个标志来判断某次遍历是否发生了交换
def bubble_sort_optimized(nums):
    n = len(nums)
    swapped = True
    while swapped:
        swapped = False
        for i in range(n - 1):
            if nums[i] > nums[i + 1]:                nums[i], nums[i + 1] = nums[i + 1], nums[i]
                swapped = True