1. 回顾数据结构&算法

让我们重新回顾一下数据结构的整体分类和算法，并自己内心说明各个数据结构的特性，回忆算法的思想和代码模板。

1.1 一维数据结构

基础的有：数组（查询快，插入操作较慢，需要重新分配空间）、链表（查询慢，插入比数组快）
高级的有：栈stack（先进后出）、队列queue（先进先出）、双端队列deque（适用于FIFO和LIFO两个场景）、集合Set（无重复元素集合）、映射map(hash 或者 map)、etc

1.2 二维数据结构

基础的有：树tree、图Graph（链表是特殊化的树，树是特殊化的图）
高级的有：二叉搜索树binary search tree (red-black tree,AVL)、堆heap、并查集disjoint Set、字典树 Trie、etc

1.3 特殊

位运算 bitwise、布隆过滤器 BloomFilter
LRU Cache
注意：在脑海中回忆数据结构的特点

1.4 算法

if-else，switch ——> branch
for,while loop ——> Iteration
递归 Recursion(Divide & Conquer,backtrace)
搜索Search：深度优先搜索 Depth first Search, 广度优先搜索Breadth first search , A*，etc
动态规划 Dynamic Programming
二分查找 binary Search
贪心算法 Greedy
数学 Math，几何 Geometry

注意：在脑海中回忆上面的各种算法思想和代码模板

在脑海中回忆这四种算法的思想和代码模板：分治 + 回溯 + 递归 + 动态规划
递归代码模板：**

public void recur (int level, int param) {
    // terminator
    if (level > MAX_LEVEL) {
        # process result
        return ;
    }
    // process current logic
    process(level,param);
    // dirll down 
    recur(level + 1, newParam);
    // restore current result
}

分治 Divide & Conquer代码模板：

def divide_conquer(problem,param1,param2,...):
    # recursion terminator
    if problem is None:
        print_result
        return 
    # process data
    data = process_data(problem)
    subproblems = split_problem(problem, data)

    # conquer subproblems
    subresult1 = self.divide_conquer(subproblems[0], p1,...)
    subresult2 = self.divide_conquer(subproblems[1], p1,...)
    subresult3 = self.divide_conquer(subproblems[2], p1,...)
    ...
    # process and generate the final result
    result = process_result(subresult1,subresult2,subresult3,...)

    # revert the current level status

注意-重点：

拒绝人肉递归，费时耗力不讨好
找到最近最简方法，将其拆分为可重复解决的entity
数学归纳法思维，简单高效反天性

找重复性

2. 动态规划

2.1 动态规划定义

1.Wiki 定义：
https://en.wikipedia.org/wiki/Dynamic_programming
2.”Simplifying a complicated problem by breaking it down into simpler sub-problems” (in a recursive manner)
3.Divide & Conquer + Optimal substructure
分治 + 最优子结构

关键点: