前言

从零开始学习数据结构与算法，知识顺序是：先数据结构再算法。
整理知识点的顺序是：对于每个数据结构，会先实现该数据结构，然后讲解关键的知识点、一些概念等。然后辅助一些经典的题。

因为是学习教程，所以不应该是深度优先遍历，而是广度优先的法则，先把比较基础的、常用的学习了。再反过来进阶，补充较高级的知识点。比如b树、图这些

所以目录有两个：
1、我目前掌握的所有关于数据结构与算法的知识图谱目录
2、从0到1逐渐完善的路径目录

参考书籍：

根据掌握程度将学习分为4个阶段：
阶段1-掌握知识
阶段2-脱稿复刷经典题、初步探索新题、代码优化要求
阶段3-敞开题库检验自己解题能力
阶段4-以面试水准要求自己，解题时间控制

1-知识掌握阶段

掌握基本的数据结构与算法，对着知识讲解自己实现一遍相关数据结构与算法，按类型刷经典的中度偏简单的题。
这时的进步可以是：从看到题目呆若木鸡连思路都没有，到知道可以暴力、或者知道是从某个数据结构与算法里借鉴思维变种可以解答某题，再到可以灵活写递归、设计程序结构。

伴随动作：之前不熟悉的api、原来并没有理解透彻的代码执行，一些精妙精巧的代码技巧，一些有用的数学知识、位运算知识等

学习姿势：

《王道考研系列-数据结构考研复习指导》：考研书，理论知识掌握。以及一些经典的课后题，整理题解背后的思路(大致流程图->每一步细分->着重考虑边界条件/递归返回条件/循环结束条件->直至拆分到特别熟悉的小模块无需思考即可写出的代码片段->拼合模块->测试，考虑鲁棒性和可优化空间)，写伪码笔记、整理记忆卡片等。
学习完数据结果知识，自己是否能像这篇回答一样手写出知识点？
北大屈老师-算法课

练习姿势：

参考书籍：

学完了基础知识以后，对数组、链表、树、堆、排序、DFS、BFS、DP、Greedy、Divider-Conquer等都已经比较熟悉了，此时再把之前做过的题目再做一遍；同时再做一些新的题目，可以适当加大题目的难度，并尽量将代码优化到最优；

这时复刷的时候难免会忘记之前的代码细节，可能只是隐隐约约记得算法思路了，这时别急着看源码实现，而是硬着头皮先写一版，自己用学到的方法手撕一遍，然后对照着大师的代码，看看自己的不足！

代码运行不正确的时候，耐心调试~~

综合练习，全面提高自己算法能力，随机一道题，看看能否解决。花20~30分钟思考以后，让人没有思路，再去看solution。

使用姿势三练习到一定程度，我想内功修为已经蛮高了，此时，再有目的的刷，比如为通过Google、微软面试等，这个时候，追求速度。
**

知识输出：
（说实话现在只是对这些经典题有了第一印象了。也尽力覆盖了必知必会的耳熟能详的一些题作为练习题。
期待就是根据这些题能更深刻的体会到所考的知识点，也根据题来考验自己是不是真的会了。

那么我写知识总结的目的是什么呢？（相比看github仓库的代码
github仓库是简单图文介绍相关知识点，对于题库来说，每道题过于细节了，应该将这些题集结起来一起总结：

能（用自己的思路）解释给别人听，xxx 是 xx 的问题

别人问我什么是快速排序，我能

篇幅不应该太长：比如一些很细节的推敲问题：可以放在评论里写出来或者是其他文稿里写

总结题— 再看到这个题我有思维，而不再是只有的暴力解法
- 某个知识点集合起的题—- 重在该知识点思维的抽象，然后抽解不同，在不同的题里该知识点是怎么小改变的
- 一题多解，扩散涉及到的其他知识点。（某个题可以针对一题多解还可以串联解释相关知识点，比如斐波拉契可以解释迭代、递归、dp）

培养框架式思维、总结框架式代码
**

常用算法要形成自己的模板。比如：递归、二分查找、动态规划等！