力扣刷题三年经验：算法提升与实战技巧

1. 力扣刷题的价值与意义

作为一名程序员，我坚持刷题已经三年多了。2026年1月18日这天，我照例完成了当日的力扣(LeetCode)刷题计划。很多人问我为什么能坚持这么久，其实答案很简单 - 刷题是提升编程能力最直接有效的方式之一。

刷题不仅仅是应付面试的手段。通过系统性地解决各类算法问题，我们能够：

• 深入理解数据结构和算法的核心原理
• 培养严谨的逻辑思维能力
• 提高代码质量和编写效率
• 积累常见问题的解决模式

2. 我的每日刷题流程

2.1 题目选择策略

我通常会从以下几个维度选择当天的刷题内容：

1. 按照力扣的每日一题
2. 针对薄弱环节专项突破
3. 复习之前做过的难题
4. 随机选择中等难度题目保持手感

在2026.1.18这天，我选择了以下三道题目：

• 每日一题：力扣第987题"二叉树的垂序遍历"
• 专项突破：力扣第215题"数组中的第K个最大元素"(堆排序实现)
• 随机中等：力扣第46题"全排列"

2.2 解题时间分配

我将90分钟的刷题时间分配如下：

• 15分钟：阅读题目，理解需求，构思解法
• 45分钟：编写代码，调试通过
• 20分钟：优化代码，分析复杂度
• 10分钟：记录解题思路和心得

提示：严格控制每道题的时间非常重要，避免在一道题上花费过多时间而影响整体效率。

3. 解题过程详解

3.1 二叉树的垂序遍历(力扣987)

这道题要求按照垂直顺序遍历二叉树节点。我的解题思路如下：

1. 使用哈希表记录每个列索引对应的节点值
2. 通过BFS遍历二叉树，记录每个节点的行列信息
3. 对同列同行的节点值进行排序
4. 按照列索引顺序输出结果

from collections import defaultdict, deque def verticalTraversal(root): if not root: return [] column_table = defaultdict(list) queue = deque([(root, 0, 0)]) while queue: node, row, col = queue.popleft() column_table[col].append((row, node.val)) if node.left: queue.append((node.left, row + 1, col - 1)) if node.right: queue.append((node.right, row + 1, col + 1)) result = [] for col in sorted(column_table.keys()): column_table[col].sort() result.append([val for row, val in column_table[col]]) return result

复杂度分析：

• 时间复杂度：O(NlogN)，需要对节点进行排序
• 空间复杂度：O(N)，存储所有节点信息

3.2 数组中的第K个最大元素(力扣215)

这道题有多种解法，我选择使用堆排序来实现：

import heapq def findKthLargest(nums, k): heap = [] for num in nums: heapq.heappush(heap, num) if len(heap) > k: heapq.heappop(heap) return heap[0]

优化思路：

1. 维护一个大小为k的最小堆
2. 当堆大小超过k时，弹出最小元素
3. 最终堆顶即为第k大元素

注意：也可以使用快速选择算法，平均时间复杂度为O(N)，但在最坏情况下会退化到O(N^2)。

3.3 全排列(力扣46)

这道题考察回溯算法的应用：

def permute(nums): def backtrack(first=0): if first == n: output.append(nums[:]) for i in range(first, n): nums[first], nums[i] = nums[i], nums[first] backtrack(first + 1) nums[first], nums[i] = nums[i], nums[first] n = len(nums) output = [] backtrack() return output

关键点：

1. 通过交换元素实现排列
2. 递归处理后续位置
3. 注意回溯时要恢复原始状态

4. 刷题经验分享

4.1 常见问题与解决

1. 时间超出限制：

   • 检查算法复杂度是否最优
   • 避免不必要的重复计算
   • 考虑使用记忆化或动态规划

2. 边界条件错误：

   • 空输入处理
   • 极端值测试(如超大数组)
   • 特殊数据结构(如单节点树)

3. 逻辑错误：

   • 画图辅助理解
   • 使用print调试
   • 分步验证中间结果

4.2 效率提升技巧

1. 模板化常用算法：

   • 二分查找
   • 回溯框架
   • 动态规划状态转移

2. 建立错题本：

   • 记录错误原因
   • 标注相似题目
   • 定期复习

3. 参加周赛：

   • 锻炼解题速度
   • 接触新题型
   • 学习他人解法

5. 刷题工具推荐

5.1 本地开发环境

1. VS Code+LeetCode插件：

   • 直接在IDE中刷题
   • 自动生成测试用例
   • 支持多种语言

2. Jupyter Notebook：

   • 方便记录思路
   • 可视化调试
   • 保存历史版本

5.2 辅助工具

1. VisuAlgo：

   • 可视化算法过程
   • 理解复杂数据结构

2. Big-O Cheat Sheet：

   • 常见算法复杂度参考
   • 帮助选择最优解法

3. Draw.io：

   • 绘制算法示意图
   • 理清复杂逻辑关系

6. 长期刷题规划

6.1 阶段性目标

1. 新手阶段(0-100题)：

   • 掌握基础数据结构
   • 熟悉常见算法
   • 建立解题信心

2. 进阶阶段(100-300题)：

   • 提升解题速度
   • 深入理解优化技巧
   • 参加周赛积累经验

3. 高手阶段(300+题)：

   • 研究最优解法
   • 总结解题模式
   • 尝试原创题目

6.2 学习资源推荐

1. 《算法导论》：

   • 系统学习理论基础
   • 深入理解算法本质

2. 《剑指Offer》：

   • 面试高频题目
   • 实用解题技巧

3. 力扣官方题解：

   • 多种解法对比
   • 复杂度分析
   • 代码示例

坚持刷题三年多来，我最大的体会是：算法能力的提升没有捷径，只有通过持续不断的练习和总结，才能真正掌握其中的精髓。每次解决一个难题的成就感，是支持我继续前进的最大动力。