Leetcode刷题建议 | 四岁的博客

type

status

date

slug

summary

AI 初学者的 LeetCode 刷题计划

针对一位已掌握 Python 基本语法、计划从事人工智能方向工作的初学者，下面提供一个分阶段的 LeetCode 刷题详细计划。整体遵循由易到难的顺序，逐步涵盖基础数据结构、常见算法，再到与AI应用相关的矩阵和图像问题。每个阶段列出了练习目标、推荐题目和节奏建议，并结合 Python 编程提供提示。

第一阶段：基础易题与常用数据结构

阶段目标：打好算法基础，熟练使用数组、字符串、链表、栈、队列等常用数据结构，以及基本的哈希表操作和双指针技巧。通过简单题巩固对 Python 基本语法和内置数据类型的应用，培养算法思维。完成本阶段后，应能够解决大部分简单难度的问题，并了解部分典型的中等难度题。

推荐题目练习：（难度简单为主）

LeetCode 1. 两数之和 – 数组、哈希（经典入门题，练习遍历数组和使用字典加速查找）

LeetCode 20. 有效的括号 – 栈（利用栈检查括号匹配）

LeetCode 21. 合并两个有序链表 – 链表（操作链表指针，合并排序链表）

LeetCode 141. 环形链表 – 链表、双指针（快慢指针判定链表环）

LeetCode 206. 反转链表 – 链表、迭代/递归（练习链表指针反转）

LeetCode 125. 验证回文串 – 字符串、双指针（左右指针检查字符串回文）

LeetCode 242. 有效的字母异位词 – 字符串、哈希（使用哈希表或排序检查异位词）

LeetCode 217. 存在重复元素 – 数组、哈希（使用集合快速判断重复）

LeetCode 136. 只出现一次的数字 – 数组、位运算（利用异或运算找出唯一的数）

LeetCode 26. 删除有序数组中的重复项 – 数组、双指针（原地删除排序数组重复元素）

阶段节奏：本阶段题目难度低，数量约 10 道，可在1–2 周内完成。建议每天练习2–3题，充分利用碎片时间巩固基础。如果时间充裕可多做几题，尽快熟悉各种数据结构的基本用法。例如使用Python的list操作数组和栈，collections.deque充当队列，dict/set用于哈希表等。

Python 实现提示：注意善用 Python 内置函数和特性简化实现：

数组/链表操作中，可利用 Python 切片、列表推导式 提高效率，但也要理解底层原理（如切片复制开销）。

利用字典或集合实现哈希表功能（如两数之和中用字典存值以O(1)查找补数）。

栈和队列可分别使用 list.append()/pop() 和 collections.deque 来实现；避免用list.pop(0)模拟队列（因为其时间复杂度是O(n)）。

字符串处理时充分利用 Python 的 内置函数（如str.lower()、正则）和切片操作来判断回文、反转字符串等。

对于链表问题，LeetCode会提供节点类定义，操作时注意区分引用与值拷贝，小心处理链表尾部None。反转链表可选择递归实现（注意递归深度）或迭代实现（循环调整指针）。

（参考：基础阶段应重点掌握数组、字符串、链表、栈/队列等数据结构，并能解决大部分简单题。）

第二阶段：搜索与排序算法实践

阶段目标：学习常用的搜索与排序算法思想，解决排序数组上的问题和简单的树遍历。通过本阶段练习，理解二分查找的实现及应用场景，掌握基本排序策略（如双指针排序、划分等），并初步接触广度/深度优先搜索（BFS/DFS）在树结构中的应用。此阶段问题难度提升至简单和中等混合，为后续更复杂的图算法和动态规划打下基础。

推荐题目练习：（难度简单/中等结合）

LeetCode 704. 二分查找 – 数组、二分（实现基础二分查找算法）

LeetCode 278. 第一个错误的版本 – 二分查找（二分应用，查找分界点）

LeetCode 33. 搜索旋转排序数组 – 数组、二分（中等，旋转有序数组上进行二分查找）

LeetCode 75. 颜色分类 – 排序、双指针（荷兰国旗问题，线性时间排序三个类别）

LeetCode 88. 合并两个有序数组 – 数组、双指针（合并已排序数组，考察从后向前的双指针技巧）

LeetCode 215. 数组中的第K个最大元素 – 排序、堆（中等，练习快速选择算法或使用最小堆）

LeetCode 56. 合并区间 – 排序、数组（中等，排序区间并合并重叠部分）

LeetCode 104. 二叉树的最大深度 – 树、DFS（递归求树高，初步体验DFS遍历）

LeetCode 102. 二叉树的层序遍历 – 树、BFS（使用队列实现树的按层遍历）

注：本阶段同时涉及简单的二叉树遍历，以“搜索”广义概念包括对树的搜索。树是重要的数据结构，这里通过求深度和层序遍历熟悉 DFS 和 BFS 的基本操作。

阶段节奏：本阶段推荐问题数约 8～10 道，其中二分和排序类题目可以较快解决，而涉及思想稍复杂的中等题（如旋转数组查找、合并区间等）可能需要更多思考时间。预计用1–2 周完成。建议每天保持2题左右的节奏：先做一道二分或排序的简单题，再挑战一道偏中等的题。遇到困难时多画图辅助理解算法过程，例如二分查找的边界情况、合并区间的排序结果等。

*Python 实现提示：**在实现搜索和排序算法时，注意以下技巧：

二分查找可使用Python的bisect模块简化查找插入位置，但仍建议亲手实现以掌握细节（比如左右边界的处理）。二分循环中注意避免死循环，计算中点索引时用mid = (low + high) // 2。

排序相关问题中，Python内置的sorted()或list.sort()实现了高效的Timsort算法。简单题可以直接使用内置排序并配合切片或内置函数解决。但在练习算法思想时，可尝试手动实现快速排序或归并排序来加深理解。

堆相关问题（如第K大元素）可使用heapq模块简化实现，比如构建最小堆然后弹出元素。但也应了解堆的原理和操作的时间复杂度。

双指针技巧在合并有序数组、颜色分类等题中很常用。用两个索引从数组两端或不同起点出发进行遍历时，要注意控制循环条件，避免指针越界。

对于树的遍历，Python的递归深度默认限制约为1000，二叉树一般不会太深无需修改。但使用DFS递归时需注意栈溢出可能性。BFS遍历可利用collections.deque高效实现队列操作。

在进行层序遍历等操作时，善用Python的多重赋值或循环解包技巧，比如一次性处理当前层的所有节点。

（参考：在掌握基础知识后，可按二分查找→排序→树的遍历逐步练习中等难度算法题。）

第三阶段：动态规划与图算法进阶

阶段目标：学习动态规划（Dynamic Programming）核心思想及常见问题类型，掌握图论相关的数据结构（图、邻接表等）和算法（包括泛化的DFS/BFS、拓扑排序等）。本阶段题目难度多为中等，涉及复杂度较高的算法思想，是对前两阶段基础的提升。通过动态规划练习，体会将复杂问题拆解为子问题的解题套路；通过图算法练习，理解在更抽象的网络结构上进行搜索和路径规划的方法。这些技能对AI领域也很重要，例如优化问题求解、路径寻找、资源调度等都可建模为DP或图问题。

推荐题目练习：（难度以中等为主）

LeetCode 70. 爬楼梯 – 动态规划（斐波那契类简单DP，入门级DP）

LeetCode 198. 打家劫舍 – 动态规划（经典一维DP，房屋间隔取最大和）

LeetCode 322. 零钱兑换 – 动态规划（中等，硬币凑金额的最少硬币数，完全背包DP）

LeetCode 300. 最长递增子序列 – 动态规划（中等，求数组最长递增序列长度，典型序列DP）

LeetCode 200. 岛屿数量 – 图、DFS/BFS（二维网格寻连通块，练习图的遍历）

LeetCode 133. 克隆图 – 图、BFS/DFS（图的遍历与拷贝，用哈希表保存访问状态）

LeetCode 207. 课程表 – 图、拓扑排序（判断有向图是否有环，典型拓扑排序应用）

注：动态规划部分也可延伸练习更复杂的题目（如编辑距离、最长公共子序列等），视时间和精力酌情加入。本列表选取的是几道具有代表性的DP题。图算法方面，推荐先以 BFS/DFS 和拓扑排序为主；如果有兴趣，可进一步学习最短路径（Dijkstra算法）或并查集（Union-Find）等高级主题。

阶段节奏：预计用2–3 周完成本阶段练习。动态规划通常是初学者的难点，需要较多时间思考状态转移方程；图论问题有时也较烧脑。因此建议每天1–2题为宜，确保真正理解每题的解题思路，而非盲目刷量。一个可能的节奏是每天一道DP题+一道图论/树相关题交替进行，使得学习内容多样不枯燥。例如，先用一天时间攻克“零钱兑换”这样的DP问题，第二天切换到图的遍历来放松一下思维，再继续回到下一个DP问题。

Python 实现提示：动态规划和图算法在Python中实现时，应注意：

*动态规划：合理选择数据结构存储DP状态。对于一维DP，可用列表；二维DP可用嵌套列表（如dp = [[0]*m for _ in range(n)]）。计算状态转移时，多利用内置函数简化操作，例如求序列最优值可以用min()/max()。递归+备忘录形式的DP可以借助functools.lru_cache装饰器自动记忆子结果，但要注意Python的递归深度限制，必要时可增大递归限度或改用迭代。

图遍历：表示图时，可使用defaultdict(list)存储邻接表结构，或直接用字典映射节点->邻居列表。进行BFS时，推荐使用collections.deque维护队列；进行DFS时，可使用递归或显式栈列表。请警惕递归栈溢出：当图节点很多或存在深链路，DFS递归可能超过Python默认栈深，需要改用迭代或设置递归限制。

拓扑排序：可借助collections.deque实现Kahn算法，或递归实现DFS拓扑排序。在实现Kahn算法时，Python的collections.Counter可方便统计入度，deque用于存放入度为0的节点序列。每弹出一个节点时更新邻居入度并计数。

性能考虑：本阶段一些问题输入规模较大，实现需注意优化。例如克隆图需要避免重复访问节点，可用字典缓存已克隆节点；岛屿数量问题中DFS递归访问标记过的格子以减少重复计算。

善用Python语言的简洁语法提高代码可读性，例如列表推导初始化DP数组、for-else结构检测环路（课程表问题可在DFS中用一个栈集合记录访问路径检测回路）等。

（参考：在动态规划和图算法阶段，可适当放慢节奏，先学习算法理论概念，再通过刷题实践巩固。）

第四阶段：矩阵与图像相关专项练习

阶段目标：结合前面所学，将练习重点放在矩阵、图像等与AI应用场景密切相关的问题上。许多人工智能任务涉及矩阵运算（如神经网络中的矩阵计算）或图像处理（如像素矩阵的操作）。通过这一阶段的练习，熟悉在二维数组上进行操作、搜索和模拟的技巧。题目涵盖矩阵变换、路径规划以及简单的图像处理模拟，让你在算法练习的同时对AI常见问题形式有所感知（例如图像旋转、区域填充、栅格路径规划等）。

推荐题目练习：（难度中等为主，少量简单题）

LeetCode 48. 旋转图像 – 矩阵（将矩阵顺时针旋转90度，就地修改矩阵）

LeetCode 73. 矩阵置零 – 矩阵（将矩阵中含0元素的行列清零，考察空间优化技巧）

LeetCode 289. 生命游戏 – 矩阵、模拟（细胞自动机模拟，一次更新二维网格状态）

LeetCode 661. 图片平滑器 – 矩阵、模拟（对图像像素矩阵进行平均平滑，邻域遍历）

LeetCode 733. 图像渲染 – 图像、DFS/BFS（Flood Fill 算法，将连通区域填充为新颜色）

LeetCode 695. 岛屿的最大面积 – 矩阵、DFS（类似岛屿数量问题，计算最大岛面积）

LeetCode 79. 单词搜索 – 矩阵、回溯（在字符网格中搜索单词，典型DFS回溯应用）

LeetCode 62. 不同路径 – 矩阵、动态规划（机器人在网格从起点到终点的路径计数）

LeetCode 63. 不同路径 II – 矩阵、动态规划（含障碍物的路径计数，在62题基础上增加条件）

注：以上题目中，48/73题练习矩阵变换操作，289/661题模拟图像处理过程，733/695题涉及区域搜索（可类比图像中的连通域检测），79题是回溯在二维网格上的应用，而62/63题则是典型的网格路径规划问题（与机器人导航、AI中的路径搜索等场景相关）。这些题目综合运用了之前阶段的算法技巧，如双指针、DFS/BFS、动态规划等，非常适合作为收尾的综合练习。

阶段节奏：本阶段题目约 8～10 道，建议用1–2 周时间完成。由于题目多为中等难度，且矩阵操作繁琐，每天1-2题为宜。在刷题节奏上可以按照题目类型分组练习：先用1天时间掌握矩阵旋转与置零这类数组变换题，再花几天分别练习图像渲染/岛屿面积（练习DFS/BFS）、单词搜索（练习回溯）、生命游戏/图片平滑器（练习模拟），最后用1-2天攻克路径规划DP问题。合理分配难题和相对简单题的穿插顺序，保持练习动力。

Python 实现提示：进行矩阵和图像相关题目编程时，应注意：

矩阵遍历：使用嵌套循环时，清晰区分行(row)列(col)索引；Python中遍历矩阵常用for i in range(m): for j in range(n):。处理邻居单元格时，可预先定义方向数组，如dirs = [(0,1),(0,-1),(1,0),(-1,0)]方便遍历上下左右邻居。

原地修改：某些矩阵题要求“就地”操作（如旋转图像、矩阵置零）。就地算法往往需要技巧避免破坏尚未处理的位置。可以先记录需要修改的位置，再统一处理；或利用额外标记（例如矩阵置零可用第一行第一列作为标志位）来降低空间复杂度。

Python高级用法：对于矩阵旋转等操作，Python提供了一些简洁技巧，例如利用zip和切片：matrix[:] = map(list, zip(*matrix[::-1]))能直接实现顺时针旋转矩阵。但建议初次尝试先用常规方法理解原理，再使用这种Python“一行代码”技巧。

DFS/BFS：在网格上进行DFS/BFS（如733题填色、695题找岛）时，递归DFS需要注意栈深度（最大可能遍历整个矩阵，可达数百元素，Python递归基本可承受）。BFS需防止重复访问，可以维护visited集合或直接修改原矩阵标记访问（如将访问过的陆地改为水）。

模拟与状态更新：生命游戏(289题)要求同时更新细胞状态，解决办法是在计算新状态时避免直接覆盖影响后续计算。一种技巧是在原矩阵中使用位或额外标志保存两种状态：例如用整数的某二进制位存储“下一状态”，最后统一移位完成更新。在Python中也可以先拷贝矩阵计算新状态，再赋回原矩阵，视空间换时间的权衡而定。

动态规划（62/63题）：此类网格DP通常有递推公式，例如dp[i][j] = dp[i-1][j] + dp[i][j-1]，注意边界初始化（起点路径数为1）。Python实现时，小心处理有障碍物的情况，可用条件判断将有障碍的位置dp值置0。利用二维列表推导可方便地初始化DP数组。如遇到大网格，尽量使用迭代而非递归，以免Python递归过深。

（参考：矩阵与图像类问题常见于算法练习题单；通过这些题目能加强对AI相关数据形式（图像、网格）的算法处理能力。）

总结：按照以上四个阶段由浅入深地刷题，可以循序渐进地掌握数据结构与算法的精髓，为日后从事AI相关工作打下坚实基础。整个规划题目总数在40题左右，如果每天坚持刷1–4题，大约2个月内可以完整走完一遍。在刷题过程中，建议配合学习算法理论和经典案例，加深理解而非仅追求AC（Accepted）。每一阶段完成后，回顾总结解题的套路和范式（例如双指针什么时候用，动态规划如何定义状态和转移等）。同时，坚持编写Python代码来实现解法，积累代码模板和经验。通过这样的训练，当面对实际AI应用中的问题（例如模型参数优化、图像处理流程、路径搜索等），你将能熟练运用算法思维，用代码优雅地加以解决。

祝你的刷题之旅顺利，高效提升算法能力！坚持每日刷题并不断反思，相信在不久的将来，你将能够自信地应对AI领域的技术挑战。👏