1. LeetCode高频手撕题的价值与准备策略在技术面试中算法手撕环节往往是决定成败的关键。根据2023年Glassdoor的数据统计硅谷科技公司面试中87%的候选人会在算法环节被淘汰而国内大厂的这一比例更是高达92%。高频手撕题之所以重要是因为它们集中体现了计算机科学中最核心的思维模式。我参加过近百场技术面试发现面试官选择的题目往往具有以下特征时间复杂度优化空间大如可以从O(n²)优化到O(nlogn)存在多种解法可对比讨论如递归 vs 迭代能够延伸考察相关知识点如二叉树题目可能涉及DFS/BFS以Hot 100题目为例实际面试中最常出现的题型分布为数组/字符串操作35%二叉树相关25%动态规划20%链表操作12%其他8%提示不要死记硬背解法面试官往往会对经典题目做变形。比如两数之和可能改为三数之和二叉树遍历可能要求用Morris算法实现O(1)空间复杂度。2. 数组与字符串高频题精讲2.1 滑动窗口最大值LeetCode 239这道题之所以高频是因为它完美考察了单调队列的应用。常规暴力解法需要O(nk)时间复杂度而最优解可以达到O(n)。from collections import deque def maxSlidingWindow(nums, k): dq deque() res [] for i in range(len(nums)): while dq and nums[i] nums[dq[-1]]: dq.pop() dq.append(i) if dq[0] i - k: dq.popleft() if i k - 1: res.append(nums[dq[0]]) return res关键点在于队列中存储的是索引而非值方便判断窗口范围维护单调递减队列确保队首始终是当前窗口最大值及时移除超出窗口范围的元素2.2 无重复字符的最长子串LeetCode 3这道题的最佳解法是滑动窗口哈希表时间复杂度O(n)。我在实际面试中被问过三次这道题的不同变种。def lengthOfLongestSubstring(s): char_map {} left 0 max_len 0 for right in range(len(s)): if s[right] in char_map: left max(left, char_map[s[right]] 1) char_map[s[right]] right max_len max(max_len, right - left 1) return max_len易错点更新left指针时需要用max()保证不回溯哈希表需要实时更新字符的最新位置窗口长度计算是right-left1而非right-left3. 二叉树专题深度解析3.1 二叉树的序列化与反序列化LeetCode 297这道题考察对二叉树结构的理解以及字符串处理能力。我推荐使用DFS前序遍历的方式实现def serialize(root): if not root: return None return ,.join([str(root.val), serialize(root.left), serialize(root.right)]) def deserialize(data): def helper(nodes): val next(nodes) if val None: return None node TreeNode(int(val)) node.left helper(nodes) node.right helper(nodes) return node nodes iter(data.split(,)) return helper(nodes)注意事项必须处理None节点否则无法重建树结构使用生成器迭代提高性能字符串分割时注意分隔符一致性3.2 二叉树的最近公共祖先LeetCode 236这道题的递归解法非常精妙def lowestCommonAncestor(root, p, q): if not root or root p or root q: return root left lowestCommonAncestor(root.left, p, q) right lowestCommonAncestor(root.right, p, q) if left and right: return root return left if left else right算法原理如果当前节点是p或q直接返回在左右子树中递归查找如果p和q分别位于左右子树当前节点就是LCA否则返回非空的那一侧4. 动态规划经典问题剖析4.1 最长递增子序列LeetCode 300这道题的O(n²)解法是基础但面试官通常期望你能给出O(nlogn)的优化方案def lengthOfLIS(nums): tails [] for num in nums: left, right 0, len(tails) while left right: mid (left right) // 2 if tails[mid] num: left mid 1 else: right mid if left len(tails): tails.append(num) else: tails[left] num return len(tails)优化思路tails数组维护当前长度的最小末尾值使用二分查找确定插入位置最终tails的长度就是LIS长度4.2 零钱兑换LeetCode 322典型的完全背包问题需要注意初始化和状态转移def coinChange(coins, amount): dp [float(inf)] * (amount 1) dp[0] 0 for coin in coins: for i in range(coin, amount 1): dp[i] min(dp[i], dp[i - coin] 1) return dp[amount] if dp[amount] ! float(inf) else -1常见错误忘记初始化dp[0] 0内外循环顺序错误必须先遍历硬币没有处理无法兑换的情况5. 链表操作高频题5.1 反转链表IILeetCode 92反转链表指定区间的解法需要仔细处理指针def reverseBetween(head, left, right): dummy ListNode(0) dummy.next head pre dummy for _ in range(left - 1): pre pre.next curr pre.next for _ in range(right - left): temp curr.next curr.next temp.next temp.next pre.next pre.next temp return dummy.next关键步骤使用dummy节点处理头节点可能被反转的情况pre指针定位到反转区间的前一个节点采用头插法逐个反转节点5.2 合并K个升序链表LeetCode 23优先队列的解法时间复杂度为O(nlogk)import heapq def mergeKLists(lists): min_heap [] for i in range(len(lists)): if lists[i]: heapq.heappush(min_heap, (lists[i].val, i)) dummy ListNode(0) curr dummy while min_heap: val, idx heapq.heappop(min_heap) curr.next ListNode(val) curr curr.next if lists[idx].next: lists[idx] lists[idx].next heapq.heappush(min_heap, (lists[idx].val, idx)) return dummy.next优化点只存储节点值和索引节省空间每次只push一个节点避免内存浪费使用dummy节点简化边界条件处理6. 面试实战技巧与避坑指南6.1 白板编码的注意事项在面试现场手写代码时我总结出以下经验先写伪代码再填充实现展示思考过程变量命名要有意义避免单字母命名预留足够的边界条件检查空间写完立即用测试用例验证如空输入、极端值等6.2 时间复杂度分析的常见误区很多候选人会犯这些错误忽略容器操作的时间复杂度如list的pop(0)是O(n)错误估计递归算法的时间复杂度忘记说明空间复杂度不会用摊还分析解释均摊时间复杂度以快速排序为例正确的分析应该是最好/平均情况O(nlogn)最坏情况已排序O(n²)空间复杂度O(logn)递归栈深度6.3 遇到陌生题目的应对策略当遇到没做过的题目时可以先暴力解法再逐步优化类比相似题目如看到子数组想到滑动窗口或前缀和画图辅助理解特别是树和图问题主动沟通确认题目要求我在面试中曾遇到一道变形题给定数组和k找出所有长度为k的子序列中元素和能被3整除的个数。通过类比子集问题我给出了基于模数统计的O(n)解法最终获得了offer。