标签：生成 photo 最大值 归并排序法 pat lazy dex 归并排序 寻路
第1章 当我们谈论算法的时候，我们在谈论什么？ 无论是BAT，还是FLAG，但凡有点儿水平的技术公司，面试都要面算法。为什么算法这么重要？在工作中，真的会使用算法吗？学了算法到底有什么用？当我们谈论算法的时候，我们在谈论什么？ 1-1 我们究竟为什么要学习算法 1-2 课程介绍
第2章 排序基础 O(n^2)的算法虽然简单，但也实用！让我们从最简单的基础排序算法开始，打开我们的算法大门！ 2-1 选择排序法 - Selection Sort 2-2 使用模板（泛型）编写算法 2-3 随机生成算法测试用例 2-4 测试算法的性能 2-5 插入排序法 - Insertion Sort 2-6 插入排序法的改进 2-7 更多关于O(n^2)排序算法的思考
第3章 高级排序算法 虽然很多同学都听说过归并排序和快速排序，但优化归并排序可以有哪些角度？快速排序能逐渐迭代四个版本？在这一章，让我们真正理解这些高级排序算法。面试遇到这些问题，再也不愁！ 3-1 归并排序法 - Merge Sort 3-2 归并排序法的实现 3-3 归并排序法的优化 3-4 自底向上的归并排序算法 3-5 快速排序法 - Quick Sort 3-6 随机化快速排序法 3-7 双路快速排序法 3-8 三路快速排序法 3-9 归并排序和快速排序的衍生问题
第4章 堆和堆排序 深入探索我们要学习的第一个数据结构，相信听了这一章的介绍，大家都能白板编程出一个堆结构！另外，听说过索引堆吗？它可是后续优化图算法的重要工具哦。 4-1 为什么使用堆？ 4-2 堆的基本存储 4-3 Shift Up 4-4 Shift Down 4-5 基础堆排序和Heapify 4-6 优化的堆排序（Heap Sort） 4-7 排序算法总结 4-8 索引堆(Index Heap) 4-9 索引堆的优化 4-10 和堆相关的其他问题
第5章 二分搜索树 从二分查找法到二分搜索树，充分利用递归结构，编写一个功能齐全的树结构。不要小瞧树结构，无论是更高级的数据结构，还是更复杂的算法，甚至在人工智能领域，这一章都是基础哦。 5-1 二分查找法（Binary Search） 5-2 二分搜索树基础 （Binary Search Tree） 5-3 二分搜索树的节点插入 5-4 二分搜索树的查找 5-5 二分搜索树的遍历（深度优先遍历） 5-6 层序遍历（广度优先遍历） 5-7 删除最大值，最小值 5-8 二分搜索树节点的删除（Hubbard Deletion） 5-9 二分搜索树的顺序性 5-10 二分搜索树的局限性 5-11 树形问题和更多树
第6章 并查集 一起实现一种树形结构中的异类——并查集，并逐步优化。这个数据结构，在后续的图算法中，也将发挥重大的作用哦。 6-1 并查集基础（Union Find） 6-2 Quick Find 6-3 Quick Union 6-4 基于size的优化 6-5 基于rank的优化 6-6 路径压缩 (Path Compression)
第7章 图的基础 图论的基础知识，就能帮助我们实现很酷的结构了！Photoshop中的魔棒功能是什么原理？怎么生成一个迷宫？自己写一个扫雷游戏的内核？通过这最小章的学习，相信你对这些问题的答案都能有一定的了解！ 7-1 图论基础 7-2 图的表示 7-3 相邻结点迭代器 7-4 图的算法框架 7-5 深度优先遍历和联通分量 7-6 寻路 7-7 广度优先遍历和最短路径 7-8 迷宫生成，PS抠图——更多无权图的应用
第8章 最小生成树 接触第一个正儿八经的有权图问题，让我们看历史上的计算机学家都是怎么解决这个问题的，我们又如何利用之前学习的高级数据结构进行优化。 8-1 有权图 8-2 最小生成树问题和切分定理 8-3 Prim算法的第一个实现 （Lazy Prim） 8-4 Prim算法的优化 8-5 优化后的Prim算法的实现 8-6 Krusk算法 8-7 最小生成树算法的思考
第9章 最短路径 另外一个非常有名的图问题。各式最短路径算法思路究竟有什么不同？使用情况又有什么区别？且听我一一道来。 9-1 最短路径问题和松弛操作（Relaxation） 9-2 Dijkstra算法的思想 9-3 实现Dijkstra算法 9-4 负权边和Bellman-Ford算法 9-5 实现Bellman-Ford算法 9-6 更多和最短路径相关的思考
第10章 结束语 恭喜大家，学完了整个课程。接下来算法还有什么内容可以学习，且听我一一道来。学无止境，大家加油！：） 10-1 总结，算法思想，大家加油
下载地址:百度网盘下载
标签：生成 photo 最大值 归并排序法 pat lazy dex 归并排序 寻路
原文地址：https://www.cnblogs.com/huashijie/p/10088228.html
