大家都是如何刷 LeetCode 的？

12-12

從第一題Two Sum開始，默默刷了一年多，算不上經驗吧，就是我自己的一點碎碎念。沒什麼條理，想到哪兒寫到哪兒。
刷題我見過兩種流派，一種【兔系】，一種【龜系】。
【龜篇】
我自己是比較偏「龜系」的刷法【傳送 &>ciaoshen.com】。從一開始為了找工作，每天4，5題，到後來慢慢變成一種習慣，每天早上起來，喝兩口咖啡先來一發。我個人比較信奉Peter Norvig的「十年理論」。之前Dave Thomas提出的」Code Kata「也是類似的概念，核心理念就是「刻意訓練」。現在刷leetcode就是我堅持的「刻意訓練」的一部分。日常工作里調調參數，修修Bug，用用框架實際上達不到」刻意訓練「的標準。像leetcode這樣的OJ正好提供了這樣一個」道場「不是很好嗎。

我們有的時候過分注重了演算法題的「演算法意義」，而忽略了」工程意義「。題刷多了就知道，常用套路其實來來回回就那麼幾個。但明確了演算法，能不能準確地實現，做到bug free又是另一回事。再進一步，數據結構用的合不合理，也會影響最終效率。代碼寫出來，別人好不好懂，又是另一個層面的要求。最後要參加面試，又必須在規定時間裡完成，不但要寫的快，代碼還要乾淨，符合工程規範。
所以」龜系「刷法的精髓就是每個題目要做乾淨。不要滿足於一種解法，各種解法都寫一寫。我現在accept了350+題，用了1000多種方法。平均每題2~3個Solution。基本每題都做到beats 90+%。
350+Problems / 1000+Solutions
最好不要滿足於accept，要追求最高效率。做一題就要殺死一題。leetcode不是給了運行時間的分布嗎，基本上每個波峰都代表了一種特定複雜度的演算法，中間的起伏體現的就是具體實現細節的差距。每次都要向最前面的波峰努力啊&>.&<。追逐最前一個波峰的過程不但鍛煉演算法，還鍛煉數據結構，鍛煉對庫函數的熟悉程度。經常比較不同數據結構不同庫函數的效率，時間久了能產生一種直覺，以後一出手就是最優選擇。（小貼士：點開豎直的分布條，是可以看到對應代碼的，對學習高手的解法很有幫助。）
但「龜系」不是說在一道題上耗死。越是龜系越要注意時間上要掌握好分寸，能解出來最好，解不出來也不要倔強。我覺得比較好的一個平衡點差不多是「一個小時」。如果一個小時還是解決不了可以點開右邊Related Topics鏈接看提示。還是不能解決就看討論區。
現在一年多堅持下來，最大的收穫不是知道了多少演算法套路，而是代碼硬能力上的進步。之前經常會卡在一些實現細節的地方，現在只要整體方向確定下來業務邏輯捋清楚，具體實現編碼反而是最輕鬆的工作。這就是為什麼大廠面試要考演算法。功底好的工程師才有精力騰出來考慮工程，產品方面的問題。
【兔篇】
「兔系「更加符合」刷題「的說法，就是按標籤刷，按公司刷。今天做binary tree就一下子做10，20題。很多人可能對這個做法有點抵觸，覺得太功利，沒有思考的過程。當初我也有這個偏見。但後來發現很多最後拿到FLAG offer的大神都這麼干。而且過程之暴力令人髮指。記得有個大神刷到第三遍，每天可以做80+題。拿到題根本不思考，直接在自帶編輯框開始碼，而且還基本做到bug free。

我也不知道他是不是在吹，但「兔系」的精髓就是要暴力，天馬流星拳，大力出奇蹟。有的人提倡」不要看答案「。這種觀點我覺得是對的，像我自己就很少看答案。但作為兔系選手，講求的就是要瘋，不如一上來就看答案，就照著答案寫。這個做法看起來不靠譜，其實它有內在的合理性：大部分演算法都不是我們發明的。什麼動態規劃，二叉樹，線段樹，並查集，貪心演算法，到後來所謂的不看答案自己做出來，其實都是在用固定套路。到最後你看那些acmer高手，看似思路很快，其實就是知道的套路比你多，而且不是多一點。所以既然明確了是為了找工作的目標，那就放下矜持，放下承見，拿到offer比什麼都強，哪怕是以一種羊癲瘋的姿勢。
最後，刷題呢工具一定要用起來。比如我用Java刷，什麼ant, gradle, junit, log4j, slf4j都用起來。可以省去很多搭環境，搭框架的時間，把精力都集中在解決演算法上。leetcode最近出了一個Playground我就覺得很好呀，直接在網頁上寫代碼省去了很多麻煩。但我也提個小意見，就是如果能更完整地支持vim就更好了。現階段我還是不得不自己開編輯器。這裡給大家安利一個一鍵生成"Solution/Test"框架的小工具leetcode-helper。
helloShen/leetcode-helper?
github.com
下載地址（最新v0.55）:

【leetcode-helper-v0.55.tar】

【leetcode-helper-v0.55.tar.gz】

【leetcode-helper-v0.55.zip】

一行命令ant generate，生成支持Junit和log4j/slf4j的 Solution/Test/TestRunner 骨架類，
一行命令生成Solution以及Junit單元測試骨架
一行命令ant compile test，實現編譯以及JUnit單元測試。
一行命令編譯，運行JUnit單元測試
而且附帶了一個leetcode常用數據結構包com.ciaoshen.leetcode.util。像常用的比如ListNode，TreeNode的基本實現都有了。

現在每天早上拿著我的煎餅果子和咖啡，一鍵生成骨架，開編輯器就坐下來寫演算法，然後一鍵測試，提交。然後該幹嘛幹嘛。leetcode真的成了我的一種生活方式。不求名，不求利，但求無愧於心，干一行愛一行。

我學完了c++，數據結構，演算法就開始刷leetcode上的演算法題。
我是按照tag來刷，剛開始的時候看了一下tag里的分類，選擇從遞歸開始，因為對我來說遞歸好理解比較簡單，所以從自己喜歡的類型，是希望這是一個好的開始。
選好tag後，我從hard題（不帶鎖）開始做，因為喜歡從難到易。
第一題leetcode就是是Number of Atoms，我做題是在紙上畫一個大概流程，畫了圖後會有一個對程序比較直觀的理解，然後順便寫上偽代碼，偽代碼就是有方框圖有標記一些變數該用什麼循環之類的關鍵詞，如果遇到卡殼的地方，我會google，然後看一下人家的解題（先不去理解，因為還要再掙扎一下看自己能不能解決這個卡殼），一眼快速掃過看看有沒有關鍵詞提示詞，舉個例子比如看到了map，那我就回顧一下之前所學過關於map的內容，再看一下自己的偽代碼有沒有用得上的或者需要修改的，有需要的話就會用上。有時候有些語法的東西忘了，我就順便看一下《c++ primer》相關的知識點，假如這次看了某章某節，就在用mind node里的樹狀筆記補上。
目前才做完recursion的兩題hard題，沒有讓我灰心喪氣不想做題。不過我的c++用的不是很熟練，希望刷完hard題之後我的代碼能力會提高。
下一個tag就是刷map的題，因為map剛複習過；或者動態規劃吧，因為動態規劃也會用到遞歸，而且題比較多，躍躍欲試中。明天就可以開始啦，期待地搓搓手。
圖是我的c++ primer筆記。

我的刷題經歷大概分成下面幾個階段：
第一階段，16年暑假，註冊了leetcode，時間比較充裕有兩個月。因為不是CS科班（EE），就按照easy&>&>medium&>&>hard的順序，語言用的cpp，題目範圍是前300道。刷完easy熟悉了cpp的語法以及STL的用法。之後再做medium，藉此過程重溫了經典的數據結構和演算法，再然後是hard。刷題節奏大概是easy每天12道，medium8道，hard隨緣2~4道。每道題提交之後會檢查運行時間的統計圖，如果發現相對很慢，會去discuss上看別人的解法思路，然後自己寫一遍提交。查看discuss的情況還包括：自己的代碼寫的很繁雜，邏輯不清晰，自己又理不順時；題目的tag里提示有別的解法時；想了半小時以上沒思路時。
之後一年也斷續的刷題，但不成規模。
第二階段，17年春夏，按題目分類（bfs, dfs, dp ...）把做過的題再總結一遍，每個類別寫了筆記。總結的原因是，刷題時有「似曾相識」，卻又「朦朧」的感覺。這一遍總結了很多常用的演算法snippet和套路，基本爛熟於心。對於每個分類，也是按easy&>&>medium&>&>hard的順序過的。
第三階段是近期才開始的，每周六參加leetcode contest，雖然水平差只能AC三道題，但會盡量獨立在contest結束後做出第四道提交（實在沒思路就去discuss上學習以下）。當天會寫一篇contest解題筆記，給自己看的寫的簡略，但會分析一下遇到的問題，discuss上有好的思路也會記下來。

鹹魚系LeetCode用戶在此…說是鹹魚是平時極少系統化高強度練習，只是每周在周周練里爭取做出3題，衝刺4題… 是從一年前為了面試把LeetCode的兄弟網站LintCode上的題刷了300題之後開始的。
因為沒有參加過ACM，所以現在還是經常做不出最後一題的水平，不過覺得看著這個曲線覺得心裡還是有點高興的。從曲線的趨勢看來，已經到了一個瓶頸，需要去想辦法上一個新台階。

刷了一年半，目前刷過了800+的題。

周賽迄今參加了75次，其中9次前50，18次前100，28次前200.
北美生物醫學的Phd，工作非cs領域。高中有一點信息學競賽的基礎，高考之後到phd畢業之前的4+3+6=13年沒做過一道演算法題。
———————
2018.11.30 更新: 在十一月的一次LC周賽（本人的第81場周賽）中取得了第三名。同時這個月底簽了狗家。刷題並不是人生的全部，打算金盆洗手了。

推薦閱讀：