力扣 Hot100 刷题心得：从容应对面试，提升算法思维

llbh4z20

217人浏览 · 2026-05-04 16:58:25

llbh4z20 · 2026-05-04 16:58:25 发布

力扣 Hot100 题目是面试准备阶段非常重要的资源。许多公司在面试过程中都会参考这些题目，考察候选人的算法能力和解决问题的能力。本文将分享我过去 10 年的刷题经验，以及如何高效利用力扣 Hot100 提升自己的算法水平，并最终在面试中脱颖而出。尤其是对准备大厂面试的朋友，系统的刷题是必不可少的。在刷题过程中，不仅仅是完成题目，更重要的是理解算法思想、优化代码性能，以及能够将这些知识应用到实际场景中。

Hot100 选题标准与算法知识点覆盖

力扣 Hot100 题目的选择，通常覆盖了常见的算法和数据结构，例如：

数组和字符串：涉及到双指针、滑动窗口等技巧。
链表：考察链表的插入、删除、反转等操作。
二叉树：包括二叉树的遍历（前序、中序、后序）、查找、平衡等。
哈希表：利用哈希表解决查找、计数等问题。
排序算法：快速排序、归并排序、堆排序等。
动态规划：解决最优化问题，如背包问题、最长公共子序列等。
图算法：深度优先搜索（DFS）、广度优先搜索（BFS）、最短路径算法（Dijkstra、Floyd-Warshall）等。

通过刷 Hot100，可以系统地复习这些知识点，并掌握它们的实际应用。

高效刷题方法与技巧

提升刷题效率的关键在于找到适合自己的方法。以下是一些我总结的技巧：

制定刷题计划

根据自己的时间安排和算法基础，制定一个合理的刷题计划。例如，每周完成 10-20 道题目。可以将题目按照难度或者类型进行分类，逐步攻克。一开始可以选择一些简单题入手，建立信心，然后再逐步挑战难题。

注重理解而不是死记硬背

不要仅仅为了完成题目而刷题，更重要的是理解题目的本质，掌握解决问题的思路。对于每一道题目，都要思考为什么这种方法有效，有没有其他的解法，以及这种解法的适用场景。如果遇到困难，可以参考题解，但不要直接复制粘贴代码，而是要理解代码的逻辑，并自己实现一遍。

重复练习，巩固知识

刷过的题目，过一段时间要重新做一遍。这样可以巩固知识，加深理解。对于一些经典的题目，可以反复练习，直到能够熟练地写出代码。可以使用艾宾浩斯遗忘曲线来安排复习时间，提高记忆效率。

善用调试工具

在编写代码的过程中，难免会遇到错误。学会使用调试工具可以帮助我们快速定位问题。例如，可以使用 GDB 调试 C/C 代码，使用 PyCharm 调试 Python 代码。通过调试，可以查看变量的值，跟踪代码的执行流程，从而找到错误的原因。

总结和反思

每刷完一部分题目，都要进行总结和反思。可以写博客或者笔记，记录自己的解题思路、遇到的问题和解决方法。这样可以帮助我们更好地理解和掌握知识，并在以后遇到类似的问题时能够快速解决。

案例分析：力扣 Hot100 中的经典题目

以“两数之和”这道经典的力扣 Hot100 题目为例，我们可以深入探讨多种解法：

两数之和

题目描述：给定一个整数数组 nums 和一个整数目标值 target，请你在该数组中找出和为目标值 target 的那两个整数，并返回它们的数组下标。

你可以假设每种输入只会对应一个答案。但是，数组中同一个元素在答案里不能重复出现。

你可以按任意顺序返回答案。

示例：输入：nums = [2,7,11,15], target = 9输出：[0,1]解释：因为 nums[0] nums[1] == 9 ，返回 [0, 1] 。

解法 1：暴力枚举时间复杂度：O(n^2)

def twoSum_bruteForce(nums, target):    n = len(nums)    for i in range(n):        for j in range(i   1, n):            if nums[i]   nums[j] == target:                return [i, j]    return [] # 如果没有找到，返回空列表

解法 2：哈希表时间复杂度：O(n)

def twoSum_hashTable(nums, target):    hashmap = {}    for i, num in enumerate(nums):        complement = target - num        if complement in hashmap:            return [hashmap[complement], i]        hashmap[num] = i  # 将当前数字和索引存入哈希表    return []

解法分析：暴力枚举法虽然简单，但是时间复杂度较高。哈希表法通过利用哈希表的快速查找特性，将时间复杂度降低到 O(n)。在实际应用中，哈希表法更加高效。这道题也经常被用于考察候选人对哈希表的理解和应用。

掌握哈希表的思想对于解决类似查找问题非常重要。在实际工程中，例如使用 Nginx 的 upstream 模块进行反向代理时，如果需要根据某个 key (例如用户 ID) 将请求转发到特定的后端服务器，也可以使用类似哈希表的思路来实现负载均衡。当然，工程实践中会考虑更多因素，例如服务器的权重、健康检查等。