資料來源與整理脈絡#

本筆記整合了王爭《資料結構與演算法之美》、Cormen 等《Introduction to Algorithms》（CLRS）、以及 LeetCode NeetCode 路線圖等多種來源，重新編排為一條從複雜度分析到面試實戰的縱向學習路線。切入角度以「先理解結構、再理解策略」為主軸：前半部聚焦資料結構的記憶體佈局與操作複雜度，後半部則處理需要演算法策略（Algorithmic Paradigm）的問題。相較於單一書籍照本宣科或單純題解整理，本筆記特別強調章節之間的依賴鏈，並透過「跨倉庫導讀」與 LeetCode 解題筆記互相對照，把理論與實作分開維護。

完整摘要#

全筆記以十五個章節構成四個遞進層次。第一層「基礎概念」以時間／空間複雜度（Time/Space Complexity）與大 O 表示法（Big-O Notation）為起點，建立後續所有章節共用的分析語言。第二層處理線性結構與其衍生操作：陣列、鏈結串列、堆疊、佇列為核心，向外延伸出排序（基礎、進階、線性三類）、查找（二分查找與跳表）、以及以雜湊表（Hash Table）為代表的 O(1) 存取結構，當中特別整理工業級排序混合策略、裝載因子（Load Factor）與衝突解決等實作細節。第三層轉入非線性結構：二元搜尋樹（BST）、紅黑樹（Red-Black Tree）、堆（Heap）構成樹狀部分，圖論則從鄰接表、BFS/DFS 走到拓撲排序與 Dijkstra；字串處理章節獨立處理 BF、KMP、Trie 與 AC 自動機等單／多模式匹配演算法。第四層整理演算法策略：遞迴與分治（Divide and Conquer）作為基礎心法，貪心（Greedy）、回溯（Backtracking）、動態規劃（Dynamic Programming, DP）三者並列為主流範式，並透過硬幣找零、背包、子序列、股票交易等問題串接出 DP 三要素——重疊子問題、無後效性、最優子結構。最末以並查集（Union-Find）、布隆過濾器（Bloom Filter）、LRU、位圖等進階結構與位操作技巧收尾，銜接面試準備章節的「切題四件套」與白板程式設計流程。

適用情境與閱讀路徑#

目標讀者為準備技術面試的工程師、複習資料結構與演算法的在職開發者、以及希望系統性補齊 CS 基礎的自學者。建議閱讀順序與章節編號一致：先讀 01「基礎概念」建立複雜度語感，再依 02 至 08 補齊資料結構底盤；演算法策略部分 09 至 12 有明顯依賴鏈，遞迴 → 分治 → 貪心 → 回溯 → 動態規劃 不宜跳讀，DP 章節內部亦自成八節體系。13 至 14 章可在工程情境出現時再回頭翻閱，17「面試技巧」則建議在投履歷前一週重讀。讀完應能在面試題中辨識題型、選擇合適範式、並用大 O 估算複雜度。