（一）数据结构

1. 数组与字符串
   • 熟练掌握数组的定义、初始化和遍历操作。
   • 能够运用字符串处理函数，如字符串拼接、比较、查找等。
   • 注意数组越界等常见错误。
2. 链表
   • 理解链表的基本结构，包括单向链表、双向链表。
   • 掌握链表的插入、删除节点操作。
   • 能够实现链表的遍历和相关算法，如链表反转等。
3. 栈与队列
   • 熟悉栈的 “先进后出” 和队列的 “先进先出” 特性。
   • 掌握栈和队列的基本操作，如入栈、出栈、入队、出队等。
   • 能够应用栈和队列解决实际问题，如表达式求值、广度优先搜索等。
4. 树与二叉树
   • 了解树的基本概念和术语，如节点、度、深度等。
   • 重点掌握二叉树的性质、遍历方式（前序、中序、后序、层序遍历）。
   • 能够实现二叉树的构建、插入、删除节点操作。
   • 理解二叉搜索树的特点和操作，以及平衡二叉树（如 AVL 树）的概念。
5. 图
   • 认识图的基本表示方法，如邻接矩阵、邻接表。
   • 掌握图的遍历算法，深度优先搜索（DFS）和广度优先搜索（BFS）。
   • 了解图的最短路径算法，如迪杰斯特拉算法（Dijkstra）和弗洛伊德算法（Floyd）。
   • 熟悉拓扑排序等图的相关应用。

（二）算法

1. 基础算法
   • 枚举算法：通过逐一列举所有可能的情况来求解问题。要注意合理确定枚举范围，避免不必要的枚举，提高效率。
   • 模拟算法：按照题目描述的规则和过程进行模拟计算。关键是准确理解题意，细致地实现模拟过程，注意边界条件和特殊情况的处理。
2. 排序算法
   • 冒泡排序、选择排序、插入排序：理解这些简单排序算法的基本原理和实现方法，虽然它们的时间复杂度较高，但在一些小规模数据或特定场景下仍可能有用。
   • 快速排序：掌握快速排序的算法思想和分区操作，它是一种高效的排序算法，平均时间复杂度为。注意选择合适的基准元素，避免极端情况导致时间复杂度退化。
   • 归并排序：理解归并排序的分治思想和合并过程，它也是一种稳定的排序算法，时间复杂度为。能够正确实现归并排序的递归和迭代版本。
3. 搜索算法
   • 深度优先搜索（DFS）：深度优先搜索是一种用于遍历或搜索图或树的算法。它从起始节点开始，沿着一条路径尽可能深地探索，直到无法继续前进时，回溯到上一个节点，继续探索其他未访问的路径。在实现 DFS 时，要注意递归的边界条件和状态的记录与恢复。
   • 广度优先搜索（BFS）：广度优先搜索则是从起始节点开始，依次访问其所有邻接节点，然后再依次访问这些邻接节点的邻接节点，如此逐层向外扩展。BFS 通常使用队列来实现，要注意队列的操作和节点访问标记的设置。
4. 动态规划
   • 理解动态规划的基本思想，即通过将一个大问题分解为若干个相互关联的子问题，先求解子问题，然后根据子问题的解得到原问题的解。
   • 掌握动态规划的解题步骤，包括确定状态、定义状态转移方程和确定初始条件。
   • 能够熟练运用动态规划解决一些经典问题，如背包问题、最长公共子序列问题、最长上升子序列问题等。
5. 贪心算法
   • 贪心算法是一种在每一步选择中都采取当前状态下最优决策的算法。它并不从整体最优上加以考虑，而是只着眼于局部最优解。
   • 学会判断一个问题是否适合用贪心算法解决，通常需要证明贪心策略的正确性。
   • 例如，活动安排问题、哈夫曼编码等都是贪心算法的典型应用。