1. 为什么我把算法训练阵地选在了AcWing
1.1 从刷题网站到系统性课程，差距在哪里
说真的，我在接触AcWing之前，和大部分人一样，习惯性打开某个知名刷题网站，按标签刷题。今天碰一道链表，明天碰一道贪心，觉得自己挺勤奋，结果到了周赛或者面试手撕算法的时候，脑袋里只剩一堆零散模板，遇到稍微绕一点的题就卡壳。后来我才想明白，问题不是刷题不够，而是缺少一个把算法知识串起来的框架。刷题网站给你的是鱼，而AcWing这种带完整课程体系的平台，给的是渔的方法。
AcWing主打的算法基础课、算法提高课和算法进阶课，不是简单把题目罗列出来，而是按照难度和知识点循序渐进地搭建体系。比如基础课里从语法、STL、排序、二分、双指针这些底层能力开始，逐步过渡到DFS、BFS、动态规划、图论的核心算法。每个章节有配套练习题和竞赛真题，题解质量在同类平台里算得上顶级，特别是对新手而言，很多题解会讲清楚为什么想到这个状态，而不是只丢一个AC代码。这一点是免费刷题网站很难做到的。
还有一个很关键的点，这里的竞赛氛围。AcWing每周的周赛和大赛模拟，难度曲线贴近真实竞赛，不像某些平台的题目要么太简单练不出手，要么故意整偏题怪题。对于想打ACM或参加蓝桥杯、PAT等竞赛的人来说，这里的学习路径和训练节奏，跟真实备赛需求几乎是无缝衔接的。
1.2 AcWing的“复盘”价值：题解、打卡与社区氛围
复盘这个词，在这几年被说滥了，但AcWing平台本身很多设计就是冲着复盘去的。每道题下面有专门的讨论区，你可以看到用户分享的多种解法，从朴素算法到优化方案，还有别人的思考过程。我通常的做法是，一道题写完后，先去评论区翻两到三种不同思路的题解，然后再回到自己的代码，对比差距，甚至把两种写法都敲一遍。这个习惯让我在动态规划和图论上进步非常快。
另外，打卡系统是很多人容易忽略的宝藏。每天做一道真题并打卡，看起来很简单，但连续打卡三十天之后，你会发现自己对很多基本套路已经形成肌肉记忆。更重要的是，社区的记录让你能回看自己每个阶段的错题和弱项，这不就是最真实的复盘数据吗？我在AcWing的题解区写了大概两百多篇个人笔记，每次回看都像翻旧账本，能清楚地看到自己当初在哪里卡住、用什么方式解决的，这种成长的轨迹感，比单纯埋头刷题要清晰得多。
2. 我的AcWing学习路线与时间规划
2.1 筑基期：算法基础课的取舍与实践
如果你是完全零基础，或者只在学校里学过C语言，那别急着冲难题。我当时给自己定了一个为期两个月的筑基期，主攻算法基础课。这个阶段的核心目标不是做难题，而是把每个基础知识点的常规思路弄熟练。比如二分，不要停留在会写模板，而是要能准确判断什么时候用整数二分、什么时候用浮点二分，边界为什么要写成mid = l + r + 1 >> 1而不是mid = l + r >> 1。这些细节，在基础课配套题里会有大量练习机会。
实操过程中，我给自己定的规矩是：每天至少完成一道真题，并对照课程视频里的讲解，把思路浓缩成三到五句话写在笔记里。遇到不会的知识点，先自己啃三十分钟再去看视频解析。这个阶段我最深的体会是，不要贪多求快。很多人一个月刷两百题，但一问到“为什么这道题用双指针”，就答不上来。我宁可一周只刷十五题，每道题都能用自己的话把流程讲清楚，这样基础反而更抗造。
2.2 进阶期：提高课与专题突破的具体安排
基础和进阶之间的分水岭，在于对算法模型的理解深度。进入提高课阶段，我开始尝试以专题为单位，集中突破动态规划、图论、数据结构这些核心模块。比如动态规划，基础课里只是背包和线性DP，提高课会引入状态机、数位DP、状压DP、树形DP等更复杂的模型。这一阶段每天的时间投入从原来的两小时增加到三到四小时，晚上固定用来做题和看题解，白天有空就用零碎时间在手机上刷几道简单题维持手感。
一个很实用的专题突破方法是，把一个专题下的经典题集中吃透，而不是东一下西一下。比如我用一周时间专门处理线段树，从区间和、区间最大值到懒标记，把提高课里相关的题目刷完，再回到周赛里看到线段树题，至少不会慌。专题突破最大的好处是，你能看到同一种模型在不同包装下的共性，这正是竞赛里审题拆解能力的基础。
2.3 冲刺期：真题模拟与周赛节奏
到了备赛冲刺阶段，我开始有意识地减少新知识摄入，把重心转向真题模拟和复盘。每周的周赛是雷打不动的训练场，无论那天有多忙，我都会准时参加。周赛的题目通常是三到四道，难度从简单到压轴，限时两个小时，这个节奏比较接近真实的算法竞赛。每次周赛结束后，我会花一到两小时深入复盘，把第一题到最后一题全部用自己的思路重新推演一遍，然后对照排行榜上前几名的代码，学习他们的简洁写法。
冲刺期还有一个重要的细节是错题本。我不怎么用纸质错题本，而是直接在AcWing的题目页面的笔记区，把自己当初的错误思路和正确思路对比记录下来。时间长了，回头翻翻就会发现自己容易踩的坑，比如数组越界、爆int、边界条件没处理好，这些都成了我后续比赛里下意识检查的内容。
3. 核心算法复盘：从“会背模板”到“能现场推导”
3.1 动态规划的思考框架：状态定义与转移方程的构建
我见过不少学算法的人，动态规划做得多了，就成了“板子选手”，背包九讲倒背如流，换一道区间DP就手足无措。问题出在太早记模板，而没搞懂状态怎么定义、转移方程为什么这样写。在AcWing上反复刷DP题之后，我总结了一套自己的思考框架。
第一步先想清楚“需要记录哪些信息才能完成暴力搜索”，比如在01背包问题里，我们关心第几件物品和当前背包容量，所以就定义dp[i][j]表示前i件物品容量为j时能拿到的最大价值。第二步看每次决策能做到什么程度，选或者不选当前物品，状态自然就转移过来了。第三步检查边界，最简单的就是dp[0][...] = 0这类初始化。
有了这个框架，再看复杂的树形DP和状压DP，你就不会急着背状态转移式子，而是能自己推导出来。比如树上的最大独立集问题，你发现每个节点都有选和不选两种状态，然后从叶子往上递推，状态定义自然就出来了。这种能力不是看两遍题解就能练成的，是在AcWing的题海和题解反复对比中慢慢打磨出来的。
3.2 图论与最短路径：什么时候用BFS，什么时候用Dijkstra
图论可能是算法竞赛里最容易混淆的地方，光是最短路径算法就有BFS、Floyd、Dijkstra、Bellman-Ford、SPFA一堆选择。很多新手一看有最短路就上Dijkstra，结果遇到权值为1的图或者负权图，直接就懵了。
我的做法是在复盘时专门画一张决策表：边权全部相等用BFS，边权非负但稀疏用Dijkstra堆优化，边权有负但无负环用Bellman-Ford或SPFA，多源最短路径且点数少用Floyd。这张表不是凭空想出来的，是从AcWing图的专题练习中总结的。比如有一道题，数据范围很大但边权都是1，用BFS跑一遍就是线性复杂度，非要用Dijkstra反而浪费了时间。复盘的意义就在这里，不是把算法背下来，而是看清楚算法背后的适用条件。
3.3 数据结构与字符串匹配：并查集和Trie的实战技巧
数据结构模块里，并查集是我认为性价比最高的一个，它代码短、思路直接，但变化非常多。基础题里只是简单合并和查父亲节点，提高题里就有带权并查集、按秩合并、路径压缩优化，甚至可以在并查集上维护区间信息。我在AcWing上刷这类题时，最大的收获是学会了从“维护集合关系”的角度思考问题，比如判断图中是否有环，或者处理动态连通性，都能快速转到并查集上。
字符串匹配部分，Trie和AC自动机是竞赛常考的内容。尤其是AC自动机，很多人在网上看教程觉得头大，但在AcWing的课程里一步一步从构建Trie树，到建立fail指针，再到跑匹配，逻辑就很清晰了。我的复盘心得是，这类数据结构不要试图一次性背下来，而是要自己手动模拟一遍示例数据，搞清楚每个指针是怎么跳的。把过程在草稿纸上走通一遍，比看十遍视频有用得多。
4. 在AcWing刷题遇到的典型问题与排查思路
4.1 超时与内存溢出的常见原因，以及如何用数据范围预判算法
我最初刷题时，最常遇到的问题就是TLE，也就是超时。这个问题看似简单，但背后的原因很多。比如题目给的数据范围是10的5次方，我写了个O(n^2)的算法，那基本是必挂。后来我养成了一个习惯，拿到题先看数据范围，再预估复杂度。如果n是10的6次方，那大概率要用O(n)或O(n log n)的算法；如果n是2000以内，才能考虑O(n^2)的DP或枚举。在AcWing的题目描述里，数据范围写得非常清楚，这个细节其实是在帮你做算法选择，不是摆设。
另一个常见问题是内存溢出，也就是MLE。这个问题很多时候不是故意的，而是开了不必要的数组或过大的二维数组。比如计算dp状态时明明可以滚动数组优化到O(n)，却开了一个n^2的大数组。检查的时候，我会先把数组开成符合数据范围的最小尺寸，然后在代码里添加一些日志输出，查看实际运行时的内存变化。当然，根本上还是要理解状态依赖关系，比如背包问题的空间优化，Ctrl+C Ctrl+V别人的滚动数组，而不理解为什么从后往前更新，那迟早会出错。
4.2 边界条件与特殊用例：为什么AC率只有30%时反而要认真读题
AcWing上不少题目没有AC率这项数据，但周赛之外的练习题，如果交上去反复WA，那就基本上是边界条件或者题目理解有偏差。有一个很经典的例子是二分查找，数据里存在重复元素时，你要找的是第一个等于目标值的位置，还是最后一个位置。边界写错一个符号，答案就会差之千里。
我自己的血的教训是，在做一道字符串处理题时，没有考虑空串的情况，结果本地测样例通过了，交上去却WA一半。后来我把注意力放到题目的特殊用例上，比如空输入、只有一个元素、全部相等这些情形。这里也分享一个技巧：写完代码之后，故意拿这种极端情况手跑一遍，有时候甚至比写几行注释还有用。AcWing的社区里很多人也会在讨论区提到特殊用例，多翻翻这些评论，能帮你补上不少漏洞。
4.3 调试技巧：从暴力对拍到随机数据生成的实战用法
当代码逻辑复杂到肉眼查不出问题时，我强烈推荐对拍调试。所谓对拍，就是写一个暴力解法（保证正确，可以慢一点），再写一个优化解法，然后生成多组随机小数据，让两个程序在同一输入上运行，比对输出结果是否一致。AcWing的题目很多都有标准题解，你可以先写一个基于朴素思路的暴力版本作为基准。不过要注意，暴力版本一定要按自己的理解去写，别直接抄题解，不然就失去了对拍的意义。
随机数据生成器我用的是C++的rand函数和random_shuffle，当然用Python写也很方便，主要是保证数据在不超范围的情况下尽量覆盖各种边界条件。一旦对拍拍出了不一致的用例，就缩小输入规模，比如只保留两个数，然后人肉模拟一遍算法流程。这个方法帮我解决了至少几十个隐蔽的bug，尤其是那种样例全过、一交就WA的题，对拍几乎每次都能奏效。
5. 备赛实战：如何用AcWing周赛训练临场手感
5.1 周赛节奏分析与时间分配策略
AcWing周赛一般是几道算法题，难度递增。参加周赛前，我给自己定的策略是，前两道题尽量控制在四十分钟内解决，剩下时间留给难题。如果遇到卡壳超过二十分钟的题，我会先跳过，做完后面能拿分的题再回来啃。这种策略让我在模拟比赛中稳住了心态，不至于一题卡死就全盘崩溃。
周赛时间分配还有一个容易被忽视的细节：审题。我的习惯是先把所有题目都快速读一遍，判断题型和大致难度，在心里给它们排个序。这个动作看起来简单，但能帮你避免在难题上死磕太久，错失后面简单的分。比赛经验多了以后，你会发现，很多看似复杂的题，其实考点很朴素，关键是你有没有在短时间内把题目中的关键信息提炼出来。这份临场判断能力，只有靠固定参加周赛、不断复盘才能练出来。
5.2 如何把赛后复盘变成提升效率的加速器
赛后复盘是整条训练链路中最重要的一环，但很多人比赛结束后看个分数就完了，这样效率极低。我的复盘模板很简单：第一，重写一遍没做出来的题，不管花多久；第二，阅读最优题解，对比自己的思路差距；第三，在题解笔记里写下“下次看到类似题，我应该先想什么”。这三步做完，一道题才算真正吃透。
比如有一次周赛第三题考LCA最近公共祖先，我当时只会用倍增解法，但题解里有人用树链剖分，跑得飞快。我不但看明白了树链剖分，还顺手去刷了三道类似的题目，从那以后，凡是遇到树上的路径问题，我心里就有了一个更宽阔的解题武器库。赛后复盘的主观感受是，从“我看题解看懂了”到“我能独立复现最优解”，之间的差距非常大，而AcWing的题解区恰好提供了足够高质量的参考素材。
最后再说一个我个人的小习惯：每个月中旬，我会回头翻看自己的打卡记录和笔记，挑出一个最薄弱的知识点，重新学习并做三道对应题目。就像对机器做一次健康检查一样，这种方法能让我每个月的训练重点都有所调整，而不是一直待在舒适区里刷简单题。算法学习的路上，真正的进步不是靠刷题数量堆出来的，而是靠一次次有深度的复盘积累出来的。
