1. 力扣刷题的价值与意义
作为一名程序员，我坚持在力扣（LeetCode）上刷题已经三年多了。最初只是为了应付面试，后来发现这种训练对编程能力的提升是全方位的。每天解决1-2道算法题，就像程序员版的"每日俯卧撑"，能持续保持思维活跃度。
力扣题库目前有2000+道题目，覆盖了数据结构、算法、数据库、Shell等各个领域。其中算法题占比最大，也是大多数程序员重点练习的部分。这些题目按照难度分为简单、中等和困难三个级别，适合不同水平的开发者循序渐进地提升。
2. 日刷47题的经验分享
2.1 题目选择策略
我通常会采用"主题式刷题法"，即在一段时间内集中攻克某一类算法。比如最近两周我专注于动态规划(DP)题目，从简单题开始，逐步过渡到中等难度。47题是一道中等难度的DP题，考察的是"最大子数组和"的变种。
选择题目时我遵循几个原则：
- 先完成同类型简单题，建立基本思路
- 优先选择高频率面试题
- 适当挑战自己，选择一些不熟悉的题型
2.2 解题步骤详解
以47题为例，我的解题过程分为四个阶段：
理解题意：仔细阅读题目描述和示例，确保完全理解要求。这道题需要在给定数组中找到和最大的连续子数组，但有一个特殊条件：允许删除最多一个元素。
基础解法：先不考虑删除元素的条件，写出标准的Kadane算法（时间复杂度O(n)）。这是解决最大子数组和的经典算法。
def maxSubArray(nums): max_current = max_global = nums[0] for num in nums[1:]: max_current = max(num, max_current + num) max_global = max(max_global, max_current) return max_global扩展解法：考虑删除一个元素的情况。这里需要维护两个状态数组：
- dp1[i]：以nums[i]结尾的最大子数组和（不删除元素）
- dp2[i]：以nums[i]结尾的最大子数组和（已删除一个元素）
优化实现：将空间复杂度从O(n)优化到O(1)，只保留前一个状态的值。
2.3 代码实现
最终优化后的Python解法：
def maxSubArray(nums): if len(nums) == 1: return nums[0] # 初始化状态 dp1 = nums[0] # 不删除元素 dp2 = -float('inf') # 删除一个元素 res = nums[0] for i in range(1, len(nums)): # 更新删除状态：要么之前已经删除过，要么现在删除当前元素 new_dp2 = max(dp1, dp2 + nums[i]) # 更新不删除状态 new_dp1 = max(nums[i], dp1 + nums[i]) res = max(res, new_dp1, new_dp2) dp1, dp2 = new_dp1, new_dp2 return res3. 刷题中的常见问题与解决
3.1 边界条件处理
在实现过程中，有几个边界条件需要特别注意：
- 数组长度为1时的特殊情况
- 全负数数组的情况
- 需要删除的元素是第一个或最后一个的情况
提示：在提交前，务必用这些边界case测试你的代码。
3.2 调试技巧
当代码不能通过所有测试用例时，我通常会：
- 打印中间变量值，观察状态变化
- 用小的测试用例手动模拟算法执行过程
- 对比标准解法，找出差异点
3.3 时间/空间复杂度分析
对于这道题：
- 时间复杂度：O(n)，只需遍历数组一次
- 空间复杂度：O(1)，只使用了常数个额外变量
4. 刷题的系统性方法
4.1 错题本管理
我维护了一个电子表格记录所有做错的题目，包括：
- 错误原因（边界条件、算法选择错误等）
- 正确解法思路
- 相似题目链接 每月会定期复习这些错题。
4.2 题目分类整理
按照算法类型将做过的题目分类：
- 动态规划
- 双指针
- 回溯
- 图算法等
每个类别建立一个知识卡片，记录核心思想和模板代码。
4.3 刷题节奏控制
我采用"番茄工作法"来刷题：
- 25分钟专注解题
- 5分钟休息
- 每完成4个番茄钟后做15分钟总结
这种节奏既能保持专注，又不会过度疲劳。
5. 进阶学习建议
当你能稳定解决中等难度题目后，可以尝试：
- 参加力扣周赛，体验限时解题的压力
- 尝试用不同语言实现同一道题
- 阅读力扣讨论区的高票解答，学习优化技巧
- 尝试自己出题，这能加深对算法本质的理解
坚持每日刷题的关键是把它变成习惯。我通常在早晨第一件事就是解决一道力扣题，这能帮助我快速进入工作状态。记住，刷题不是为了数量，而是为了培养解决问题的思维方式。
