数据结构&算法基础

《三年面试五年模拟》之数据结构&算法基础高频考点

本板块面向 AIGC 算法岗、AI 工程岗、传统深度学习算法岗和开发岗面试，系统梳理计算机数据结构与算法基础，并结合大模型、RAG、Tokenizer、向量数据库、训练数据处理、LLM 推理服务、Agent Workflow、计算图、自动驾驶与视觉后处理等真实 AI 场景进行讲解。

构建原则：

• 先吸收旧版 数据结构基础.md 中的常见数据结构、二叉树遍历、排序、二分、堆、链表、单调栈、回溯、拓扑排序、二分图、数值算法和计算几何内容。
• 再参考 研究项目/algo 中数组、链表、栈、队列、递归、排序、二分、哈希、跳表、LRU、二叉树、堆、图、字符串、Trie、AC 自动机、动态规划、位图等实现与笔记。
• 最后补充 AIGC 时代高频工程场景，让每个算法问题都能和 AI 业务、训练、推理、检索或系统设计关联起来。

建议阅读顺序

1. 01_数据结构与算法总览高频考点.md

   建立数据结构、算法复杂度、AI 工程场景之间的整体地图。

2. 02_线性数据结构高频考点.md

   掌握数组、字符串、Tensor、链表、LRU、栈、队列、单调栈、单调队列和流式推理中的线性结构。

3. 03_排序查找哈希高频考点.md

   系统学习排序、Top K、二分查找、二分答案、哈希表、LRU、跳表，以及它们在 RAG、采样、缓存和调度中的应用。

4. 04_树堆图高频考点.md

   学习树、二叉树遍历、堆、优先队列、图、BFS / DFS、二分图、拓扑排序、最短路、计算图和 Agent Workflow。

5. 05_字符串与高级数据结构高频考点.md

   学习字符串匹配、KMP、BM、Trie、AC 自动机、Bitmap、布隆过滤器、倒排索引、向量索引和计算几何。

6. 06_算法思想与AI应用高频考点.md

   学习递归、分治、减治、回溯、搜索、动态规划、贪心、双指针、滑动窗口、牛顿迭代、高斯消元和综合 AI 系统优化题。

7. 07_三语言代码模板与AI场景实现高频考点.md

   对 01-06 中适合代码化的高频问答补充 Python、C/C++、Java 三语言模板，覆盖链表、LRU、单调结构、排序、二分、Top K、树图、KMP、Trie、几何、回溯、DP 和数值算法。

章节职责边界

文档	核心职责	主要 AI 结合点
01 总览	建立知识地图、复杂度意识和工程权衡	Tensor、KV Cache、RAG、向量索引、Agent graph
02 线性结构	讲清连续内存、链表、缓存、栈队列和流式结构	token buffer、DataLoader、dynamic batching、LRU
03 排序查找哈希	讲清排序、二分、Top K、哈希和跳表	logits Top K、Beam Search、RAG rerank、缓存
04 树堆图	讲清层级、优先级、依赖和关系建模	计算图、知识图谱、任务 DAG、Agent Workflow
05 高级结构	讲清字符串、索引、检索和空间几何	Tokenizer、AC 安全过滤、RAG、向量库、视觉后处理
06 算法思想	讲清递归、搜索、DP、贪心、窗口和数值算法	CTC、Viterbi、LLM 推理优化、RAG 系统设计
07 三语言代码	为适合手写的问题补充 Python、C/C++、Java 模板	面试手写代码、笔试、工程实现迁移

内容边界与去重原则

• Top K 在 03 中从排序和选择算法角度讲，在 04 中只作为堆和优先队列应用出现。
• 二分查找 在 03 中讲模板和边界，在 06 中只从减治和单调答案角度总结。
• Trie 在 05 中集中讲，不在 04 的树章节展开细节。
• RAG 在各章只讲与本章数据结构相关的切面：总览讲系统地图，排序讲重排，字符串讲倒排索引，高级结构讲向量索引，算法思想讲综合优化。
• Agent Workflow 在 04 中按图和 DAG 讲结构，在 06 中按搜索和规划讲算法思想。
• 代码模板 统一放在 07 中，避免 01-06 主线文档被大量代码块打散；后续新增算法题也优先补到 07。

高频学习路径

如果时间有限，建议优先掌握：

1. 数组、字符串、Tensor、链表、栈、队列。
2. 二分查找、哈希表、排序、Top K、LRU。
3. 二叉树遍历、堆、BFS、DFS、拓扑排序。
4. Trie、AC 自动机、倒排索引、向量索引。
5. 回溯、动态规划、滑动窗口、贪心。
6. RAG、LLM 推理、训练数据处理中的算法系统设计。
7. 对照 07 手写 Python、C/C++、Java 高频模板。