前言：记录了总6w字的面经知识点，文章中的知识点若想深入了解，可以点击链接学习。由于文本太多，按类型分开。这一篇是 算法 常问问题总结，有帮助的可以收藏。
1.十大排序
时间复杂度：O(n²) ：冒泡排序、选择排序、插入排序
O(nlogn) :堆排序、快速排序、（归并排序）
不稳定的排序：选择排序、快速排序、堆排序、希尔排序。
详细请看： （强烈推荐）https://leetcode.cn/circle/discuss/eBo9UB/#
若基本有序建议用插入排序，不建议用快速排序。
2. 100万的数据选出前1万大的数
利用堆排序、小顶堆实现。
先拿10000个数建堆，然后一次添加剩余元素，如果大于堆顶的数（10000中最小的），将这个数替换堆顶，并调整结构使之仍然是一个最小堆，这样遍历完后，堆中的10000个数就是所需的最大的10000个。建堆时间复杂度是O（mlogm），算法的时间复杂度为O (nmlogm)（n为100，m为10000）。
优化的方法：分治。可以把所有10亿个数据分组存放，比如分别放在1000个文件中。这样处理就可以分别在每个文件的10^6个数据中找出最大的10000个数，合并到一起在再找出1000*10000中的最终的结果。
3. 两个10G 的文件，200m 内存，排序
1.把 10G 大小的文件拆分成 N 个小文件，每个文件 1M 。
2.把每个文件拉倒内存排序，可以并行操作，在内存中直接使用快排，然后写入文件 。
3.对文件做两两合并。
4. A星算法
1.基本原理
避障碍寻路算法有很多，比如：BFS，DFS，Dijkstra等。
对于BFS，它的优点在于可以找到最优的一条路径，缺点是需要遍历整个地图。
对于DFS，它的优点在于不需要遍历整个地图，缺点在于不一定是最优路径。
对于Dijkstar，它的优点在于无差别的遍历当前最短路径，对于查找起始点到任意点的最短路径该算法很有效，缺点是：对于点对点的路径查找很浪费。
对于A*，它能很快的找到一条相对最优的路径，而且搜索的节点比前三个算法都要少。
如果DFS就像一个愣头青，一条路摸到黑的话，那么A*就是一个聪明的愣头青，它虽然也是一条路摸到黑，但是它每一步都会更加逼近终点，而不是像DFS每一步都是随机的。可以理解为A*吸收了DFS和BFS的优点，寻找到的路径优劣程度介于BFS和DFS之间。
简单的说，A*算法就是不停的从起点开始遍历周围的点，找出目前来说消耗最小的点作为新的起点，直到找到终点。
2. 如何找到消耗最小的点
1.F（总代价，走到终点消耗得代价）=G（该点离起点距离）+H（该点离终点距离）。
2.G：从起点到达当前点要走的距离，上下左右都是1，斜边用勾股定理算出约为1.4。
3.H:按照曼哈顿距离计算（d(i,j)=|X1-X2|+|Y1-Y2| ）。
4.开启列表open：用来存储可以考虑行进的点，同时存放F、G、H、父对象（从哪个点来）的信息。
5.关闭列表close：用来存储不再考虑的点，存放在关闭列表中的点需要从开启列表移除，同时存放F、G、H、父对象（从哪个点来）的信息。
3. 如何确定路径
1.虽然最优点都在关闭列表中，但是并不能直接使用关闭列表中的点作为路径。
2.而是在关闭列表中从终点开始查找父对象，再查找父对象的父对象。
3.死路：当开启列表为空的时候，说明已经找遍了所有可能的点，寻路失败。
4. 详细流程
1、将起点记录为当前点a。
2、将当前点a放入关闭列表close，并设置父对象为空。
3、将当前点a周围所有能行进的格子放入开启列表，如果周围的点已经在开启列表或者关闭列表中再或者是障碍，就不用管它了。
4、记录当前点a周围所有能行进的格子的F值和父对象（父对象为当前点）。
5、重新在open列表中寻找最优点b（F最小值）将其放入关闭列表，同时在开启列表中移除，每次往关闭列表放点时，要判断该点是否为终点，如果是证明路径已经找完了，结束寻路，如果不是则继续
6、将最优点作为起点b
7、重复上述3、4、5、6步骤，直到找到终点。
8、找到终点，寻路结束，根据终点得父节点返回到起点，为最优路径。
原文链接：读书|杂谈|技术分享-我的编程学习笔记一个分享读书笔记,个人杂谈,技术资源的博客网站
A星基础：
https://blog.csdn.net/cqs123111/article/details/115303885