• • 1-1 我们究竟为什么要学习算法
  • 1-2 课程介绍
• • 2-1 选择排序法 – Selection Sort
  • 2-2 使用模板（泛型）编写算法
  • 2-3 随机生成算法测试用例
  • 2-4 测试算法的性能
  • 2-5 插入排序法 – Insertion Sort
  • 2-6 插入排序法的改进
  • 2-7 更多关于O(n^2)排序算法的思考
• • 3-1 归并排序法 – Merge Sort
  • 3-2 归并排序法的实现
  • 3-3 归并排序法的优化
  • 3-4 自底向上的归并排序算法
  • 3-5 快速排序法 – Quick Sort
  • 3-6 随机化快速排序法
  • 3-7 双路快速排序法
  • 3-8 三路快速排序法
  • 3-9 归并排序和快速排序的衍生问题
• • 4-1 为什么使用堆？
  • 4-2 堆的基本存储
  • 4-3 Shift Up
  • 4-4 Shift Down
  • 4-5 基础堆排序和Heapify
  • 4-6 优化的堆排序（Heap Sort）
  • 4-7 排序算法总结
  • 4-8 索引堆(Index Heap)
  • 4-9 索引堆的优化
  • 4-10 和堆相关的其他问题
• • 5-1 二分查找法（Binary Search）
  • 5-2 二分搜索树基础 （Binary Search Tree）
  • 5-3 二分搜索树的节点插入
  • 5-4 二分搜索树的查找
  • 5-5 二分搜索树的遍历（深度优先遍历）
  • 5-6 层序遍历（广度优先遍历）
  • 5-7 删除最大值，最小值
  • 5-8 二分搜索树节点的删除（Hubbard Deletion）
  • 5-9 二分搜索树的顺序性
  • 5-10 二分搜索树的局限性
  • 5-11 树形问题和更多树
• • 6-1 并查集基础（Union Find）
  • 6-2 Quick Find
  • 6-3 Quick Union
  • 6-4 基于size的优化
  • 6-5 基于rank的优化
  • 6-6 路径压缩 (Path Compression)
• • 7-1 图论基础
  • 7-2 图的表示
  • 7-3 相邻结点迭代器
  • 7-4 图的算法框架
  • 7-5 深度优先遍历和联通分量
  • 7-6 寻路
  • 7-7 广度优先遍历和最短路径
  • 7-8 迷宫生成，PS抠图——更多无权图的应用
• • 8-1 有权图
  • 8-2 最小生成树问题和切分定理
  • 8-3 Prim算法的第一个实现 （Lazy Prim）
  • 8-4 Prim算法的优化
  • 8-5 优化后的Prim算法的实现
  • 8-6 Krusk算法
  • 8-7 最小生成树算法的思考
• • 9-1 最短路径问题和松弛操作（Relaxation）
  • 9-2 Dijkstra算法的思想
  • 9-3 实现Dijkstra算法
  • 9-4 负权边和Bellman-Ford算法
  • 9-5 实现Bellman-Ford算法
  • 9-6 更多和最短路径相关的思考
• • 10-1 总结，算法思想，大家加油

任何时候学习算法都不晚，而且越早越好，这么多年，你听说过技术过时，什么时候听说过算法过时，不仅没有过时，因为机器学习、大数据的要求，算法变得越来越重要