本文旨在收集经典的算法，此处称之为算法基石。你可以通过这些算法根据具体的应用场景或算法背景进行 适当地变形，从而得到其他变种的算法或更高效的算法。
排序和查找
排序是不断将局部逆序变成局部正序，直到全局有序的过程。这个过程中可以采取以下一种或多种策略：
- 交换：
逆序的元素之间经过交换变成正序。交换可以有相邻交换、跨距交换 - 选择：从待排序的元素中选出符合条件的元素，并追加到有序的列表中（头部或尾部），直到待排序的元素为空。
- 归并：把局部分段有序的列表不断合并成更大有序段，直到全局有序。这其中会涉及到选择或交换。
- 插入：已知一个有序列表（元素个数可以为0）和待排序列表，不断从待排序列表中逐个拿出元素不断插入到 有序列表中，直到待排序列表为空。
- 计数排序：参见 计数排序
- 桶排序： 参见 桶排序
- 基数排序： 参见 基数排序
经典排序
- 交换排序： 冒泡排序、快速排序
- 选择排序： 直接选择排序、树形选择排序、 堆排序
- 插入排序： 直接插入排序、 折半插入排序、2-路插入排序、 表插入排序、希尔排序
- 计数排序： 计数排序
- 桶排序： 桶排序
- 基数排序： 基数排序
查找或搜索
- 静态查找： 可参见 常用查找算法、查找算法总结、 七大查找算法详解
- 动态查找： 可参见 数据结构&算法学习笔记——查找
二叉树
二叉树可以帮助我们更好的理解递归及其对应的非递归实现。很多问题都可以转化为二叉树模型来解决。
遍历
所有遍历就是访问二叉树中的所有节点有且只有一次。这是对二叉树进行其他操作的基础。
前序遍历
用 N 表示根节点，L 表示左子树，R 表示右子树，则前序遍历可表示为 NLR，即先访问根节点，再访问左子树和右子树。
1
2
3
4
5
6
7
8
9
func NLR(root *TreeNode,visitFn func()node *TreeNode)) {
if root == nil {
return
}
visitFn(root)
NLR(root.Left, visitFn)
NLR(root.Right, visitFn)
}