如果你已经积累一定的刷题量，熟悉大部分题型，那么本书可助你回顾与梳理算法知识体系，仓库源代码可 以当作“刷题工具库”或“算法字典”来使用。 若你是算法“大神”，我们期待收到你的宝贵建议，或者一起参与创作。 � 前置条件 你需要至少具备任一语言的编程基础，能够阅读和编写简单代码。 0.1.2 内容结构 本书的主要内容如图 0‑1 所示。 ‧ 复杂度分析：数据结构和算法的评价维度与方法。时间复杂度和空间复杂度的推算方法、常见类型、示 algorithm」是在有限时间内解决特定问题的一组指令或操作步骤，它具有以下特性。 ‧ 问题是明确的，包含清晰的输入和输出定义。 ‧ 具有可行性，能够在有限步骤、时间和内存空间下完成。 ‧ 各步骤都有确定的含义，在相同的输入和运行条件下，输出始终相同。 1.2.2 数据结构定义 「数据结构 data structure」是计算机中组织和存储数据的方式，具有以下设计目标。 ‧ 空间占用尽量少，以节省计算机内存。 第 1 章 度之前，我们先来了解如何在程序中实现重复执行任务，即两种基本的程序控制结构：迭代、递归。 2.2.1 迭代 「迭代 iteration」是一种重复执行某个任务的控制结构。在迭代中，程序会在满足一定的条件下重复执行某 段代码，直到这个条件不再满足。 1. for 循环 for 循环是最常见的迭代形式之一，适合在预先知道迭代次数时使用。 以下函数基于 for 循环实现了求和 1 + 2 + ⋯ + ? ，求和结果使用变量

如果你已经积累一定的刷题量，熟悉大部分题型，那么本书可助你回顾与梳理算法知识体系，仓库源代码可 以当作“刷题工具库”或“算法字典”来使用。 若你是算法“大神”，我们期待收到你的宝贵建议，或者一起参与创作。 前置条件 你需要至少具备任一语言的编程基础，能够阅读和编写简单代码。 0.1.2 内容结构 本书的主要内容如图 0‑1 所示。 ‧ 复杂度分析：数据结构和算法的评价维度与方法。时间复杂度和空间复杂度的推算方法、常见类型、示 定问题的一组指令或操作步骤，它具有以下特性。 ‧ 问题是明确的，包含清晰的输入和输出定义。 ‧ 具有可行性，能够在有限步骤、时间和内存空间下完成。 ‧ 各步骤都有确定的含义，在相同的输入和运行条件下，输出始终相同。 1.2.2 数据结构定义 数据结构（data structure）是计算机中组织和存储数据的方式，具有以下设计目标。 ‧ 空间占用尽量少，以节省计算机内存。 第 1 章 初识算法 度之前，我们先来了解如何在程序中实现重复执行任务，即两种基本的程序控制结构：迭代、递归。 2.2.1 迭代 迭代（iteration）是一种重复执行某个任务的控制结构。在迭代中，程序会在满足一定的条件下重复执行某段 代码，直到这个条件不再满足。 1. for 循环 for 循环是最常见的迭代形式之一，适合在预先知道迭代次数时使用。 以下函数基于 for 循环实现了求和 1 + 2 + ⋯ + ? ，求和结果使用变量

如果您已经积累一定刷题量，熟悉大部分题型，那么本书可助您回顾与梳理算法知识体系，仓库源代码可以 被当作“刷题工具库”或“算法字典”来使用。 若您是算法大神，我们期待收到您的宝贵建议，或者一起参与创作。 � 前置条件 您需要至少具备任一语言的编程基础，能够阅读和编写简单代码。 0.1.2 内容结构 本书主要内容如图 0‑1 所示。 ‧ 复杂度分析：数据结构和算法的评价维度与方法。时间复杂度、空间复杂度的推算方法、常见类型、示 algorithm」是在有限时间内解决特定问题的一组指令或操作步骤，它具有以下特性。 ‧ 问题是明确的，包含清晰的输入和输出定义。 ‧ 具有可行性，能够在有限步骤、时间和内存空间下完成。 ‧ 各步骤都有确定的含义，相同的输入和运行条件下，输出始终相同。 1.2.2 数据结构定义 「数据结构 data structure」是计算机中组织和存储数据的方式，具有以下设计目标。 ‧ 空间占用尽量减少，节省计算机内存。 第 1 章 复执行某个任务， 我们通常会选用两种基本的程序结构：迭代和递归。 2.2.1 迭代 「迭代 iteration」是一种重复执行某个任务的控制结构。在迭代中，程序会在满足一定的条件下重复执行某 段代码，直到这个条件不再满足。 1. for 循环 for 循环是最常见的迭代形式之一，适合预先知道迭代次数时使用。 以下函数基于 for 循环实现了求和 1 + 2 + ⋯ + ? ，求和结果使用变量

如果你已经积累一定的刷题量，熟悉大部分题型，那么本书可助你回顾与梳理算法知识体系，仓库源代码可 以当作“刷题工具库”或“算法字典”来使用。 若你是算法“大神”，我们期待收到你的宝贵建议，或者一起参与创作。 前置条件 你需要至少具备任一语言的编程基础，能够阅读和编写简单代码。 0.1.2 内容结构 本书的主要内容如图 0‑1 所示。 ‧ 复杂度分析：数据结构和算法的评价维度与方法。时间复杂度和空间复杂度的推算方法、常见类型、示 定问题的一组指令或操作步骤，它具有以下特性。 ‧ 问题是明确的，包含清晰的输入和输出定义。 ‧ 具有可行性，能够在有限步骤、时间和内存空间下完成。 ‧ 各步骤都有确定的含义，在相同的输入和运行条件下，输出始终相同。 1.2.2 数据结构定义 数据结构（data structure）是组织和存储数据的方式，涵盖数据内容、数据之间关系和数据操作方法，它具 有以下设计目标。 第 1 章 初识算法 如果把具体的工作技能比作是武功的“招式”的话，那么基础科目应该更像是“内功”。 我认为学算法（以及其他基础科目）的意义不是在于在工作中从零实现它，而是基于学到的知识，在解决问 题时能够作出专业的反应和判断，从而提升工作的整体质量。举一个简单例子，每种编程语言都内置了排序 函数： ‧ 如果我们没有学过数据结构与算法，那么给定任何数据，我们可能都塞给这个排序函数去做了。运行顺 畅、性能不错，看上去并没有什么问题。

如果您已经积累一定刷题量，熟悉大部分题型，那么本书可助您回顾与梳理算法知识体系，仓库源代码可以 被当作“刷题工具库”或“算法字典”来使用。 若您是算法大神，我们期待收到您的宝贵建议，或者一起参与创作。 � 前置条件 您需要至少具备任一语言的编程基础，能够阅读和编写简单代码。 0.1.2. 内容结构 本书主要内容包括： ‧ 复杂度分析：数据结构和算法的评价维度，算法效率的评估方法。时间复杂度、空间复杂度的推算方 定问题的一组指令或操作步骤。算法具有以下特性： ‧ 问题是明确的，包含清晰的输入和输出定义。 ‧ 具有可行性，能够在有限步骤、时间和内存空间下完成。 ‧ 各步骤都有确定的含义，相同的输入和运行条件下，输出始终相同。 1.2.2. 数据结构定义 「数据结构 Data Structure」是计算机中组织和存储数据的方式。为了提高数据存储和操作性能，数据结构 的设计目标包括： ‧ 空间占用尽量减少，节省计算机内存。 和 C 的时间复杂度相同，但实际运行时间差别很大。同 样，尽管算法 B 的时间复杂度比 C 高，但在输入数据大小 ? 较小时，算法 B 明显优于算法 C 。在这些情况下， 我们很难仅凭时间复杂度判断算法效率高低。当然，尽管存在上述问题，复杂度分析仍然是评判算法效率最 有效且常用的方法。 2.2.3. 函数渐近上界 设算法的计算操作数量是一个关于输入数据大小 ? 的函数，记为 ?(?) ，则以下算法的操作数量为

数题型，那么本书可以帮助你回顾与梳理算法知识 体系，仓库源代码可以被当作“刷题工具库”或“算法字典”来使用。 如果您是「算法大佬」，希望可以得到你的宝贵意见建议，或者一起参与创作。 � 前置条件 您需要至少具备任一语言的编程基础，能够阅读和编写简单代码。 0.1.2. 内容结构 本书主要内容有： ‧ 复杂度分析：数据结构与算法的评价维度、算法效率的评估方法。时间复杂度、空间复杂度，包括推算 需要会推算即可，数学意义可以慢慢领悟。 2.2.4. 推算方法 推算出 ?(?) 后，我们就得到时间复杂度 ?(?(?)) 。那么，如何来确定渐近上界 ?(?) 呢？总体分为两步，首 先「统计操作数量」，然后「判断渐近上界」。 1) 统计操作数量 对着代码，从上到下一行一行地计数即可。然而，由于上述 ? ⋅ ?(?) 中的常数项 ? 可以取任意大小，因此操作 数量 ?(?) 中的各种系数、常数项都可以被 for (int j = 0; j < n + 1; j++) { System.out.println(0); } } } 2. 复杂度分析 hello‑algo.com 18 2) 判断渐近上界 时间复杂度由多项式 ?(?) 中最高阶的项来决定。这是因为在 ? 趋于无穷大时，最高阶的项将处于主导作用， 其它项的影响都可以被忽略。 以下表格给出了一些例子，其中有一些夸张的值，是想要向大家强调

数题型，那么本书可以帮助你回顾与梳理算法知识 体系，仓库源代码可以被当作“刷题工具库”或“算法字典”来使用。 如果您是「算法大佬」，希望可以得到你的宝贵意见建议，或者一起参与创作。 � 前置条件 您需要至少具备任一语言的编程基础，能够阅读和编写简单代码。 0.1.2. 内容结构 本书主要内容有： ‧ 复杂度分析：数据结构与算法的评价维度、算法效率的评估方法。时间复杂度、空间复杂度，包括推算 需要会推算即可，数学意义可以慢慢领悟。 2.2.4. 推算方法 推算出 ?(?) 后，我们就得到时间复杂度 ?(?(?)) 。那么，如何来确定渐近上界 ?(?) 呢？总体分为两步，首 先「统计操作数量」，然后「判断渐近上界」。 1) 统计操作数量 对着代码，从上到下一行一行地计数即可。然而，由于上述 ? ⋅ ?(?) 中的常数项 ? 可以取任意大小，因此操作 数量 ?(?) 中的各种系数、常数项都可以被 for (int j = 0; j < n + 1; j++) { System.out.println(0); } } } 2. 复杂度分析 hello‑algo.com 18 2) 判断渐近上界 时间复杂度由多项式 ?(?) 中最高阶的项来决定。这是因为在 ? 趋于无穷大时，最高阶的项将处于主导作用， 其它项的影响都可以被忽略。 以下表格给出了一些例子，其中有一些夸张的值，是想要向大家强调

API，来简化开发人员在使他们的应用程序安全上的努力。 以下是你可以用 Apache Shiro 所做的事情：  验证用户来核实他们的身份  对用户执行访问控制，如：  判断用户是否被分配了一个确定的安全角色  判断用户是否被允许做某事  在任何环境下使用 Session API，即使没有 Web 或 EJB 容器。  在身份验证，访问控制期间或在会话的生命周期，对事件作出反应。 但如果他们的登录尝试失败了会怎样？你能够捕获各种具体的异常来告诉你到底发生了什么，并允许你去处理并作 出相应反应： 你能够检查到许多不同类型的异常，或抛出你自己的自定义条件的异常——Shiro 可能不提供的。请参见 AuthenticationException JavaDoc 获取更多。 Handy Hint 最安全的做法是给普通 好了，到现在为止，我们已经有了一个登录用户。我们还能做些什么？ 比方说，他们是是谁： 我们也可以测试他们是否有特定的角色： 我们还可以判断他们是否有权限在一个确定类型的实体上进行操作： 当然，我们可以执行极其强大的实例级权限检查——判断用户是否有能力访问某一类型的特定实例的能力： 小菜一碟，对吧？ 最后，当用户完成了对应用程序的使用，他们可以注销：

JAVA 语言基础 � 2 � 2.1.2 数据类型转换 数值型不同类型数据的转换 数值型不同类型数据之间的转换，自动类型转换需要符合以下条件： 1. 转换前的数据类型与转换后的类型兼容。 2. 转换后的数据类型的表示范围比转换前的类型大。 3. 条件 2 说明不同类型的数据进行运算时，需先转换为同一类型，然后进行运算。 转换从“短”到“长”的优先关系为： byte → short → +、-、*、/、%、++、-- 关系运算符 >、<、>=、<=、==、!= 逻辑运算符 !、&&、||、&、| 、^ 位运算符 >>、<<、>>>、&、|、^、~ 赋值运算符 =、扩展赋值运算符，如+=、/=等 条件运算符 ? ： 其他运算符 包括分量运算符 . 、下标运算符[ ]、实例运算符 instanceof、内存分配运算符 new、 强制类型转换运算符(类型)、方法调用运算符()等 图 2.1 Java – 文件注释：/** */ 2.2.2 分支结构 if 分支结构 1 if (条件表达式) { 语句序列 1 } else { 语句序列 2 } if (条件表达式) { 语句序列 } 条件表达式 语句序列1 语句序列2 T F 条件表达式 语句序列1 T if 双路条件结构 if 单路条件结构 图 2.2 if 分支结构 1 . . . . . . . . . . .

Alice Age:25 21 28 Comparable �� O 对上述程序的几点说明 1. 用户在重写 compareTo() 方法以定制比较逻辑时，需要确保其 与等价性判断方法 equals() 保持一致，即确保条件 “(x.compareTo(y) == 0) == (x.equals(y))”永远成立，否则逻 辑上不合理。所以上例同时重写了 equals() 方法。 2. 为保证能够实现元素的排序功能，TreeSet 接口并不专用于集合框架。 22 28 Comparable �� O 对上述程序的几点说明 1. 用户在重写 compareTo() 方法以定制比较逻辑时，需要确保其 与等价性判断方法 equals() 保持一致，即确保条件 “(x.compareTo(y) == 0) == (x.equals(y))”永远成立，否则逻 辑上不合理。所以上例同时重写了 equals() 方法。 2. 为保证能够实现元素的排序功能，TreeSet 接口并不专用于集合框架。 22 28 Comparable �� O 对上述程序的几点说明 1. 用户在重写 compareTo() 方法以定制比较逻辑时，需要确保其 与等价性判断方法 equals() 保持一致，即确保条件 “(x.compareTo(y) == 0) == (x.equals(y))”永远成立，否则逻 辑上不合理。所以上例同时重写了 equals() 方法。 2. 为保证能够实现元素的排序功能，TreeSet