也就是说，两个后缀的公共前缀长度，等于它们排名之间所有相邻 LCP 的最小值。先看一个题：给一个长度 10^5 的字符串，找出其中最长的重复子串（至少出现两次，可重叠）。如果我们把这些后缀按字典序排个队，许多公共前缀凑在一起，找重复子串就变成了找相邻后缀的公共前缀。特别像 KMP 的失配指针，它把所有房间串成一棵“后缀链接树”，这棵树就是后面统计出现次数的关键。，重复的子串就是所有相邻后缀的公共前

有效的括号：栈的括号匹配基础模型。最小栈：辅助栈技巧实现 O(1) 最小值查询。字符串解码：嵌套结构的栈处理。每日温度：单调栈找下一个更大元素。接雨水：单调栈或双指针解决面积问题。数组中的第K个最大元素：Top-K 问题的堆解法。熟练掌握这些题目，即可轻松应对面试中大部分栈、队列、堆相关的题型。下一篇预告：LeetCode 热题 100 精讲｜二叉树基础篇：二叉树的中序遍历 · 二叉树的最大深度

区间四道热题全部围绕「排序 + 贪心」展开，属于算法中套路极强的一类题型。合并区间插入区间负责区间合并逻辑，最少箭无重叠区间负责区间选点模型，两两成对、相辅相成。吃透这四道题，遇到所有区间重叠、区间选择、区间合并类面试题都能快速套模板秒杀。下一篇预告LeetCode 热题 100 精讲 | 链表环与交点篇：环形链表 II · 相交链表 · 回文链表 · 排序链表持续更新连载。

堆与优先队列篇的三道题，每一道都是 Top K 或中位数问题的教科书式例题。第 K 个最大元素用固定大小的小顶堆维护前 K 大；前 K 个高频元素在统计频率后套用同样的堆思路；数据流的中位数则用两个堆实现了动态取中位数的神奇效果。这三种模型不光在面试里反复出现，在很多真实业务（比如实时排行榜、滑动窗口统计）里也经常用到。把这三种堆的用法刻进脑子里，以后再遇到类似的问题，基本都能秒反应。下一篇准备写

网络流是图论中一个极具实用价值的分支，它研究的是在带权有向图中，从源点流向汇点的最大流量问题。网络流模型广泛应用于物流运输、电路设计、任务调度、图像分割等领域。与之密切相关的二分图匹配则解决“如何为两类对象建立最佳配对”的问题。阅读指南：本文包含👇最大流：Ford-Fulkerson、Edmonds-Karp、Dinic 算法最小割：最大流最小割定理二分图匹配：匈牙利算法、KM 算法流程图：流程

单模匹配（实现 strStr()）用 KMP 算法高效匹配；重复子串检测（重复的子字符串）考察对 next 数组的理解深度；单词拆分将问题转化为完全背包的 DP 模型。KMP 算法需要花时间理解 next 数组的含义，但一旦掌握，字符串匹配类的题目就能一通百通。单词拆分虽然归类为动态规划，但本质上也是字符串处理问题，可以用字典树优化查找效率。面试时建议先讲清楚暴力解法的局限，再引出 KMP 或 D

单模匹配（实现 strStr()）用 KMP 算法高效匹配；重复子串检测（重复的子字符串）考察对 next 数组的理解深度；单词拆分将问题转化为完全背包的 DP 模型。KMP 算法需要花时间理解 next 数组的含义，但一旦掌握，字符串匹配类的题目就能一通百通。单词拆分虽然归类为动态规划，但本质上也是字符串处理问题，可以用字典树优化查找效率。面试时建议先讲清楚暴力解法的局限，再引出 KMP 或 D

计算几何篇介绍了四个基础模块：点积叉积、线段相交判断、凸包算法、多边形面积。这些工具是解决更复杂几何问题（如最近点对、旋转卡壳、半平面交等）的基石。面试中虽然直接考察计算几何的题目不多，但点积和叉积的应用（如判断点是否在矩形内、求点到直线的距离）偶尔会出现。掌握这些基础，遇到几何问题就能从容应对。下一篇将进入字符串匹配篇（KMP、Boyer-Moore、Rabin-Karp、AC 自动机），敬请期

Fisher-Yates 洗牌（打乱数组）保证所有排列等概率出现；前缀和+二分（按权重随机选择）实现了加权随机采样；数学归纳（飞机座位概率）展示了概率问题的推导逻辑；拒绝采样（Rand7 实现 Rand10）是分布转换的经典技巧；蓄水池抽样（链表随机节点）解决了数据总量未知时的均匀采样问题；蒙特卡洛模拟（生日悖论）则展示了随机抽样在概率估算中的强大能力。掌握这些模型，面试中遇到随机化相关的问题就能

覆盖范围最优化（跳跃游戏）、最少步数（跳跃游戏 II）、环形路径问题（加油站）、利润最大化（买卖股票）、数值调整（K 次取反）、区间调度（无重叠区间）。贪心的核心在于发现“局部最优能推导全局最优”的性质，虽然证明有时较难，但掌握了这些经典模型，遇到类似问题就能快速找到切入点。建议刷题顺序：先做 55 和 122 建立贪心思维，再做 45 和 1005 挑战更复杂的状态维护，然后做 134 理解环形