1->比如给你一个数组，里面的数有200个，最大的数是1000，时间效率的重要性高于空间效率，那么你会采用哪种排序策略呢？能否达到O（n）
思路：对于这种问题，可能我们会想到很多种排序方法，冒泡排序，快速排序，希尔排序，堆排序，插入排序，选择排序以及归并排序；
可是仔细想想他们的时间复杂度：
冒泡排序中第n个数据分别比较n-1次，时间复杂度是O(n^2)；复杂度太高；
快速排序，也是基于分治的思想，他的每次划分都至少把一个元素放在正确位置上，基本有序时间复杂度为O(n^2),最好情况O(nlogn)；
希尔排序，需要定义步长的排序方法，对于大数据量的排序，比插入排序效率高很多，最好时间复杂度O(n)，最坏时间复杂度O(n^2)；
堆排序，对于大数据量查找最大值，最小值问题可以采用大顶堆，小顶堆方法，时间复杂度O(nlogn)；
插入排序，时间复杂度，每个元素都要比较n-1次，每次都能把一个元素放在正确位置上，时间复杂度O(n^2)；
选择排序，其中的直接选择排序，每次找一个最小元素，放在第一个位置，在选取剩下元素最小的，与第二个值交换，依次。。。第n趟要比较n-1次，时间复杂度O(n^2)；
归并排序，基于分治的排序方法，先将待排序数组分为两个数组，依次类推，切分数组知道只剩一个数据单元，然后排序合并，时间复杂度，n(logn)。
都不是很满意题目的要求，所以换个思路：
首先定义一个整型数组B，由于待排最大值是1000，数组可以定义大小为1001，全部初始化为0，然后遍历待排序的数组，以待排数组中的数据值作为下标，更改B数组此下标的值+1，之后遍历B数组，相应不为0的小标就是待排序数组排序后的值。可能出现某下标的数值不为1，为n，说明待排数组出现了n次。
这叫做桶排序，时间复杂度O(n)。
2->现在给定一个整数K，问你如何确定这个数组里是否有两个整数的加和为K存在？时间复杂度O(n)
这道题的思路就是：假如sum= 10, 已知数组A为[3,4,5,7,9]，首先定义一个整型数组B，全部初始化0，当遍历数组A时，每获取一个数组A中的元素K，都去判断以sum-K为下标的B数组中的值是否大于0，如果不是，说明还没出现与K相加为sum的那个数字，将B[K]加1，继续遍历下一个，依次类推，知道出现K且B[sum-K]也大于0，那么可以返回这组数字啦，他们就是在这个数组中第一个加和为sum的值。
有个思维定势：就是在内存没有限制的时候，字符型数组、整型数组排序的很多问题都可以用这样的一个数据结构存储处理。
3->给定一个字符数组，求它的子字符串中字母不重复的最长子串，例如abeomeabscqescan（求出结果为eabscq）
#include<stdio.h> #include<stdlib.h> void get_str(int start, int length, char*str) { int i=0; char p[16]; for(i = start; i<length+start; i++) { p[i-start] = str[i]; } printf(" %s ", p); } void find_str() { char str[16] = {"abeomeabscqescan"}; int last_start=0, last_length=0; int cur_start = 0, cur_length = 0; int temp[26] = {0}; int i=0; char *result; while(i<sizeof(str)) { if((temp[str[i]-'a'] +1) > 1) { //比较length if(last_length < cur_length) { last_length = cur_length; last_start = cur_start; cur_length = 0; cur_start = i; i++; } else { cur_length += 1; i++; } }else { temp[str[i]-'a'] += 1; cur_length += 1; i++; } } if(last_length < cur_length) { get_str(cur_start, cur_length, str); printf(" %d ", cur_length); } else { get_str(last_start, last_length, str); printf(" %d ", last_length); } } int main(int argc, char* argv[]) { find_str(); return 0; }
返回eabscq~时间复杂度O(n)；