学好算法对一个程序员来说是必须的吗？如果是，至少应该学到哪种程度？

首先，对于大部分程序员而言，在工作中不是必须的，但是你要找工作，特别是刚毕业参加校招的学生，想进入一些比较大的公司（BAT之流），是必须要学好算法的。

此外，我认为在提高自我技术水平的过程中，比如去阅读一些优秀的代码的时候，也是需要算法功底的，就像去看leveldb、redis源码的时候，起码得知道跳表是个啥吧，看Linux vma的代码得知道红黑树是个啥，看page cache得知道个基数树吧。

再就是有一个很重要的影响：算法学的好的话，不论对你思考问题的方式还是对你编程的思维都会有很大的好处。

另外关于刷题的网站还是首推Leetcode。

如果有一些算法基础的话，推荐Codeforces。

至于资料书籍的话，其实没有太多要求，网上的资料很多，随便谷歌一下就能找到很多详细的资料。

算法导论的话不推荐，不推荐初学者看。这本书是本神书，但是这本书的门槛比较高，需要有一定数学基础和算法基础的人去研究，如果你没有一定的基础或者对算法狂热的学习兴趣，你很难啃下去。

改了一下知识列表的结构，分了下类，可能更加清楚一点。这里面基础是我觉得必须应该掌握的，中等的是有如有余力最好学习的，高级的可以了解，可以了解一下，对于个别感兴趣的可以深入学习一下。

这里面仅仅根据我个人的学习经历去区分难易度，不代表知识本身难易度的精确定位。另外如果大家有什么比较好的补充或者一些问题，可以私信我，我再修改~

1.【数据结构部分】

数据结构我觉得在算法这个概念里的地位是非常重要的，因此还是花一定的精力去学习和练习，看完理论可以刷题，刷完题可以看一些工业级的代码，比如STL源码等，去了解各种数据结构现实应用。

【基础】

链表（单双向链表、循环链表等）、队列（单双向队列）、栈、大/小顶堆、多叉树、排序二叉树（主要熟悉树的前中后序遍历）

【中级】

并查集、树状数组、RMQ、字典树、跳表（非常好用的数据结构，被leveldb、redis等key-value数据库采用）、B/B+树（文件系统中非常常用的数据结构了）、AVL树（平衡二叉树、看懂了为后面的伸展树和红黑树做基础）、线段树（在logn的时间级别内解决区间问题）

【高级】

DLX数独问题、AC自动机（KMP+字典树的结合，在解决大量字符串模板匹配问题上非常好用）、树链剖分（高级数据结构，解决树上的路径更新问题）、伸展树、红黑树（非常出名的数树形据结构、比较复杂，Linux内核中的vma的管理基于这个实现）

2.【图论部分】

图论的话主要是DFS和BFS这两个搜索策略的学习，多熟悉熟悉，不同的实现方法都有什么，比如递归的写法和非递归的写法等等。此外就是最短路的问题，至于一些网络流、图匹配等问题，因为不是打竞赛，仅仅是考虑学习，可以不需要深究。

【基础】

DFS（深度优先遍历）、BFS（广度优先遍历）、拓扑图、最短路问题（Dijkstra）、拓扑排序问题

【中级】

最短路问题（Bellman-Ford、SPFA等）、最小/大割问题、最小生成树、欧拉回路、最近公共祖先（LCA）

【高级】

网络流问题、二分图匹配问题

3.【字符串部分】

字符串的问题其实也在日常应用挺多的，重点了解一下KMP和Hash。

【基础】

字符串哈希（Hash）、回文问题、子串问题

【中级】

KMP算法

【高级】

后缀数组、AC自动机（前面说到过）

4.【数学部分】

数学问题其实没有太多好说的，在学校的同学们还是尽量学好高数、概率论和线性代数吧，这个是一个积累的问题，以后如果进一步的研究和学习，数学肯定是不能太差的，这里就不分类了，只列举一些简单的数学问题。

快速GCD，最大公约数、扩展欧几里得、中国余数定理、求逆元、素数问题

5.【动态规划部分】

动态规划可以说在各种公司的面试中深受广大面试官喜爱，动规(DP)主要还算是一种解决问题的思想，并不是像一个数据结构模型的成型算法，学好的话很难，但是学好动规可以说对你思考问题的方式有很大的提高，这里列一些常见的动规问题的分类。

【基础】

背包问题（0/1背包、完全背包）、最长递增字串问题（LIS）、最长公共子序列（LCS）

【中级】

区间DP、树形DP、数位DP、概率DP、状态压缩DP

【高级】

复杂的DP（经过各种数据结构优化或者各种开脑洞的DP）

6.【几何问题】

1. 几何基本运算：求解点与点之间的距离、判断两个点是否重合等基本运算。

2. 几何判断问题：判断点是否在多边形内部、判断两线段是否相交、判断线段是否与多边形相交等。

3. 几何优化问题：求解最近点对（即找出平面上两点间最近的距离）、求解最小包围圆（即找出包含所有给定点的最小圆）等。

4. 几何重建问题：根据给定的几何信息，重构几何结构，如根据点云数据重建三维物体、根据轮廓线重建平面形状等。

7.【其他】

二分查找、贪心问题、各种排序（冒泡排序、归并排序、快速排序、堆排序等）、分治。

最后，也是最重要的：

算法的学习不只是理论的支持，更需要你不断的在理论的基础上去code，去思考