从题目描述中获取信息

最重要就是题目描述这一步，可能题目描述的非常复杂（有时长的像一篇小作文一样），但一定要耐心地把题目抽象出来一个具体的算法模型，接下来就是像暴力搜索的一个过程，不断在脑海中尝试可不可以用某种具体算法去解决问题，一个方法一个方法换着来解决，直到觉得可以解决的时候再开始动手敲代码如何练习呢？多积累多刷一些算法题，大多数情况算法题只有考前见过原题或者类似才能 AC，否则在有限的时间很难 AC！

从数据范围中获取信息

一般 ACM 或者笔试题的时间限制是 1 秒或 2 秒。在这种情况下，C++代码中的操作次数控制在 10^7∼10^8 为最佳，超过 10^8 就会出现超时。

下面给出在不同数据范围下，代码的时间复杂度和算法该如何选择：

1. n≤30, 指数级别, dfs+剪枝，状态压缩 dp

2. n≤100 => O(n3)O(n3)，floyd，dp，高斯消元

3. n≤1000 => O(n2)O(n2)，O(n2logn)O(n2logn)，dp，二分，朴素版 Dijkstra、朴素版 Prim、Bellman-Ford

4. n≤10000 => O(n∗n√)O(n∗n)，块状链表、分块、莫队

5. n≤100000 => O(nlogn)O(nlogn) => 各种 sort，线段树、树状数组、set/map、heap、拓扑排序、 > dijkstra+heap、prim+heap、Kruskal、spfa、求凸包、求半平面交、二分、CDQ 分治、整体二分、后缀数组、树链剖分、动态树

6. n≤1000000 => O(n)O(n), 以及常数较小的 O(nlogn)O(nlogn) 算法 => 单调队列、 hash、双指针扫描、并查集，kmp、AC 自动机，常数比较小的 O(nlogn)O(nlogn) 的做法：sort、树状数组、heap、dijkstra、spfa

7. n≤10000000 => O(n)O(n)，双指针扫描、kmp、AC 自动机、线性筛素数

8. n≤10^9 => O(n√)O(n)，判断质数

9. n≤10^18 => O(logn)O(logn)，最大公约数，快速幂，数位 DP

10. n≤10^1000 => O((logn)2)O((logn)2)，高精度加减乘除

11. n≤10^100000 => O(logk×loglogk)，k 表示位数 O(logk×loglogk)，k 表示位数，高精度加减、FFT/NTT

从 N 的范围可以看出来属于第五种情况，再根据题目描述，可以判断出这道题是要用排序算法来解决的。

从 N 的范围可以看出来属于第三种情况，再根据题目描述，可以判断出这道题是要用 dp 算法来解决的。

最后

大家每次做题就按照这个流程去做，养成习惯后能够快速辨别一道题用什么算法方法，进而提高做题效率。