排序算法
包括冒泡排序、选择排序、插入排序、希尔排序、归并排序和快速排序等，用于对数组或链表进行排序。
哈希算法
通过哈希函数将数据映射到一个固定大小的数组中，并在数组中查找数据。常用于高效地实现数据存储和查找操作。
贪心算法
贪心算法是一种解决优化问题的算法。其基本思想是：在每个阶段选择当前状态下最优的解，并且不考虑该选择会对以后的选择造成什么影响，从而得到全局最优解。
贪心算法的优点在于其简单性和高效性。然而，由于其只考虑当前状态下的最优解，可能会导致得到局部最优解而不是全局最优解。因此，在使用贪心算法求解问题时，需要保证问题具有贪心选择性质，即通过贪心策略得到的局部最优解也一定是全局最优解。
动态规划
动态规划算法是一种具有优化思想的算法，它通常用于解决多阶段决策最优化问题。其基本思想是将原问题分解为子问题，并且通过存储子问题的解来避免重复计算，从而得到全局最优解。
二分法
二分法也叫折半查找法，是一种常用的查找算法。它适用于已经排好序的有序数组中查找某个元素的位置。
二分法的基本思想是：将有序数组分成两部分，检查中间的元素是否等于目标元素，如果等于，则返回其位置；如果不等于，则判断目标元素在左半部分还是右半部分，并继续进行相同的操作，直到找到目标元素或者确定目标元素不存在为止。
二分法的优点在于其时间复杂度较低，为O(log n)，其中n为数组的长度。但是，二分法只适用于已经排好序的有序数组，并且数组通常需要使用顺序表或链表来存储。因此，在实际应用中，需要根据具体情况来选择是否使用二分法进行查找。
TIP
Chrome V8 引擎中 Array 的 includes() 方法使用的是二分法查找。 在具体实现中，如果数组长度小于等于 10，则采用线性查找(遍历)；否则，采用二分法查找。
双指针
它通常适用于数组或链表等数据结构中，用来解决一些查找、判断和遍历问题。
双指针算法的基本思想是：使用两个指针分别指向数组或链表中不同的位置，并根据题目要求移动指针，以达到查找或判断的目的。
具体来说，双指针算法可以分为以下几类：
快慢指针：使用两个指针，一个快指针和一个慢指针，分别按照不同的步长移动，用于判断链表是否有环或者寻找链表的中间节点等。
对撞指针：使用两个指针，分别指向数组或者字符串的两端，从两端向中间靠拢，用于查找数组中的两个数之和等于目标值的问题。
滑动窗口：使用两个指针，分别表示窗口的左右边界，通过移动指针改变窗口大小，用于解决字符串匹配等问题。
三指针：使用三个指针，分别指向数组的头部、尾部和中部，根据题目的要求移动指针，用于解决一些排序和查找问题。
LRU缓存算法
LRU（Least Recently Used）缓存算法是一种常用的缓存淘汰策略，它根据数据的历史访问记录来进行淘汰决策，即淘汰最近最少使用的数据。
具体来说，LRU 缓存算法会维护一个缓存列表，当有新的数据需要加入缓存时，首先判断缓存空间是否已满，如果未满，则直接将新数据加入到缓存中；如果已满，则选择最近最少使用的数据淘汰，并将新数据加入到缓存中。为了实现 LRU 缓存算法，一般可以使用哈希表和双向链表两个数据结构。
- LRU 缓存算法可以应用于很多场景中，例如数据库查询、页面缓存等，可以有效地提高数据访问效率，降低系统负载。
BFS 和 DFS 算法
BFS（Breadth First Search，广度优先搜索）和 DFS（Depth First Search，深度优先搜索）算法都是图(树是一种特殊的图)的遍历算法。
BFS 算法从图中某个顶点开始遍历，先访问其所有邻接点，再依次访问每个邻接点的所有未访问过的邻接点，直到所有可达顶点都被访问为止。在遍历时，可以使用队列来存储待访问的顶点，保证按照层级顺序访问所有顶点。BFS 算法适用于求最短路径问题，因为在遍历过程中，先访问的顶点一定比后访问的顶点更接近起点。
DFS 算法从图中某个顶点开始遍历，先访问该顶点，再选取任意一个邻接点继续遍历，直到所有可达顶点都被访问为止。在遍历时，可以使用递归函数来实现，或者使用栈来存储待访问的顶点，保证访问顺序符合深度优先的特点。DFS 算法适用于求连通性或者搜索所有可能解的问题，因为在遍历过程中，会将所有可达顶点都访问一遍。
TIP
在实际应用中，BFS 算法和 DFS 算法都有其优缺点。BFS 算法可以保证找到最短路径，但是需要额外的空间存储访问过的顶点信息；DFS 算法可以搜索所有可能解，但是可能会陷入死循环或者栈溢出等问题。因此，在选择算法时，需要结合具体问题进行考虑。
分治算法
将问题分成多个子问题，每个子问题独立求解，最后将结果合并起来得到问题的解。典型的应用包括归并排序和快速排序。
回溯算法
通过不断尝试，并及时撤销失败的尝试，最终找到问题的解。其典型应用包括八皇后问题和迷宫问题等。