简介这份资源是面向C学习者和算法竞赛备赛者的CSES Problem Set题解代码合集针对希望系统提升算法基础与问题解决能力的程序员覆盖从入门到进阶的完整训练路径。压缩包共28个文件全部为cpp源码整体约19KB按CSES官方分类组织涵盖基础算法、动态规划、图论与树、贪心、数据结构、数学、回溯剪枝、位运算、模拟建模及编码技巧等模块如背包、硬币兑换、最小生成树、线段树、并查集、质数判断等经典题目均有对应实现。目录结构清晰便于按专题检索与对照学习。目前已有256人学习下载适合准备ACM/ICPC、Google Code Jam等编程比赛或提升面试表现的人群通过研读这些代码可快速掌握状态转移、DFS/BFS、贪心策略与位运算等核心技巧并培养解决复杂问题的思维方式。1. CSES-Problem-Set 到底练什么从 300 道题里挑出真正提升算法能力的那 80 道如果你刷过一段时间算法题大概率听过 CSES-Problem-Set 这个名字。它是一套结构化的算法练习题集覆盖从入门模拟到动态规划、图论、数论、字符串等十几个专题题目总量在 300 道左右。很多人第一次打开它的目录会觉得“怎么这么朴素”没有花哨的界面没有排行榜也没有题解社区但恰恰是这种极简结构让它成为检验自己算法基本功的试金石。它解决的问题很具体你可能刷了不少题但知识点是散的遇到新题不知道往哪个方向想。CSES-Problem-Set 按专题分组每个专题内部难度递进能帮你把“会做一道题”变成“会做一类题”。适合谁适合已经掌握一门编程语言基础语法、想系统补算法短板的人也适合准备技术面试但不想被碎片化题单牵着走的开发者。常见做法是把它当作主线配合自己的弱项专题做针对性突破而不是从头到尾无脑刷完。2. 把 CSES-Problem-Set 跑起来环境、输入输出与本地判题的最小闭环2.1 为什么本地判题比在线提交更值得先做在线判题平台当然方便但 CSES-Problem-Set 的题目输入输出格式非常规整几乎每道题都是“读入若干行输出一个结果”。这意味着你完全可以在本地搭一个最小判题脚本用自己的测试数据反复验证。这样做的好处是调试时不受网络影响能打印中间变量能构造边界用例能对比暴力解和优化解的输出差异。我一般会建议先本地跑通 5 到 10 道题把输入输出习惯固定下来再去在线提交效率会高很多。2.2 用 Python 搭一个最小本地判题脚本下面这个脚本假设你把每道题的输入文件命名为in.txt期望输出命名为out.txt自己的解法保存为solution.py。脚本会运行解法对比输出并给出差异提示。import subprocess import sys import os def run_solution(sol_path, input_data): 运行解法文件传入输入字符串返回标准输出 result subprocess.run( [sys.executable, sol_path], inputinput_data, textTrue, capture_outputTrue, timeout5 # 单题超时 5 秒防止死循环 ) if result.returncode ! 0: print(运行错误, result.stderr) return None return result.stdout.strip() def judge(sol_path, in_file, out_file): 对比解法输出与期望输出 with open(in_file, r) as f: input_data f.read() with open(out_file, r) as f: expected f.read().strip() actual run_solution(sol_path, input_data) if actual is None: return False if actual expected: print(通过) return True else: print(未通过) print(期望输出, expected[:200]) print(实际输出, actual[:200]) return False if __name__ __main__: # 用法python judge.py solution.py in.txt out.txt sol sys.argv[1] in_f sys.argv[2] out_f sys.argv[3] judge(sol, in_f, out_f)逻辑说明subprocess.run把输入数据喂给解法进程capture_outputTrue捕获标准输出和错误timeout5防止死循环拖死本地机器。对比时先strip()去掉首尾空白避免因为换行符差异误判。参数方面超时时间可以根据题目复杂度调整图论题可以放宽到 10 秒输入文件建议用题目自带的样例再自己补 2 到 3 个边界用例。2.3 输入输出加速别让 I/O 成为你的瓶颈CSES-Problem-Set 里有不少题目输入量在 10^5 行以上用 Python 的input()逐行读会明显拖慢速度。常见做法是改用sys.stdin.read().split()一次性读入再按需解析。下面是一个模板import sys def main(): data sys.stdin.read().split() # data 是一个字符串列表按空白字符切分 n int(data[0]) arr list(map(int, data[1:1n])) # 后续处理 print(sum(arr)) if __name__ __main__: main()逻辑说明sys.stdin.read()把整个输入读成一个字符串.split()按空白切分避免了逐行调用的开销。参数方面如果题目输入包含多组测试用例需要自己维护一个索引指针按顺序取用。注意这种方法不适合输入中包含空行或需要保留行结构的题目遇到那种情况再换回逐行读取。3. 专题突破路线动态规划、图论、数论各自怎么刷才不白刷3.1 动态规划从记忆化搜索过渡到递推CSES-Problem-Set 的动态规划专题大约有 20 多道题难度从一维状态到区间 DP、树形 DP 都有。很多人卡在“想不到状态定义”上。我的建议是先写记忆化搜索把递归结构和状态转移写清楚再改写成递推。这样做的好处是递归版本更贴近人类思维容易验证正确性递推版本则能帮你理解状态依赖顺序和空间优化。以“骰子组合”类问题为例状态定义是dp[i]表示凑出总和i的方案数转移是dp[i] sum(dp[i-k])其中k是骰子面数。记忆化版本直接递归加缓存递推版本则从小到大填表。参数方面注意取模运算的位置通常是在每次加法后取模避免整数溢出。Python 里整数不会溢出但取模能控制数值大小加快运算。3.2 图论先把建图模板固定下来图论专题覆盖最短路、最小生成树、拓扑排序、强连通分量等。题目输入格式通常是“先给节点数和边数然后每行一条边”。我一般会准备一个建图模板用邻接表存储需要时再切换成邻接矩阵或边列表。from collections import defaultdict def build_graph(n, edges, directedFalse): n: 节点数edges: [(u, v, w), ...] graph defaultdict(list) for u, v, w in edges: graph[u].append((v, w)) if not directed: graph[v].append((u, w)) return graph逻辑说明defaultdict(list)避免了对每个节点初始化空列表的麻烦。参数方面directed控制是否有向图如果边权都是 1可以省略权重字段直接用graph[u].append(v)。注意节点编号通常从 1 开始用字典存储时不需要减一但如果用列表数组记得开n1的大小。3.3 数论筛法、快速幂和模逆元是三大件数论专题里出现频率最高的是质数筛、快速幂和模逆元。CSES-Problem-Set 的题目往往把这些基础工具组合起来考。比如“计数约数”需要筛法预处理“大数幂取模”需要快速幂“组合数取模”需要预计算阶乘和逆元。我一般会准备一个数论工具模块随用随取。def sieve(n): 返回 1 到 n 的质数列表 is_prime [True] * (n 1) is_prime[0] is_prime[1] False for i in range(2, int(n**0.5) 1): if is_prime[i]: for j in range(i*i, n 1, i): is_prime[j] False return [i for i in range(2, n 1) if is_prime[i]] def fast_pow(base, exp, mod): 计算 base^exp % mod result 1 base % mod while exp 0: if exp 1: result (result * base) % mod base (base * base) % mod exp 1 return result逻辑说明筛法用埃拉托斯特尼筛时间复杂度 O(n log log n)适合 n 在 10^6 以内。快速幂用二进制拆分指数时间复杂度 O(log exp)。参数方面mod通常是 10^97 或 10^99题目会明确给出。注意筛法里i*i可能溢出Python 里不用担心但 C 里需要用long long。4. 避坑与排查CSES-Problem-Set 刷题时最容易翻车的 5 个地方4.1 现象本地样例通过在线提交却报错原因最常见的是输入输出格式差异。CSES-Problem-Set 的题目通常要求输出末尾有换行但有些题目对空格敏感。另外Python 的print默认换行但如果你用sys.stdout.write就要自己加\n。解决提交前用repr()打印自己的输出检查末尾是否有不可见字符对比题目样例的精确格式必要时手动补换行。4.2 现象递归解法在深递归时崩溃原因Python 默认递归深度限制是 1000图论或树形 DP 的递归深度可能超过这个值。解决在代码开头加sys.setrecursionlimit(300000)同时注意递归层数过多可能导致栈内存不足能改递推就改递推。参数方面300000 是常见上限再大可能触发系统限制。4.3 现象动态规划数组开小了导致越界原因状态维度或取值范围估计不足。比如题目说总和不超过 10^5但你没注意到中间状态可能超过这个值。解决先读清楚题目约束把数组大小开到约束上限再加 10 的余量。Python 列表越界会直接报错C 则可能静默出错更危险。4.4 现象图论题用 BFS 却超时原因没有标记已访问节点导致重复入队。解决BFS 必须维护visited集合或数组入队时立即标记而不是出队时标记。参数方面visited可以用布尔列表或集合列表更快但需要知道节点范围。4.5 现象数论题结果对不上差一个模数原因取模运算的时机不对或者用了负数取模。解决统一在每次加法、乘法后取模Python 的%对负数返回正数但其他语言可能不同。如果题目要求输出模 10^97 的结果所有中间结果都要在这个模下计算不要最后才取模。5. 从刷完到内化用错题回溯和限时模拟把 CSES-Problem-Set 变成自己的东西刷完 CSES-Problem-Set 的 300 道题不等于掌握真正内化需要两步错题回溯和限时模拟。错题回溯是指每道做错或卡住的题隔三天再写一遍如果还是卡就去看别人的思路然后关掉题解自己重写。限时模拟是指挑一个专题给自己 2 小时模拟比赛环境不查资料不调试太久逼自己在压力下做决策。我自己的习惯是维护一个错题表格记录题目编号、错误原因、正确思路的关键词。下面是一个示例表格结构题目编号专题错误原因关键思路重做日期1633DP状态定义漏了维度加一维表示是否使用某元素第3天1195图论没标记访问导致超时BFS 入队即标记第3天1713数论取模时机错误每次乘法后取模第5天这个表格不需要很复杂关键是重做日期要真的执行。另外限时模拟时建议用本地判题脚本提前准备好输入文件避免在在线平台上等待提交结果浪费时间。参数方面2 小时是常见模拟时长可以按专题难度调整到 1.5 或 3 小时。还有一个技巧把 CSES-Problem-Set 的题目按“暴力解 → 优化解”两版都写一遍。暴力解用来验证正确性优化解用来满足时间限制。这样你能清楚看到优化点在哪里是空间换时间还是数据结构升级。我一般会在暴力解通过后先分析时间复杂度瓶颈再决定用前缀和、二分、线段树还是其他结构。这个习惯让我在遇到新题时能更快定位到可能的优化方向。最后说一个血泪经验不要为了刷题数量跳过难题。CSES-Problem-Set 里那些让你卡住两小时的题恰恰是能力边界所在。卡住时先自己想 30 分钟再去看题解看完关掉题解自己重写写完再对比差异。这个过程很痛苦但效果比刷十道简单题好得多。希望帮到你。本文还有配套的精品资源点击获取