在 LeetCode 题型中使用 EMCE

EMCE 可以理解为 “更细化、结构化的 MECE”，帮助你在刷题时做到全面覆盖 + 精准拆解 + 高效复用。

---

一、EMCE 拆解框架

1. E - Explicit 分类（明确分类）

   • 按题目类型、数据结构、算法特点分类

   • 例：

     • 数组类：Two Sum, Sliding Window, Subarray
     • 链表类：Reverse Linked List, Merge K Lists
     • 树/图类：DFS/BFS, Binary Tree Traversal
     • 动态规划类：LCS, Coin Change

2. M - Mutually Exclusive（互斥）

   • 保证分类不重叠
   • 例：同一个题只归入“数组滑动窗口”或“数组前缀和”，不重复分类

3. C - Collectively Exhaustive（完全穷尽）

   • 尽量覆盖 LeetCode 常见题型和边界情形

   • 例：数组题覆盖：

     • 单指针 / 双指针 / 滑动窗口
     • 前缀和 / 差分 / 哈希表
     • 排序 / 分治

4. E - Edge Cases / Extensions（边界与拓展）

   • 每个题型进一步分析边界情况、变体题、优化方法
   • 例：Two Sum → 有序数组 → 双指针
   • 例：Subarray Sum → 有负数 → 前缀和 + 哈希表

---

二、应用步骤

步骤 1：题型归类（Explicit + ME）

• 先把题目按 数据结构 + 算法思路 分类
• 互斥，不重复
• 示例：

数组题
├─ 双指针类
├─ 前缀和类
├─ 滑动窗口类
└─ 排序 / 二分类

步骤 2：全面覆盖（CE）

• 确保每类题型至少覆盖：

  • 基本题
  • 边界题
  • 高阶题

• 示例：双指针类

  • 两数之和 II（有序数组）
  • 三数之和
  • 盛最多水的容器

步骤 3：分析边界与拓展（Edge Cases / Extensions）

• 对每道题做拆解模板：

  1. 输入规模（空数组、1个元素、极大数组）
  2. 值域边界（负数、0、极大值）
  3. 时间复杂度优化（O(n^2 → O(n log n → O(n)））
  4. 变体题目（题型拓展或高级版本）

步骤 4：形成解题模板

• 每个题型形成 逻辑结构化模板：

双指针模板：
1. 初始化左右指针 i, j
2. 循环条件 i < j
3. 根据题目逻辑移动指针
4. 处理重复 / 边界
5. 返回结果

---

三、案例：数组题 “Two Sum / Two Sum II”

1. Explicit：数组类 → 双指针 / 哈希表

2. Mutually Exclusive：分两类处理

   • 无序数组 → 哈希表
   • 有序数组 → 双指针

3. Collectively Exhaustive：覆盖所有情况

   • 正数 / 负数 / 0
   • 空数组 / 单元素 / 多解

4. Edge Cases / Extensions：

   • 多对组合
   • 返回下标或值
   • 拓展到 Three Sum、四数之和

通过 EMCE，你不仅能快速定位算法模板，还能全面考虑边界和优化策略。

---

四、EMCE 在刷题复盘的作用

1. 提高题型覆盖率

   • 确保每种题型都复习到位，不遗漏

2. 提升复用效率

   • 形成模板 → 新题快速套用

3. 降低思维混乱

   • 遇到复杂题可快速拆解到子模块

4. 系统性提升

   • 从题目分类到边界、优化形成闭环，构建你的“LeetCode 知识地图”

---

五、实战建议

1. 按数据结构+算法分类做 EMCE 表格

   • 行：题型
   • 列：方法、边界、优化、拓展

2. 刷题时做模板

   • 每道题完成后，填充 EMCE 表格

3. 定期复盘

   • 检查 CE 是否覆盖，ME 是否重复，Edge 是否遗漏

4. 形成个人题型库

   • 基于 EMCE 的知识库，刷新题时快速定位模板

---

总结一句话：

EMCE = 题型清晰分类 + 全面覆盖 + 互斥拆解 + 边界拓展 → 系统化刷题思维模型