（1）归纳法 此方法通过写出问题的一些特定的例子，分析总结其中一般的规律。具体而言就是通过 列举少量的特殊情况，经过分析，最后找出一般的关系。例如，某人有一对兔子饲养在围墙 中，如果它们每个月生一对兔子，且新生的兔子在第二个月后也是每个月生一对兔子，问一 年后围墙中共有多少对兔子。 使用归纳法解答此题，首先想到的就是第一个月有多少对兔子，第一个月的时候，最初 的一对兔子生下一对兔子，此时围墙内共有两对兔子。第二个月仍是最初的一对兔子生下一 对兔子，共有 3 对兔子。到第三个月除最初的兔子新生一对兔子外，第一个月生的兔子也开 始生兔子，因此共有 5 对兔子。通过举例，可以看出，从第二个月开始，每一个月兔子总数 都是前两个月兔子总数之和，Un+1=Un+Un1，一年后，围墙中的兔子总数为 377 对。 此种方法比较抽象，也不可能对所有的情况进行列举，所以，得出的结论只是一种猜测， 还需要进行证明。
（2）相似法 正如编者“年年岁岁花相似，岁岁年年仍单身”一样，此方法考虑解决问题的算法是相 似的。如果面试官提出的问题与求职者以前用某个算法解决过的问题相似，此时此刻就可以 触类旁通，尝试改进原有算法来解决这个新问题。而通常情况下，此种方法都会比较奏效。
例如，实现字符串的逆序打印，也许求职者从来就没遇到过此问题，但将字符串逆序肯定 在求职准备的过程中是见过的。将字符串逆序的算法稍加处理，即可实现字符串的逆序打印。
（3）简化法
此方法首先将问题简单化，例如改变一下数据类型、空间大小等，然后尝试着将简化后 的问题解决，一旦有了一个算法或者思路可以解决这个被“阉割过”的问题，再将问题还原， 尝试着用此类方法解决原有问题。 例如，在海量日志数据中提取出某日访问 xxx 网站次数最多的那个 IP。很显然，由于 数据量巨大，直接进行排序不可行，但如果数据规模不大时，采用直接排序不失为一种好的 解决方法。那么如何将问题规模缩小呢？于是想到了Hash法，Hash往往可以缩小问题规模， 然后在“阉割过”的数据里面使用常规排序算法即可找出此问题的答案。
（4）递归法 为了降低问题的复杂度，很多时候都会将问题逐层分解，最后归结为一些最简单的问题， 这就是递归。此种方法，首先要能够解决最基本的情况，然后以此为基础，解决接下来的问题。 例如，在寻求全排列的时候，可能会感觉无从下手，但仔细推敲，会发现后一种排列组 合往往是在前一种排列组合的基础上进行的重新排列，只要知道了前一种排列组合的各类组 合情况，只需将最后一个元素插入到前面各种组合的排列里面，就实现了目标：即先截去字 符串 s[1…n]中的最后一个字母，生成所有 s[1…n1]的全排列，然后再将最后一个字母插入 到每一个可插入的位置。
（5）分治法 任何一个可以用计算机求解的问题所需的计算时间都与其规模有关。问题的规模越小， 越容易直接求解，解题所需的计算时间也越少。而分治法正是充分考虑到这一内容，将一个 难以直接解决的大问题，分割成一些规模较小的相同问题，以便各个击破，分而治之。分治 法一般包含以下三个步骤：
1）将问题的实例划分为几个较小的实例，最好具有相等的规模。
2）对这些较小的实例求解，而最常见的方法一般是递归。
3）如果有必要，合并这些较小问题的解，以得到原始问题的解。 分治法是程序员面试常考的算法之一，一般适用于二分查找、大整数相乘、求最大子数 组和、找出伪币、金块问题、矩阵乘法、残缺棋盘、归并排序、快速排序、距离最近的点对、 导线与开关等。
（6）Hash 法 很多面试笔试题目，都要求求职者给出的算法尽可能高效。什么样的算法是高效的？一 般而言，时间复杂度越低的算法越高效。而要想达到时间复杂度的高效，很多时候就必须在 空间上有所牺牲，用空间来换时间。而用空间换时间最有效的方式就是 Hash 法、大数组和 位图法。当然，此类方法并非包治百病，有时，面试官也会对空间大小进行限制，那么此时， 求职者只能再去思考其他的方法了。 其实，凡是涉及大规模数据处理的算法设计中，Hash 法就是最好的方法之一。