前言

對於面試中遇到的大多數問題
都能有一個合理的思考路徑

溝通：

• 邊界條件是怎樣的？
• 資料範圍如何？
• 某些術語是具體如何定義的？

基礎資料結構

演算法設計思想：

• 遞迴分治
• 貪心
• 動態規劃
• 回溯搜尋

LeetCode 3 Longest Substring Without Repeating Characters

在一個字串中尋找沒有重複字母的最長子串
如”abcabcbb”，則結果為”abc”
如”bbbbb”，則結果為”b”

課程目標

讓大家在面對面試中的演算法問題時，有一個合理的思考路徑；

• 面對演算法面試，不畏懼。
• 為面試中的演算法問題，通常並不“複雜”，遠遠不需要啃完一本《演算法導論》

素質思考的過程比解決問題更重要。

什麼是演算法面試？

讓大家在面對面試中的演算法問題時，有一個合理的思考路徑:

• 不代表能夠“正確”回答每一個演算法問題，但是合理的思考方向其實更重要，也是正確完成演算法面試問題的前提

• 演算法面試優秀不意味著技術面試優秀
• 技術面試優秀不意味著能夠拿到Offer

什麼是給出合理的思考路徑?

演算法面試的目的不是給出一個“正確”答案，
而是展示給面試官你思考問題的方式。

“正確”本身是一個相對概念:

• 演算法面試不是高考。

• 把這個過程看作是和麵試官一起探討一個問題的解決方案。
• 對於問題的細節和應用環境，可以和麵試官溝通。
• 這種溝通本身很重要，它暗示著你思考問題的方式。

例子：

我們需要對一組資料進行排序

設計排序介面。標準庫的設計。業務中排序演算法。
排序是基礎操作，很重要。

A: 快速排序演算法：O(nlogn)

忽略了演算法使用的基礎環境。要動態選擇。

Q-M(向面試官提問):這組資料有什麼樣的特徵？

• 有沒有可能包含有大量重複的元素？

- 如果有這種可能的話，三路快排是更好地選擇。

普通資料：普通快速排序就行了。java語言標準庫排序使用的三路快排。

Q-M:這組資料有什麼樣的特徵？

• 是否大部分資料距離它正確的位置很近？是否近乎有序？

• 如果是這樣的話，插入排序是更好地選擇。

按照業務發生順序。先發生先完成。幾乎有序，插入排序是更好的選擇。

Q-M:這組資料有什麼樣的特徵？

• 是否資料的取值範圍非常有限？比如對學生成績排序。

• 如果是這樣的話，計數排序是更好地選擇。

高考成績取值範圍有限：計數排序更好。

Q-M:對排序有什麼額外的要求？

• 是否需要穩定排序？

• 如果是的話，歸併排序是更好地選擇。

Q-M:資料的儲存狀況是怎樣的？

• 是否是使用連結串列儲存的？

• 如果是的話，歸併排序是更好地選擇。

快排依賴於陣列的隨機存取。

Q-M:資料的儲存狀況是怎樣的？

• 資料的大小是否可以裝載在記憶體裡？

• 資料量很大，或者記憶體很小，不足以裝載在記憶體裡，需要使用外排序演算法。

Q-M:對一組資料進行排序？

• 有沒有可能包含有大量重複的元素？
• 是否大部分資料距離它正確的位置很近？是否近乎有序？
• 是否資料的取值範圍非常有限？比如對學生成績排序。
• 是否需要穩定排序？
• 是否是使用連結串列儲存的？
• 資料的大小是否可以裝載在記憶體裡？

什麼是“正確”的回答一個演算法問題

正確除了你能把程式碼編出來執行出正確的結果。正確還包含對問題的獨到見解；優化；程式碼規範；容錯性；
等等等等......

不僅僅是給出解決演算法問題的程式碼,還要把上面因素包括。

如果是非常難的問題，對你的競爭對手來說，也是難的。

關鍵在於你所表達出的解決問題的思路。
甚至通過表達解題思路的方向，得出結論：這個問題的解決方案，應該在哪一個領域，我可以通過查閱或者進一步學習解決問題。

演算法面試優秀不意味著技術面試優秀

演算法面試只是技術面試的一部分。
根據你的簡歷和應聘職位的不同，勢必要考察其他技術方面。

• 專案經歷 和 專案中遇到的實際問題: 解決能力，是否參與。深入思考？技術態度。

面試前梳理自己簡歷上所寫到的專案：整理一下可能會問到的。

• 你遇到的印象最深的bug是什麼？
• 面向物件
• 設計模式
• 網路相關；安全相關；記憶體相關；併發相關；…
• 系統設計；scalability（大規模）

技術面試優秀不意味著能夠拿到Offer

技術面試只是面試的一部分。面試不僅僅是考察你的技術水平，還是瞭解你的過去以及形成的思考行為方式。

關於過去：參與專案至關重要

專案經歷:

• 工作人士
• 研究生
• 本科生
  • 畢業設計
  • 其他課程設計（大作業）

如何找到專案？

• 實習
• 參與實戰課程學習
  • 慕課網
  • Coursera

建立自己的專案

• 自己做小應用：計劃表；備忘錄；播放器…
• 自己解決小問題：爬蟲；資料分析；詞頻統計...
• “不是專案”的專案：一本優秀的技術書籍的程式碼整理等…（github）
• 分享：自己的技術部落格；github等等

通過過去了解你的思考行為方式：

• 遇到的最大的挑戰？
• 犯過的錯誤？
• 遭遇的失敗？
• 最享受的工作內容？
• 遇到衝突的處理方式？
• 做的最與眾不同的事兒？

具體闡述：我在某某專案中遇到一個怎樣的演算法問題：這個問題是怎樣的。它是我遇到的最大的挑戰。我是如何克服解決的。

準備好合適的問題問面試官：

• 整個小組的大概執行模式是怎樣的？
• 整個專案的後續規劃是如何的？
• 這個產品中的某個問題是如何解決的？
• 為什麼會選擇某些技術？標準？
• 我對某個技術很感興趣，在你的小組中我會有怎樣的機會深入這種技術？

演算法面試仍然是非常重要的一部分

如何準備演算法面試？

準備面試 和 準備演算法面試 是兩個概念

演算法面試，只是面試中的一個環節。

遠遠不需要啃完一本《演算法導論》
- 強調理論證明

針對演算法面試，演算法導論裡面的理論推導和證明不是很重要的方面。

演算法導論

第一遍讀不需要弄懂證明

前幾遍閱讀應該記住結論就行了，不需要弄懂證明。把更多的精力放在演算法思想上。

學習切記完美主義

高階資料結構和演算法面試提及的概率很低

提及很低的演算法

基礎的概念要知道，但是不需要實現等更深入的層面。

遠遠不需要到達資訊學競賽的水平

面試不是acm

不要輕視基礎演算法和資料結構，而只關注“有意思”的題目

• 各種排序演算法

• 基礎資料結構和演算法的實現：如堆、二叉樹、圖…
• 基礎資料結構的使用：如連結串列、棧、佇列、雜湊表、圖、Trie、並查集…
• 基礎演算法：深度優先、廣度優先、二分查詢、遞迴…
• 基本演算法思想：遞迴、分治、回溯搜尋、貪心、動態規劃…

前兩部分都已經在演算法與資料結構中學習過了。
演算法面試的基礎。

Intel的面試題：

初始序列為1 8 6 2 5 4 7 3的一組數採用堆排序，當建堆(小根堆)完畢時，堆所對應的二叉樹中序遍歷序列為：( )

A. 8 3 2 5 1 6 4 7

B. 3 2 8 5 1 4 6 7

C. 3 8 2 5 1 6 7 4

D. 8 2 3 5 1 4 7 6

樂視的面試題：

對一個含有20個元素的有序陣列做二分查詢，陣列起始下標為1，則查詢A[2]的比較序列的下標為（）

A. 9、5、4、2

B. 10、5、3、2

C. 9、6、2

D. 20、10、5、3、2

考查二分查詢法。

阿里巴巴面試題

一組記錄排序碼為（5、11、7、2、3、17），則利用堆排序方法建立的初始堆為（）

A. （11、5、7、2、3、17)

B. （11、5、7、2、17、3)

C. （17、11、7、2、3、5)

D. （17、11、7、5、3、2)

E. （17、7、11、3、5、2)

F. （17、7、11、3、2、5)

百度面試題

在圖採用鄰接表儲存時，求最小生成樹的Prim演算法的時間複雜度為( )

• O(n)
• O(n+e)
• O(n^2)
• O(n^3)

重點：

• 基礎資料結構的使用：如連結串列、棧、佇列、雜湊表、圖、Trie、並查集…

• 基礎演算法：深度優先、廣度優先、二分查詢、遞迴…
• 基本演算法思想：遞迴、分治、回溯搜尋、貪心、動態規劃…

選擇合適的OJ（Online judge）:線上判題系統

不要選擇過於偏向程式設計競賽的OJ

面向競賽

面向競賽難度過高。

LeetCode

Online Portal for IT Interview

真實的面試問題：

HankeRank

特點是對於問題的分類很詳細。偏難，不過可以對某一類細分問題解決。

在學習和實踐做題之間，要掌握平衡

基礎演算法實現與演算法思想。

解決演算法面試問題的整體思路

注意題目中的條件：

給定一個有序陣列...（二分法）

有一些題目中的條件本質是暗示：

• 設計一個O(nlogn)的演算法（分治：在一顆搜尋樹中完成任務。對於資料排序）
• 無需考慮額外的空間（用空間換時間上的優化）
• 資料規模大概是10000（O(n^2)就可以）

當沒有思路的時候：

• 自己給自己幾個簡單的測試用例，試驗一下

• 不要忽視暴力解法。暴力解法通常是思考的起點。

不要忽略暴力法

公司

LeetCode 3 Longest Substring Without Repeating Characters

在一個字串中尋找沒有重複字母的最長子串
如”abcabcbb”，則結果為”abc”
如”bbbbb”，則結果為”b”

• 對於字串s的子串s[i...j]

• 使用O(n^2)的演算法遍歷i,j，可以得到所有的子串s[i...j]
• 使用O(length(s[i...j]))的演算法判斷s[i...j]中是否含有重複字母

三重迴圈：複雜度O(n^3)，對於n=100的資料，可行

優化演算法

• 遍歷常見的演算法思路

• 遍歷常見的資料結構

• 空間和時間的交換 （雜湊表）

• 預處理資訊（排序）

在瓶頸處尋找答案：O(nlogn) + O(n^2) ; O(n^3)
O(n^2)能否優化。

什麼樣的問題使用什麼樣的思路和資料結構。

實際編寫問題

極端條件的判斷：
- 陣列為空？字串為空？數量為0？指標為NULL?

程式碼規範:

- 變數名
- 模組化
- 複用性

對於基本問題，白板程式設計：

使用語言：c++ & java

LeetCode支援豐富的語言

對於使用的語言有更深入的瞭解。

作者：天涯明月笙
連結：https://www.jianshu.com/p/ca33ae9ee8fe