算法与面试之-如何准备算法面试

主要介绍算法面试的一些问题、以及如何准备算法面试java

算法面试不只仅是正确的回答问题

对于面试中遇到的大多数问题，都能有一个合理的思考路径git

什么是算法面试？

让你们在面对面试中的算法问题时，有一个合理的思考路径:
不表明可以“正确”回答每个算法问题，可是合理的思考方向其实更重要，也是正确完成算法面试问题的前提
算法面试优秀不意味着技术面试优秀
技术面试优秀不意味着可以拿到Offer

什么是给出合理的思考路径?

算法面试的目的不是给出一个“正确”答案，
而是展现给面试官你思考问题的方式。

“正确”自己是一个相对概念

算法面试不是高考。
把这个过程看做是和面试官一块儿探讨一个问题的解决方案。
对于问题的细节和应用环境，能够和面试官沟通。
这种沟通自己很重要，它暗示着你思考问题的方式。

例子

咱们须要对一组数据进行排序github

设计排序接口，标准库的设计，业务中排序算法。
排序是基础操做，很重要。

解决面试

快速排序算法：O(nlogn)算法

忽略了算法使用的基础环境。要动态选择。

(向面试官提问):这组数据有什么样的特征？设计模式

有没有可能包含有大量重复的元素？
若是有这种可能的话，三路快排是更好地选择。
普通数据：普通快速排序就好了；java语言标准库排序使用的三路快排。
是否大部分数据距离它正确的位置很近？是否近乎有序？
若是是这样的话，插入排序是更好地选择。
- 按照业务发生顺序,先发生先完成,几乎有序，插入排序是更好的选择。
是否数据的取值范围很是有限？好比对学生成绩排序。
- 若是是这样的话，计数排序是更好地选择。高考成绩取值范围有限：计数排序更好。

(向面试官提问):对排序有什么额外的要求？数组

是否须要稳定排序？
- 若是是的话，归并排序是更好地选择。

(向面试官提问):数据的存储情况是怎样的？安全

是不是使用链表存储的？
- 若是是的话，归并排序是更好地选择。
- 快排依赖于数组的随机存取。

(向面试官提问):数据的存储情况是怎样的？微信

数据的大小是否能够装载在内存里？
- 数据量很大，或者内存很小，不足以装载在内存里，须要使用外排序算法。

对一组数据进行排序小结

有没有可能包含有大量重复的元素？
是否大部分数据距离它正确的位置很近？是否近乎有序？
是否数据的取值范围很是有限？好比对学生成绩排序。
是否须要稳定排序？
是不是使用链表存储的？
数据的大小是否能够装载在内存里？

什么是“正确”的回答一个算法问题

正确除了你能把代码编出来运行出正确的结果。正确还包含对问题的独到看法；优化；代码规范；容错性；
- 不只仅是给出解决算法问题的代码,还要把上面因素包括。
- 若是是很是难的问题，对你的竞争对手来讲，也是难的。
关键在于你所表达出的解决问题的思路。
甚至经过表达解题思路的方向，得出结论：这个问题的解决方案，应该在哪个领域，我能够经过查阅或者进一步学习解决问题。

算法面试只是面试的一部分

算法面试只是技术面试的一部分。
根据你的简历和应聘职位的不一样，势必要考察其余技术方面。
项目经历和项目中遇到的实际问题
- 解决能力，是否参与
- 深刻思考
- 技术态度

面试前梳理本身简历上所写到的项目：整理一下可能会问到的。markdown

你遇到的印象最深的bug是什么？
面向对象
设计模式
网络相关；安全相关；内存相关；并发相关；…
系统设计；scalability（大规模）

技术面试优秀不意味着可以拿到Offer

技术面试只是面试的一部分。面试不只仅是考察你的技术水平，仍是了解你的过去以及造成的思考行为方式。

关于过去：参与项目相当重要

项目经历:

工做人士
研究生
本科生
- 毕业设计
- 其余课程设计（大做业）

如何找到项目？

实习
建立本身的项目
- 本身作小应用：计划表；备忘录；播放器…
- 本身解决小问题：爬虫；数据分析；词频统计...
- “不是项目”的项目：一本优秀的技术书籍的代码整理等…（github）
- 分享：本身的技术博客；github等等

行为类问题

经过过去了解你的思考行为方式：

遇到的最大的挑战？
犯过的错误？
遭遇的失败？
最享受的工做内容？
遇到冲突的处理方式？
作的最不同凡响的事儿？

具体阐述：我在某某项目中遇到一个怎样的算法问题：这个问题是怎样的。它是我遇到的最大的挑战,我是如何克服解决的。

准备好合适的问题问面试官

整个小组的大概运行模式是怎样的？
整个项目的后续规划是如何的？
这个产品中的某个问题是如何解决的？
为何会选择某些技术？标准？
我对某个技术很感兴趣，在你的小组中我会有怎样的机会深刻这种技术？

算法面试仍然是很是重要的一部分

如何准备算法面试

准备面试和准备算法面试是两个概念

算法面试，只是面试中的一个环节。
远远不须要啃完一本《算法导论》
- 强调理论证实
- 第一遍读不须要弄懂证实
- 前几遍阅读应该记住结论就好了，不须要弄懂证实。把更多的精力放在算法思想上。
针对算法面试，算法导论里面的理论推导和证实不是很重要的方面。

学习切记完美主义

高级数据结构和算法面试说起的几率很低

基础的概念要知道，可是不须要实现等更深刻的层面。
远远不须要到达信息学竞赛的水平

算法面试的准备范围

不要轻视基础算法和数据结构，而只关注“有意思”的题目
各类排序算法
基础数据结构和算法的实现：如堆、二叉树、图…
基础数据结构的使用：如链表、栈、队列、哈希表、图、Trie、并查集…
基础算法：深度优先、广度优先、二分查找、递归…
基本算法思想：递归、分治、回溯搜索、贪心、动态规划…

例子

Intel的面试题：

初始序列为1 8 6 2 5 4 7 3的一组数采用堆排序，当建堆(小根堆)完毕时，堆所对应的二叉树中序遍历序列为：( )

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

乐视的面试题：

对一个含有20个元素的有序数组作二分查找，数组起始下标为1，则查找A[2]的比较序列的下标为（）

A. 九、五、四、2

B. 十、五、三、2

C. 九、六、2

D. 20、十、五、三、2

考查二分查找法。

阿里巴巴面试题

一组记录排序码为（五、十一、七、二、三、17），则利用堆排序方法创建的初始堆为（）

A. （十一、五、七、二、三、17)

B. （十一、五、七、二、1七、3)

C. （1七、十一、七、二、三、5)

D. （1七、十一、七、五、三、2)

E. （1七、七、十一、三、五、2)

F. （1七、七、十一、三、二、5)

百度面试题

在图采用邻接表存储时，求最小生成树的Prim算法的时间复杂度为( )

O(n)
O(n+e)
O(n^2)
O(n^3)

重点关注

基础数据结构的使用：如链表、栈、队列、哈希表、图、Trie、并查集…
基础算法：深度优先、广度优先、二分查找、递归…
基本算法思想：递归、分治、回溯搜索、贪心、动态规划…

选择合适的OJ（Online judge）:在线判题系统

不要选择过于偏向程序设计竞赛的OJ *面向竞赛难度太高

选择合适的oj
leetcode
- Online Portal for IT Interview
- 真实的面试问题
- www.leetcode.com
HankeRank
- 特色是对于问题的分类很详细。偏难，不过能够对某一类细分问题解决。
- www.hackerrank.com

注意

在学习和实践作题之间，要掌握平衡
基础算法实现与算法思想

如何回答算法面试问题

解决算法面试问题的总体思路

注意题目中的条件
- 给定一个有序数组...（二分法）
有一些题目中的条件本质是暗示
- 设计一个O(nlogn)的算法（分治：在一颗搜索树中完成任务，对于数据排序）
- 无需考虑额外的空间（用空间换时间上的优化）
- 数据规模大概是10000（O(n^2)就能够）

当没有思路的时候

本身给本身几个简单的测试用例，试验一下
不要忽视暴力解法。暴力解法一般是思考的起点。

例子

LeetCode 3 Longest Substring Without Repeating Characters

在一个字符串中寻找没有重复字母的最长子串
如”abcabcbb”，则结果为”abc”
如”bbbbb”，则结果为”b”

对于字符串s的子串s[i...j]
使用O(n^2)的算法遍历i,j，能够获得全部的子串s[i...j]
使用O(length(s[i...j]))的算法判断s[i...j]中是否含有重复字母
三重循环：复杂度O(n^3)，对于n=100的数据，可行

优化算法

遍历常见的算法思路
遍历常见的数据结构
空间和时间的交换（哈希表）
预处理信息（排序）
在瓶颈处寻找答案：O(nlogn) + O(n^2) ; O(n^3)
- O(n^2)可否优化。
什么样的问题使用什么样的思路和数据结构。

实际编写问题

极端条件的判断
- 数组为空？
- 字符串为空？
- 数量为0？
- 指针为NULL?
代码规范:
- 变量名
- 模块化
- 复用性

-------------------------华丽的分割线--------------------

看完的朋友能够点个喜欢/关注，您的支持是对我最大的鼓励。

我的博客番茄技术小栈和掘金主页

想了解更多，欢迎关注个人微信公众号：番茄技术小栈