以下是在编程面试中排名前10的算法相关的概念,我会通过一些简单的例子来阐述这些概念。由于完全掌握这些概念需要更多的努力,因此这份列表只是作为一个介绍。本文将从Java的角度看问题,包含下面的这些概念:
1. 字符串
2. 链表
3. 树
4. 图
5. 排序
6. 递归 vs. 迭代
7. 动态规划
8. 位操作
9. 概率问题
10. 排列组合
1. 字符串
如果IDE没有代码自动补全功能,所以你应该记住下面的这些方法。
1
2
3
4
5
6
|
toCharArray() // 获得字符串对应的char数组
Arrays.sort() // 数组排序
Arrays.toString(char[] a) // 数组转成字符串
charAt( int x) // 获得某个索引处的字符
length() // 字符串长度
length // 数组大小
|
2. 链表
在Java中,链表的实现非常简单,每个节点Node都有一个值val和指向下个节点的链接next。
1
2
3
4
5
6
7
8
9
|
class Node {
int val;
Node next;
Node( int x) {
val = x;
next = null ;
}
} |
链表两个著名的应用是栈Stack和队列Queue。
栈:
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
|
class Stack{
Node top;
public Node peek(){
if (top != null ){
return top;
}
return null ;
}
public Node pop(){
if (top == null ){
return null ;
} else {
Node temp = new Node(top.val);
top = top.next;
return temp;
}
}
public void push(Node n){
if (n != null ){
n.next = top;
top = n;
}
}
} |
队列:
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
|
class Queue{
Node first, last;
public void enqueue(Node n){
if (first == null ){
first = n;
last = first;
} else {
last.next = n;
last = n;
}
}
public Node dequeue(){
if (first == null ){
return null ;
} else {
Node temp = new Node(first.val);
first = first.next;
return temp;
}
}
} |
3. 树
这里的树通常是指二叉树,每个节点都包含一个左孩子节点和右孩子节点,像下面这样:
1
2
3
4
5
|
class TreeNode{
int value;
TreeNode left;
TreeNode right;
} |
下面是与树相关的一些概念:
- 平衡 vs. 非平衡:平衡二叉树中,每个节点的左右子树的深度相差至多为1(1或0)。
- 满二叉树(Full Binary Tree):除叶子节点以为的每个节点都有两个孩子。
- 完美二叉树(Perfect Binary Tree):是具有下列性质的满二叉树:所有的叶子节点都有相同的深度或处在同一层次,且每个父节点都必须有两个孩子。
- 完全二叉树(Complete Binary Tree):二叉树中,可能除了最后一个,每一层都被完全填满,且所有节点都必须尽可能想左靠。
译者注:完美二叉树也隐约称为完全二叉树。完美二叉树的一个例子是一个人在给定深度的祖先图,因为每个人都一定有两个生父母。完全二叉树可以看成是可以有若干额外向左靠的叶子节点的完美二叉树。疑问:完美二叉树和满二叉树的区别?(参考:http://xlinux.nist.gov/dads/HTML/perfectBinaryTree.html)
4. 图
图相关的问题主要集中在深度优先搜索(depth first search)和广度优先搜索(breath first search)。
下面是一个简单的图广度优先搜索的实现。
1) 定义GraphNode
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
|
class GraphNode{
int val;
GraphNode next;
GraphNode[] neighbors;
boolean visited;
GraphNode( int x) {
val = x;
}
GraphNode( int x, GraphNode[] n){
val = x;
neighbors = n;
}
public String toString(){
return "value: " + this .val;
}
} |
2) 定义一个队列Queue
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
|
class Queue{
GraphNode first, last;
public void enqueue(GraphNode n){
if (first == null ){
first = n;
last = first;
} else {
last.next = n;
last = n;
}
}
public GraphNode dequeue(){
if (first == null ){
return null ;
} else {
GraphNode temp = new GraphNode(first.val, first.neighbors);
first = first.next;
return temp;
}
}
} |
3) 用队列Queue实现广度优先搜索
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
|
public class GraphTest {
public static void main( String [] args) {
GraphNode n1 = new GraphNode( 1 );
GraphNode n2 = new GraphNode( 2 );
GraphNode n3 = new GraphNode( 3 );
GraphNode n4 = new GraphNode( 4 );
GraphNode n5 = new GraphNode( 5 );
n1.neighbors = new GraphNode[]{n2,n3,n5};
n2.neighbors = new GraphNode[]{n1,n4};
n3.neighbors = new GraphNode[]{n1,n4,n5};
n4.neighbors = new GraphNode[]{n2,n3,n5};
n5.neighbors = new GraphNode[]{n1,n3,n4};
breathFirstSearch(n1, 5 );
}
public static void breathFirstSearch(GraphNode root, int x){
if (root.val == x)
System.out.println( "find in root" );
Queue queue = new Queue();
root.visited = true ;
queue.enqueue(root);
while (queue.first != null ){
GraphNode c = (GraphNode) queue.dequeue();
for (GraphNode n: c.neighbors){
if (!n.visited){
System.out.print(n + " " );
n.visited = true ;
if (n.val == x)
System.out.println( "Find " +n);
queue.enqueue(n);
}
}
}
}
} |
1
2
|
value: 2 value: 3 value: 5 Find value: 5 value: 4 |
下面是不同排序算法的时间复杂度,你可以去wiki看一下这些算法的基本思想。
Algorithm | Average Time | Worst Time | Space |
冒泡排序 | n^2 | n^2 | 1 |
选择排序 | n^2 | n^2 | 1 |
Counting Sort | n+k | n+k | n+k |
Insertion sort | n^2 | n^2 | |
Quick sort | n log(n) | n^2 | |
Merge sort | n log(n) | n log(n) | depends |
另外,这里有一些实现/演示:: Counting sort、Mergesort、 Quicksort、 InsertionSort。
6. 递归 vs. 迭代
对程序员来说,递归应该是一个与生俱来的思想(a built-in thought),可以通过一个简单的例子来说明。
问题: 有n步台阶,一次只能上1步或2步,共有多少种走法。
步骤1:找到走完前n步台阶和前n-1步台阶之间的关系。
为了走完n步台阶,只有两种方法:从n-1步台阶爬1步走到或从n-2步台阶处爬2步走到。如果f(n)是爬到第n步台阶的方法数,那么f(n) = f(n-1) + f(n-2)。
步骤2: 确保开始条件是正确的。
f(0) = 0;
f(1) = 1;
1
2
3
4
5
|
public static int f( int n){
if (n <= 2 ) return n;
int x = f(n- 1 ) + f(n- 2 );
return x;
} |
递归方法的时间复杂度是n的指数级,因为有很多冗余的计算,如下:
f(5)
f(4) + f(3)
f(3) + f(2) + f(2) + f(1)
f(2) + f(1) + f(1) + f(0) + f(1) + f(0) + f(1)
f(1) + f(0) + f(1) + f(1) + f(0) + f(1) + f(0) + f(1)
直接的想法是将递归转换为迭代:
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
|
public static int f( int n) {
if (n <= 2 ){
return n;
}
int first = 1 , second = 2 ;
int third = 0 ;
for ( int i = 3 ; i <= n; i++) {
third = first + second;
first = second;
second = third;
}
return third;
} |
对这个例子而言,迭代花费的时间更少,你可能也想看看Recursion vs Iteration。
7. 动态规划
动态规划是解决下面这些性质类问题的技术:
- 一个问题可以通过更小子问题的解决方法来解决(译者注:即问题的最优解包含了其子问题的最优解,也就是最优子结构性质)。
- 有些子问题的解可能需要计算多次(译者注:也就是子问题重叠性质)。
- 子问题的解存储在一张表格里,这样每个子问题只用计算一次。
- 需要额外的空间以节省时间。
爬台阶问题完全符合上面的四条性质,因此可以用动态规划法来解决。
1
2
3
4
5
6
7
8
9
10
11
12
|
public static int [] A = new int [ 100 ];
public static int f3( int n) {
if (n <= 2 )
A[n]= n;
if (A[n] > 0 )
return A[n];
else
A[n] = f3(n- 1 ) + f3(n- 2 ); //store results so only calculate once!
return A[n];
} |
8. 位操作
位操作符:
OR (|) | AND (&) | XOR (^) | Left Shift (<<) | Right Shift (>>) | Not (~) |
1|0=1 | 1&0=0 | 1^0=1 | 0010<<2=1000 | 1100>>2=0011 | ~1=0 |
获得给定数字n的第i位:(i从0计数并从右边开始)
1
2
3
4
5
6
7
8
|
public static boolean getBit( int num, int i){
int result = num & ( 1 <<i);
if (result == 0 ){
return false ;
} else {
return true ;
}
|
例如,获得数字10的第2位:
i=1, n=10
1<<1= 10
1010&10=10
10 is not 0, so return true;
9. 概率问题
解决概率相关的问题通常需要很好的规划了解问题(formatting the problem),这里刚好有一个这类问题的简单例子:
一个房间里有50个人,那么至少有两个人生日相同的概率是多少?(忽略闰年的事实,也就是一年365天)
计算某些事情的概率很多时候都可以转换成先计算其相对面。在这个例子里,我们可以计算所有人生日都互不相同的概率,也就是:365/365 + 364/365 + 363/365 + 365-n/365 + 365-49/365,这样至少两个人生日相同的概率就是1 – 这个值。
1
2
3
4
5
6
7
8
9
|
public static double caculateProbability( int n){
double x = 1 ;
for ( int i= 0 ; i<n; i++){
x *= ( 365.0 -i)/ 365.0 ;
}
double pro = Math.round(( 1 -x) * 100 );
return pro/ 100 ;
|
calculateProbability(50) = 0.97
10. 排列组合
组合和排列的区别在于次序是否关键。
如果你有任何问题请在下面评论。
参考/推荐资料:
1. Binary tree
2. Introduction to Dynamic Programming
3. UTSA Dynamic Programming slides
4. Birthday paradox
5. Cracking the Coding Interview: 150 Programming Interview Questions and Solutions, Gayle Laakmann McDowell
源于http://blog.csdn.net/lifuxiangcaohui/article/details/17006559
相关推荐
编程面试中排名前 10 的算法相关的概念
以下是在编程面试中排名前10的算法相关的概念,通过一些简单的例子来阐述这些概念。由于完全掌握这些概念需要更多的努力,因此这份列表只是作为一个介绍。本文将从Java的角度看问题,包含下面的这些概念:
网络营销面试题 SEO 优化专员 1. 如何查看网站收录? 答:Site地址,更准确的方法是百度站长的索引量的功能。 2. 页面的优化应该从哪几方面着手? 网页中重要位置上(title、description、h1)设置关键词,网页body中...
准备面试,包括 NLP 和算法。 1.自然语言处理 TnT 文本排名 情绪_贝叶斯 唔 HMM4中文分割 电磁场 2. 力码 合并两个排序列表 添加两个数字 AllPossibleFullBinaryTrees 分配Cookies 平衡二叉树 ... 3. 测试 HUAWEI_...
原谷歌资深面试官的经验之作,层层紧扣程序员面试的每一个环节,全面而详尽地介绍了程序员应当如何应对面试,才能在面试中脱颖而出。第1~7 章主要涉及面试流程解析、面试官的幕后决策及可能提出的问题、面试前的...
本人整理的的seo全方位的面试题(www.81ly.com) 包括开放式问答、考察SEO学习能力、统计、算法、关键字、页面排名因素、站内排名因素等多方面
现在要为该网站设计一种算法,在每次用户登录时显示其当前积分排名。用户最大规模为2亿;积分为非负整数,且小于100万。PS:据说这是迅雷的一道面试题,不过问题本身具有很强的真实性,所以本文打算按照真实场景来...
我在java中实现了一些流行的数据结构和算法以及与它们相关的面试问题 指数: 矩阵 主题/问题 java中的代码 烂橙子。 找到矩阵中的岛屿数。 旋转图像。 链表 主题/问题 java中的代码 以给定大小的组反转链接列表。 ...
面试准备算法问题解决代码库。 2020年目标300/1000个问题(排名100) 。 DP =动态编程DFS =深度优先搜索BFS =宽度优先搜索BRUTE =蛮力STRING =与字符串相关的算法TREE =树算法알고리즘 DFS,BFS 구현 셋,맵 스택,...
冒泡排序,插入排序,选择排序,快速排序,堆排序,合并排序,广度优先搜索,深度优先搜索,二进制搜索,lru,dijkstra,A *(计划中) 概念 位操作,OOP,动态编程,图形(计划的) 破解编码面试 (〜2.7。交集) ...
(待定:研究选择排名算法) (待定:研究尝试) 塔式料斗问题 查找加起来为 X 的数字集 找到数组之间的交集 反转整数 模式匹配 * 旋转阵列 搜索建议系统 使用随机指针复制列表 关键路由器 设计井字游戏 * 重组字符...
排行榜 lru缓存 地下系统 树 垂直遍历 I 垂直遍历 II dfs/bfs 岛屿数量 从源到目标的所有路径 评估部门 动态规划 解码方式 列表 展平嵌套的双链表 会议室 2 堆 删除相邻的重复项 排序算法 比较分类: 快速排序 归并...
全站排名 2021-01-12 160 60695 2020-04-28 98651 leetcodetop 数组中的第k个最大元素 搜索 BFS 2th题目 图: 位运算 数学 分治 双指针 排序 贪心思想 二分查找 链表 树 栈和队列 哈希表 字符串 数组和矩阵 位运算 ...
年排名前 31 的哈希表面试问题和答案。 您可以在此处查看所有 31 个哈希表面试问题 :backhand_index_pointing_right: :small_blue_diamond: 1. 什么是哈希表? 回答: 哈希表(hash map)是一种实现关联数组抽象数据...
图片按排名算法确定的顺序显示在主页上,从排名0开始(投票越多,排名编号越低): 等级:0 等级:1 等级:2 ... 建于 应用是使用Flask框架和SQLite用python3编写的,并在docker容器中交付。 入门 在这里您将找到...
也谈谈技术面试 在C#里把ArrayList转换为Array 或 把Array转换为ArrayList C# 2.0 在.NET 2.0中,让你的组件也可以绑定 .NET20 一种简单的窗口控件UI状态控制方法 翻译MSDN文章 —— 泛型FAQ:最佳实践 Visual C# ...
(正常)问题面试56: (正常)问题 59: (正常)问题 73:设置矩阵零 :pig_face: (审查) :alarm_clock: (关联) O(n^2) 上) O(1) 堆 问题682: 问题 1046: 堆 问题 703: :alien: (需要审核) 动态规划 问题...
leetcode竞赛积分怎么获取巫师...他们还提供一系列算法教程、介绍视频和面试准备课程。 与 HackerRank 和其他类似网站不同,除了 Coderbyte 发布的官方解决方案之外,您还可以查看其他用户针对任何挑战提供的解决方案。
1000以内排名整理 ID Name Describe Stars 1 A complete computer science study plan to become a software engineer. 84.7k 2 :books: Tech Interview Guide 技术面试必备基础知识、Leetcode 题解、Java、C++、...