AI面試-算法結構基礎

其實目前國內幾乎只要是技術崗，面試中都100%會問算法和數據結構。

這二者能快速體現候選人真實的水平，好比代碼量，代碼的質量，性能，思惟是否有邏輯，是否靈活。

算法結果概述

1、前言

1.應用範圍：機器學習、數據挖掘、天然語言處理、圖形學等。

2.求職方面的考點：貪心、分治、動態規劃、樹、圖等。並且考官很是喜歡用算法來驗證你的代碼水平！

2、概述

1.定義：簡單的說，算法就是解決問題的方式。

2.特色:有窮性、肯定性、可行性、有輸入＆輸出。

3、基礎算法：

1.窮舉法：求N個數的所有排列、8皇后問題。

2.分而治之：二分查找——減而治之、歸併排序——分而治之。

3.貪心：最小生成樹——Prim、Kruskal、單元最短路——Dijkstra。

4.動態規劃：揹包問題、士兵路徑。

算法複雜度問題

1、概述

談算法不談複雜度=耍流氓！

硬件發展是常數級的，可是算法規模擴大是指數級別的。

在實現以前，要預估算法所須要的資源：時間、空間。

2、時空複雜度：

1.含義：使用大O記號（最壞狀況，忽略係數）。

2.包括：時間複雜度（基本操做次數）、空間複雜度（佔用內存字節數）、二者的區別是空間能夠再利用、聯繫是時空互換（Hash表）。

3.舉例：

O(1) ：基本運算，＋，－，＊，／，%，尋址。

O(logn) ：二分查找。

O(n1/2) ：枚舉約數。

O(n) ：線性查找。

O(n2)：樸素最近點對。

O(n3) ：Floyd最短路、普通矩陣乘法。

O(nlogn)：歸併排序。

O(2n)  ：枚舉所有的子集。

O(n!)： 枚舉全排列。

上述例子的總結： 

優秀：O(1) < O(logn) < O(n1/2) < O(n) < O(nlogn) 。

可能能夠優化：O(n2) < O(n3) < O(2n) < O(n!) 。

4.方法：輸入輸出、數循環次數、均攤分析。

棧和隊列問題

1、二者的共性和區別

1.共性：存放數據的線性表、空間複雜度O(n)、單次操做時間複雜度O(1) 。

2.區別：隊列——先進先出（FIFO），棧——先進後出（FILO）。

2、操做

入棧/隊列、出棧/隊列、判斷滿/空。

3、實現

1.須要的工具：數組和鏈表皆可（線性表）、指針（輔助變量）：棧頂/底指針、隊頭/尾指針。

2.關鍵：出入元素的同時移動指針。

4、應用

括號匹配測試及模擬系統棧，由於篇幅比較長，能夠在公衆號後臺回覆「應用」獲取。

哈希表問題

1、哈希表概述

1.定義：存放數據的集合。

2.操做：根據（Key, Value）進行，插入、查找、刪除（能夠沒有）。 

3.空間複雜度：O(m)。

4.單次操做時間複雜度：O(1) 。

5.本質：Key的索引。

2、哈希表例題

1.題目：給出n個[0, m)範圍內的整數，去重。

2.解題思路：

①快速排序：指望時間複雜度O(nlogn) ，附加空間複雜度O(1)。

②計數（基數）排序：時間複雜度O(n + m) 、附加空間複雜度O(m)。

3.在思考一下：

若n << m，計數排序的大量空間被浪費。

只需判斷是否出現過，優化？

將Key區間[0, m) 映射到[0, p) 。

H(key) = key mod p、若m > p, 多對一的映射方式。

3、哈希表的實現

1.處理衝突（Key, Value）：開放地址法（數組）、拉鍊法（數組+鏈表）。

2.負載率：負債率=已有元素大小/ 存儲散列大小。

3.哈希函數設計：負載率越低，效率越高，通常負載率小於50%。

4、哈希表應用

1.題目：設字符串A=‘12314123’，求‘123’在A中出現的次數。若是不會寫KMP又想要O(n)，應該怎麼處理那？

2.思路：Key(‘123’) = ‘1’* 10^2 +‘2’* 10 + ‘3’* 1 = 123。

3.問題：Key相等時Value有可能不一樣、每次比較Value也是不小的開銷，特別是Value可能很大、不考慮Value將產生錯誤率（錯誤率換時間）、多重哈希（下降錯誤率）。

布隆過濾器問題

1、布隆過濾器概述

1.定義：判斷一個字符串是否出現過的數據結構

2.和哈希表的區別：哈希表是空間換時間，而布隆過濾器是錯誤率換空間。

2、布隆過濾器的實現

1.由01的數字序列構成 

2.插入：多個不一樣hash函數計算Key，置1

3.查找：有一個爲0不可能存在，全爲1可能存在

4.空間？

 

3、布隆過濾器的評價

1.優勢：時間和空間、多個hash函數可並行、交差並（位運算）。

2.缺點：錯誤率隨着負載率上升而上升、沒法刪除。