算法與面試之-如何準備算法面試

主要介紹算法面試的一些問題、以及如何準備算法面試java

算法面試不只僅是正確的回答問題

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git

什麼是算法面試？

讓你們在面對面試中的算法問題時，有一個合理的思考路徑:
不表明可以「正確」回答每個算法問題，可是合理的思考方向其實更重要，也是正確完成算法面試問題的前提
算法面試優秀不意味着技術面試優秀
技術面試優秀不意味着可以拿到Offer

什麼是給出合理的思考路徑?

算法面試的目的不是給出一個「正確」答案，
而是展現給面試官你思考問題的方式。

「正確」自己是一個相對概念

算法面試不是高考。
把這個過程看做是和麪試官一塊兒探討一個問題的解決方案。
對於問題的細節和應用環境，能夠和麪試官溝通。
這種溝通自己很重要，它暗示着你思考問題的方式。

例子

咱們須要對一組數據進行排序github

設計排序接口，標準庫的設計，業務中排序算法。
排序是基礎操做，很重要。

解決面試

快速排序算法：O(nlogn)算法

忽略了算法使用的基礎環境。要動態選擇。

(向面試官提問):這組數據有什麼樣的特徵？設計模式

有沒有可能包含有大量重複的元素？
若是有這種可能的話，三路快排是更好地選擇。
普通數據：普通快速排序就好了；java語言標準庫排序使用的三路快排。
是否大部分數據距離它正確的位置很近？是否近乎有序？
若是是這樣的話，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。
是否數據的取值範圍很是有限？好比對學生成績排序。
- 若是是這樣的話，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。

(向面試官提問):對排序有什麼額外的要求？數組

是否須要穩定排序？
- 若是是的話，歸併排序是更好地選擇。

(向面試官提問):數據的存儲情況是怎樣的？安全

是不是使用鏈表存儲的？
- 若是是的話，歸併排序是更好地選擇。
- 快排依賴於數組的隨機存取。

(向面試官提問):數據的存儲情況是怎樣的？微信

數據的大小是否能夠裝載在內存裏？
- 數據量很大，或者內存很小，不足以裝載在內存裏，須要使用外排序算法。

對一組數據進行排序小結

有沒有可能包含有大量重複的元素？
是否大部分數據距離它正確的位置很近？是否近乎有序？
是否數據的取值範圍很是有限？好比對學生成績排序。
是否須要穩定排序？
是不是使用鏈表存儲的？
數據的大小是否能夠裝載在內存裏？

什麼是「正確」的回答一個算法問題

正確除了你能把代碼編出來運行出正確的結果。正確還包含對問題的獨到看法；優化；代碼規範；容錯性；
- 不只僅是給出解決算法問題的代碼,還要把上面因素包括。
- 若是是很是難的問題，對你的競爭對手來講，也是難的。
關鍵在於你所表達出的解決問題的思路。
甚至經過表達解題思路的方向，得出結論：這個問題的解決方案，應該在哪個領域，我能夠經過查閱或者進一步學習解決問題。

算法面試只是面試的一部分

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一樣，勢必要考察其餘技術方面。
項目經歷和項目中遇到的實際問題
- 解決能力，是否參與
- 深刻思考
- 技術態度

面試前梳理本身簡歷上所寫到的項目：整理一下可能會問到的。markdown

你遇到的印象最深的bug是什麼？
面向對象
設計模式
網絡相關；安全相關；內存相關；併發相關；…
系統設計；scalability（大規模）

技術面試優秀不意味着可以拿到Offer

技術面試只是面試的一部分。面試不只僅是考察你的技術水平，仍是瞭解你的過去以及造成的思考行爲方式。

關於過去：參與項目相當重要

項目經歷:

工做人士
研究生
本科生
- 畢業設計
- 其餘課程設計（大做業）

如何找到項目？

實習
建立本身的項目
- 本身作小應用：計劃表；備忘錄；播放器…
- 本身解決小問題：爬蟲；數據分析；詞頻統計...
- 「不是項目」的項目：一本優秀的技術書籍的代碼整理等…（github）
- 分享：本身的技術博客；github等等

行爲類問題

經過過去了解你的思考行爲方式：

遇到的最大的挑戰？
犯過的錯誤？
遭遇的失敗？
最享受的工做內容？
遇到衝突的處理方式？
作的最不同凡響的事兒？

具體闡述：我在某某項目中遇到一個怎樣的算法問題：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

整個小組的大概運行模式是怎樣的？
整個項目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？
爲何會選擇某些技術？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刻這種技術？

算法面試仍然是很是重要的一部分

如何準備算法面試

準備面試和準備算法面試是兩個概念

算法面試，只是面試中的一個環節。
遠遠不須要啃完一本《算法導論》
- 強調理論證實
- 第一遍讀不須要弄懂證實
- 前幾遍閱讀應該記住結論就好了，不須要弄懂證實。把更多的精力放在算法思想上。
針對算法面試，算法導論裏面的理論推導和證實不是很重要的方面。

學習切記完美主義

高級數據結構和算法面試說起的機率很低

基礎的概念要知道，可是不須要實現等更深刻的層面。
遠遠不須要到達信息學競賽的水平

算法面試的準備範圍

不要輕視基礎算法和數據結構，而只關注「有意思」的題目
各類排序算法
基礎數據結構和算法的實現：如堆、二叉樹、圖…
基礎數據結構的使用：如鏈表、棧、隊列、哈希表、圖、Trie、並查集…
基礎算法：深度優先、廣度優先、二分查找、遞歸…
基本算法思想：遞歸、分治、回溯搜索、貪心、動態規劃…

例子

Intel的面試題：

初始序列爲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爲：( )

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個元素的有序數組作二分查找，數組起始下標爲1，則查找A[2]的比較序列的下標爲（）

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。

阿里巴巴面試題

一組記錄排序碼爲（五、十一、七、二、三、17），則利用堆排序方法創建的初始堆爲（）

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)

百度面試題

在圖採用鄰接表存儲時，求最小生成樹的Prim算法的時間複雜度爲( )

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

重點關注

基礎數據結構的使用：如鏈表、棧、隊列、哈希表、圖、Trie、並查集…
基礎算法：深度優先、廣度優先、二分查找、遞歸…
基本算法思想：遞歸、分治、回溯搜索、貪心、動態規劃…

選擇合適的OJ（Online judge）:在線判題系統

不要選擇過於偏向程序設計競賽的OJ *面向競賽難度太高

選擇合適的oj
leetcode
- Online Portal for IT Interview
- 真實的面試問題
- www.leetcode.com
HankeRank
- 特色是對於問題的分類很詳細。偏難，不過能夠對某一類細分問題解決。
- www.hackerrank.com

注意

在學習和實踐作題之間，要掌握平衡
基礎算法實現與算法思想

如何回答算法面試問題

解決算法面試問題的總體思路

注意題目中的條件
- 給定一個有序數組...（二分法）
有一些題目中的條件本質是暗示
- 設計一個O(nlogn)的算法（分治：在一顆搜索樹中完成任務，對於數據排序）
- 無需考慮額外的空間（用空間換時間上的優化）
- 數據規模大概是10000（O(n^2)就能夠）

當沒有思路的時候

本身給本身幾個簡單的測試用例，試驗一下
不要忽視暴力解法。暴力解法一般是思考的起點。

例子

LeetCode 3 Longest Substring Without Repeating Characters

在一個字符串中尋找沒有重複字母的最長子串
如」abcabcbb」，則結果爲」abc」
如」bbbbb」，則結果爲」b」

對於字符串s的子串s[i...j]
使用O(n^2)的算法遍歷i,j，能夠獲得全部的子串s[i...j]
使用O(length(s[i...j]))的算法判斷s[i...j]中是否含有重複字母
三重循環：複雜度O(n^3)，對於n=100的數據，可行

優化算法

遍歷常見的算法思路
遍歷常見的數據結構
空間和時間的交換（哈希表）
預處理信息（排序）
在瓶頸處尋找答案：O(nlogn) + O(n^2) ; O(n^3)
- O(n^2)可否優化。
什麼樣的問題使用什麼樣的思路和數據結構。

實際編寫問題

極端條件的判斷
- 數組爲空？
- 字符串爲空？
- 數量爲0？
- 指針爲NULL?
代碼規範:
- 變量名
- 模塊化
- 複用性

-------------------------華麗的分割線--------------------

看完的朋友能夠點個喜歡/關注，您的支持是對我最大的鼓勵。

我的博客番茄技術小棧和掘金主頁

想了解更多，歡迎關注個人微信公衆號：番茄技術小棧