百度面试算法题目与参考答案总结

1.代码编译过程

1. 在cpp文件中展开include文件。
2. 将每个cpp文件编译为一个对应的obj文件。
3. 连接obj文件成为一个exe文件（或者其它的库文件）

2.100W个整数中求最小的k个数，有哪些方法，优缺点

快速排序： 分区时，根据数P将数组分为两部分，设大于P的数个数为a，小于P的数的个数为b。如果，a>=k，则从这a个数取最大的k个数，若a

3.两个10G的文件中，求含有相同整数，有哪些方法，优缺点

（1）快排+二分查找 （2）位图法

位图法的应用

1、给40亿个不重复的unsigned int的整数，没排过序的，然后再给一个数，如何快速判断这个数是否在那40亿个数当中 　　首先，将这40亿个数字存储到bitmap中，然后对于给出的数，判断是否在bitmap中即可。

2、使用位图法判断整形数组是否存在重复       遍历数组，一个一个放入bitmap，并且检查其是否在bitmap中出现过，如果没出现放入，否则即为重复的元素。

3、在2.5亿个整数中找出不重复的整数，注，内存不足以容纳这2.5亿个整数       参 考的一个方法是：采用2-Bitmap（每个数分配2bit，00表示不存在，01表示出现一次，10表示多次，11无意义）。其实，这里可以使用两个普 通的Bitmap，即第一个Bitmap存储的是整数是否出现，如果再次出现，则在第二个Bitmap中设置即可。这样的话，就可以使用简单的1- Bitmap了。

hash_map:

其基本原理是：使用一个下标范围比较大的数组来存储元素。可以设计一个函数（哈希函数，也叫做散列函数），使得每个元素的关键字都与一个函数值（即数组下标，hash值）相对应，于是用这个数组单元来存储这个元素；也可以简单的理解为，按照关键字为每一个元素“分类”，然后将这个元素存储在相应“类”所对应的地方，称为桶。  但是，不能够保证每个元素的关键字与函数值是一一对应的，因此极有可能出现对于不同的元素，却计算出了相同的函数值，这样就产生了“冲突”，换句话说，就是把不同的元素分在了相同的“类”之中。 总的来说，“直接定址”与“解决冲突”是哈希表的两大特点。  hash_map，首先分配一大片内存，形成许多桶。是利用hash函数，对key进行映射到不同区域（桶）进行保存。

其插入过程是：    

1. 得到key    

2. 通过hash函数得到hash值    

3. 得到桶号(一般都为hash值对桶数求模)   

4. 存放key和value在桶内。 

其取值过程是:   

1. 得到key    

2. 通过hash函数得到hash值    

3. 得到桶号(一般都为hash值对桶数求模)   

4. 比较桶的内部元素是否与key相等，若都不相等，则没有找到。 

5. 取出相等的记录的value。  hash_map中直接地址用hash函数生成，解决冲突，用比较函数解决。这里可以看出，如果每个桶内部只有一个元素，那么查找的时候只有一次比较。当许多桶内没有值时，许多查询就会更快了(指查不到的时候).  由此可见，要实现哈希表, 和用户相关的是：hash函数和比较函数。这两个参数刚好是我们在使用hash_map时需要指定的参数。

有一个1G大小的一个文件，里面每一行是一个词，词的大小不超过16字节，内存限制大小是1M。返回频数最高的100个词。

方案1：顺序读文件中，对于每个词x，取，然后按照该值存到5000个小文件（记为）中。这样每个文件大概是200k左右。如果其中的有的文件超过了1M大小，还可以按照类似的方法继续往下分，知道分解得到的小文件的大小都不超过1M。对每个小文件，统计每个文件中出现的词以及相应的频率（可以采用trie树/hash_map等），并取出出现频率最大的100个词（可以用含100个结点的最小堆），并把100词及相应的频率存入文件，这样又得到了5000个文件。下一步就是把这5000个文件进行归并（类似与归并排序）的过程了。

海量日志数据，提取出某日访问百度次数最多的那个IP。

方案1：首先是这一天，并且是访问百度的日志中的IP取出来，逐个写入到一个大文件中。注意到IP是32位的，最多有个IP。同样可以采用映射的方法，比如模1000，把整个大文件映射为1000个小文件，再找出每个小文中出现频率最大的IP（可以采用hash_map进行频率统计，然后再找出频率最大的几个）及相应的频率。然后再在这1000个最大的IP中，找出那个频率最大的IP，即为所求。

4.僵尸进程产生的原因及解决方式：

如果子进程先于父进程退出， 同时父进程又没有调用wait/waitpid，则该子进程将成为僵尸进程。通过ps命令，我们可以看到该进程的状态为Z(表示僵死)。

一般，为了防止产生僵尸进程，在fork子进程之后我们都要wait它们；同时，当子进程退出的时候，内核都会给父进程一个SIGCHLD信号，所以我们可以建立一个捕获SIGCHLD信号的信号处理函数，在函数体中调用wait（或waitpid），就可以清理退出的子进程以达到防止僵尸进程的目的。

给你一个长度为N的链表。N很大，但你不知道N有多大。你的任务是从这N个元素中随机取出k个元素。你只能遍历这个链表一次。你的算法必须保证取出的元素恰好有k个，且它们是完全随机的（出现概率均等）。

解：先选中前k个， 从第k+1个元素到最后一个元素为止， 以k/i (i=k+1, k+2,...,N)的概率选中第i个元素，并且随机替换掉一个原先选中的元素，这样遍历一次得到k个元素， 可以保证完全随机选取。这个算法叫做蓄水池抽样

有20个数组，每个数组里面有500个数组，降序排列，每个数字是32位的unit,求出这10000个数字中最大的500个。

将 20 个数组合并为 1 个，挨着连接起来即可，不必保证有序。在合并的数组中随机选取一个元素，然后将所有小于此元素的元素放在其左侧，大于到右侧。完成操作后，如果原来被选中的元素刚好处在右数第 500 的位置，那从它开始向右的元素即为所求。否则，如果右端元素数目大于 500，则对右端序列递归使用此方法；否则，如果左端序列数目大于 10000-500，则对左端序列递归使用此方法。复杂度 expected O(n)

在一个数组中除两个数字只出现1次外，其它数字都出现了2次， 要求尽快找出这两个数字。

位操作方法

单链表：

找出单链表的倒数第4个元素：建立两个指针，第一个先走4步，然后第2个指针也开始走，两个指针步伐（前进速度）一致。

从无头单链表中删除节点：这里采用了“移花接木”的方法。设该节点为B，下一个节点为C。那么，首先将B节点的内容替换为C节点的内容，然后，将C节点删除

判断两个链表是否相交并找出交点：先遍历第一个链表到他的尾部，然后将尾部的next指针指向第二个链表(尾部指针的next本来指向的是null)。这样两个链表就合成了一个链表，判断原来的两个链表是否相交也就转变成了判断新的链表是否有环的问题了

找出带环链表中环的起点：用两个步长分别为1和2的指针遍历链表，直到两者相遇，此时慢指针走过的长度就是环的长度。另外相遇后把其中指针重新设定为起始点，让两个指针以步长1再走一遍链表，相遇点就是环的起始点。

单链表反序，并返回新链表的头指针：

struct ListNode *reverseList(struct ListNode *head)
{
    struct ListNode *newHead = NULL;
    struct ListNode *tmp = NULL;
    while(head != NULL)
    {
        tmp = head;
        head = head -> next;
        tmp->next = newHead;
        newHead = tmp;
    }
    return newHead;
}

栈问题：

如何用一个数组实现两个栈：分别用数组的两端作为两个栈的起点，向中间扩展，两个栈中的元素总和不超过n时，两个栈不会相遇。

二叉树：

找出二叉树上任意两个结点的最近共同父结点：首先数一下两个结点的深度，然后比较深的那个往上走（深-浅）步，最后同时往上走，肯定会命中最近共同父节点的。如果你把二叉树的所有节点看成N的话，我这个算法只需要lg(N)就可以搞定了

在二叉树中找出和为某一值的所有路径：到达一个节点之后计算当前节点和sum的和，如果为target，输出路径返回，如果大于target，则直接返回，如果小于，则将当前节点的值入栈，更新sum的值，继续遍历，遍历完成之后，也就是从当前节点返回的时候，将其从栈中弹出，更新sum