如何准备算法面试

1.算法面试解析

• 对一组数据进行排序？背后所隐藏的问题？

  • 不仅仅是快排(O(NlogN))
  • 大量重复的元素–>三路快排
  • 近乎有序–>插入排序
  • 数据的取值范围非常有限？比如学生成绩排序，–>计数排序
  • 对 排序的要求？是否稳定–>归并排序
  • 数据的存储状况–>快排基于数组的随机选择，如果是链表的话，可能使用归并更合适
  • 数据的存储状况？数据的大小是否可以装载在内存里？不足以装载在内存中–>外部排序

• 什么是“正确”的回答一个算法？正确的含义？

  • 运行正确，无bug
  • 对问题的独到见解
  • 优化
  • 代码规范
  • 容错性
  • 对于非常难得问题，关键在于所表达出的解决问题的思路。

• 算法面试优秀不意味技术面试的优秀

  • 项目经历和项目中遇到的问题
  • 设计模式
  • 网络相关
  • 操作系统相关

• 通过过去了解思考行为方式

  • 遇到的最大的挑战
  • 犯过的错误
  • 遭遇的失败
  • 最享受的工作内容
  • 遇到冲突的处理方式
  • 做的最与众不同的事情？

• 准备好合适的问题问面试官？

  • 整个小组的大概运行模式怎么样的？
  • 这个产品中的某个问题是如何解决的？
  • 为什么选择某些技术？标准？

• 如何准备算法面试？

  • 准备面试和准备算法面试是两回事。

  • 准备算法面试和学习算法也是不一样的，不需要读《算法导论》

  • 学习切勿完美主义

  • 高级数据结构和算法面试中提及的概率很低，只需要知道基本的概念即可，

    • 红黑树
    • B-Tree
    • 斐波那契堆
    • 计算几何
    • 数论
    • FFT(傅里叶变换)

  • 不要轻视基础算法和数据结构

    • 各种排序算法
    • 基础数据结构和算法的实现：堆、二叉树、图
    • 基础数据结构的使用：如链表、栈、队列、哈希表、图
    • 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

    • LeetCode，真实的面试问题
    • HackerRank，最问题的分类很详细，较难

  • 在学习和实践做题之间，要掌握平衡

    • 不要盲目刷题，要重视思考

  • 解决算法面试问题的整体思路

    • 注意题目中的条件

      • 给定一个有序数组
      • 题目条件本质是暗示
      • 设计一个O(nlogn)的算法
      • 无须考虑额外的空间
      • 数据规模大概是10000

  • 当没有思路的时候

    • 自己给自己几个简单的测试用例，试验一下
    • 不要忽视暴力解法，暴力解法通常是思考的起点

  • 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(排序等)
    • 在瓶颈处寻找答案
    • O(nlongn)+O(n^2)，显然要优化O(n^2)

  • 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
    • 变量名
    • 模块化，复用性

  • 参考

    • 玩转算法面试

    ​

    ​

  ​