算法思维题

Ⅰ 大公司笔试面试有哪些经典算法题目

1、二维数组中的查找

具体例题：如果一个数字序列逆置之后跟原序列是一样的就称这样的数字序列为回文序列。例如：{1, 2, 1}, {15, 78, 78, 15} , {112} 是回文序列, {1, 2, 2}, {15, 78, 87, 51} ,{112, 2, 11} 不是回文序列。现在给出一个数字序列，允许使用一种转换操作：选择任意两个相邻的数，然后从序列移除这两个数，并用这两个数字的和插入到这两个数之前的位置(只插入一个和)。现在对于所给序列要求出最少需要多少次操作可以将其变成回文序列？

Ⅱ 算法如何刷题

1、原题
我自己感觉原题的概率还是挺大的，特别是剑指offer的66题更是如此。千万别小看这66题，这几十道题里面基本所有的算法类型都有包括在内，常用的数据结构，操作方式，常用算法思路都有不少的题。

如果真的能够充分理解这几十道题的最优解，我感觉其实已经形成基本的算法思维了。

另外，leetcode的原题也很常见，因为LC本身题量大，在里面出原题不是为了考倒你，而是检验你的刷题质量。

毕竟那些大公司面试官也不是傻子，知道你在面试前肯定会大规模刷题的。所以把刷过的题完全搞懂才是最重要的。

2、改编题
改编题就很显而易见了。改编题大多需要从基本的算法原理中找到处理的思维，然后结合实际题干进行性能优化，就能够搞定。

这里要记得一点的是，正常的算法考察不会故意刁难你（正常情况），也不会给过多的时间让你思考和敲代码。

所以遇到改编题不要想得太复杂，尽量要找到它的算法思维是什么。怎么说呢，透过现象看本质。我总结的改编题有以下几种思路：

1）新的数据结构，换汤不换药。比如最常见的排序算法的改编，原来是对数字进行排序，现在对链表排序等等。比较难一点的可能会遇到自定义的数据结构。但是算法本质不会变。

2）算法类型改编。

这里要说的就是一个比较大的范围，比如动态规划、贪心算法、递归、回溯和分治等等。这种是从算法大的类型上进行改编，很难用相同的套路去解题。

遇到这类题的关键就是要先弄明白算法核心。比如动态规划的状态方程，贪心算法的局部最优情况，递归回溯的边界判断，分治的子问题划分等等。这种类型的确比较难把握，怎么硕呢，每种类型的都来搞几道感觉感觉吧。

3）添加应用题背景。

这种题目看起来不难，但是难就难在对应用题背景的理解，需要去理解题意，然后考虑合适的数据结构和处理算法。这里面有数学建模的思维在里面，需要把一堆无用的信息剔除，筛选出有效的信息，然后才能选择正确的算法。

3、创新题
这类题考察的是你的扩展思维，如果说上面的题考查的是你的思维深度，这种题就是考察算法的广度。可能一看题目，完全没见过这种类型。但是算法本身其实不就是让计算机代替人脑进行高重复性的计算嘛。

首先你需要想到你应该去怎么算这个题，然后再换到计算机上，会发生什么问题（空间时间问题，运行效率，代码冗余等等），之后再想通过经典的算法原理来解决这些

1、题型分类
按照个人的习惯，喜欢按照一种类型狂刷，然后再刷另外一种类型。一般常见的算法类型可分为：

数组、链表

包含基本排序算法、二分查找、链表的一系列操作。

栈、队列、堆

利用栈、队列互相实现，堆的使用

二叉树与图

主要是遍历算法和节点的计算：
二叉树四种遍历方式、广度优先遍历（BFS）和广度优先遍历（DFS），节点到节点距离等等。

哈希表

使用标准库自带的模板或者函数就很简单了，一般会与其它数据结构相结合来提升时间复杂度。

字符串操作

字符串的操作也很多，本质上可以看作是数组的操作。另外字符串的一些匹配和寻求字串的算法还是非常具有思考价值的。KMP，马拉车等等。

递归

重点掌握边界判断条件。

回溯

重点掌握边界判断条件。

分治

重点掌握如何划分子问题。

动态规划

题太多了，可从一阶dp到二阶dp理解不同的状态方程。

贪心及其它

这个就很容易理解了，遇到贪心题应该要偷笑了。

2、高频热点多刷
这不多说了吧，Leetcode热题HOT 100。你值得拥有。

在不知道怎么刷的情况下，不如先刷起来。刷个题没那么多捷径，只有坚持刷起来了，才会形成自己的思维方式和学习习惯。

我建议是先按照类型刷，每个类型刷十几二十道。然后打混按照算法热度排序重新查漏补缺。

3、思路回顾
许多同学在一股脑刷了很多题之后，再看做过的题会发现忘了不少。可能大家都是这样的吧。我觉得是因为在刷题的时候过于心急，理解了大概就过了，或者类型做的太杂，没有留下印象。

我比较喜欢的方式是偶尔会重新看看曾经做过的题，就看题目然后想思路，再画一画步骤演进，没时间就不细敲了。这样可以增强一下思维记忆，之前理解过的东西，再回忆起来还是非常快的。

Ⅲ 面试官常问十大经典算法排序（用python实现）

算法是一种与语言无关的东西，更确切地说就算解决问题的思路，就是一个通用的思想的问题。代码本身不重要，算法思想才是重中之重

我们在面试的时候总会被问到一下算法，虽然算法是一些基础知识，但是难起来也会让人非常头疼。

排序算法应该算是一些简单且基础的算法，但是我们可以从简单的算法排序锻炼我们的算法思维。这里我就介绍经典十大算法用python是怎么实现的。

十大经典算法可以分为两大类：

比较排序： 通过对数组中的元素进行比较来实现排序。

非比较排序： 不通过比较来决定元素间的相对次序。

算法复杂度

冒泡排序比较简单，几乎所有语言算法都会涉及的冒泡算法。

基本原理是两两比较待排序数据的大小 ，当两个数据的次序不满足顺序条件时即进行交换，反之，则保持不变。

每次选择一个最小（大）的，直到所有元素都被输出。

将第一个元素逐个插入到前面的有序数中，直到插完所有元素为止。

从大范围到小范围进行比较-交换，是插入排序的一种，它是针对直接插入排序算法的改进。先对数据进行预处理，使其基本有序，然后再用直接插入的排序算法排序。

该算法是采用 分治法 对集合进行排序。

把长度为n的输入序列分成两个长度为n/2的子序列，对这两个子序列分别采用归并排序，最终合并成序列。

选取一个基准值，小数在左大数在在右。

利用堆这种数据结构所设计的一种排序算法。

堆是一个近似完全二叉树的结构，并同时满足堆积的性质：即子结点的键值或索引总是小于（或者大于）它的父节点。利用最大堆和最小堆的特性。

采用字典计数-还原的方法，找出待排序的数组中最大和最小的元素，统计数组中每个值为i的元素出现的次数，对所有的计数累加，将每个元素放在新数组依次排序。

设置一个定量的数组当作空桶；遍历输入数据，并且把数据一个一个放到对应的桶里去；对每个不是空的桶进行排序；从不是空的桶里把排好序的数据拼接起来。

元素分布在桶中：

然后，元素在每个桶中排序：

取得数组中的最大数，并取得位数；从最低位开始取每个位组成新的数组；然后进行计数排序。

上面就是我整理的十大排序算法，希望能帮助大家在算法方面知识的提升。看懂之后可以去试着自己到电脑上运行一遍。最后说一下每个排序是没有调用数据的，大家记得实操的时候要调用。

参考地址：https://www.runoob.com/w3cnote/ten-sorting-algorithm.html