CSDN总结的面试中的十大算法

简介:

1.String/Array/Matrix

在Java中,String是一个包含char数组和其它字段、方法的类。如果没有IDE自动完成代码,下面这个方法大家应该记住: 

 

toCharArray() //get char array of a String
Arrays.sort()  //sort an array
Arrays.toString(char[] a) //convert to string
charAt(int x) //get a char at the specific index
length() //string length
length //array size 
substring(int beginIndex) 
substring(int beginIndex, int endIndex)
Integer.valueOf()//string to integer
String.valueOf()/integer to string

String/arrays很容易理解,但与它们有关的问题常常需要高级的算法去解决,例如动态编程、递归等。

下面列出一些需要高级算法才能解决的经典问题:

 

 

 

 

 

 

2.链表

在Java中实现链表是非常简单的,每个节点都有一个值,然后把它链接到下一个节点。 

 

class Node {
	int val;
	Node next;
 
	Node(int x) {
		val = x;
		next = null;
	}
}

比较流行的两个链表例子就是栈和队列。

栈(Stack) 

 

class Stack{
	Node top; 
 
	public Node peek(){
		if(top != null){
			return top;
		}
 
		return null;
	}
 
	public Node pop(){
		if(top == null){
			return null;
		}else{
			Node temp = new Node(top.val);
			top = top.next;
			return temp;	
		}
	}
 
	public void push(Node n){
		if(n != null){
			n.next = top;
			top = n;
		}
	}
}

队列(Queue)

 

 

class Queue{
	Node first, last;
 
	public void enqueue(Node n){
		if(first == null){
			first = n;
			last = first;
		}else{
			last.next = n;
			last = n;
		}
	}
 
	public Node dequeue(){
		if(first == null){
			return null;
		}else{
			Node temp = new Node(first.val);
			first = first.next;
			return temp;
		}	
	}
}

值得一提的是,Java标准库中已经包含一个叫做Stack的类,链表也可以作为一个队列使用(add()和remove())。(链表实现队列接口)如果你在面试过程中,需要用到栈或队列解决问题时,你可以直接使用它们。

在实际中,需要用到链表的算法有:

 

 

 

 

 

 

 

3.树&堆

这里的树通常是指二叉树。

 

1
2
3
4
5
class  TreeNode{
     int  value;
     TreeNode left;
     TreeNode right;
}

下面是一些与二叉树有关的概念:

 

 

  • 二叉树搜索:对于所有节点,顺序是:left children <= current node <= right children;
  • 平衡vs.非平衡:它是一 棵空树或它的左右两个子树的高度差的绝对值不超过1,并且左右两个子树都是一棵平衡二叉树;
  • 满二叉树:除最后一层无任何子节点外,每一层上的所有结点都有两个子结点;
  • 完美二叉树(Perfect Binary Tree):一个满二叉树,所有叶子都在同一个深度或同一级,并且每个父节点都有两个子节点;
  • 完全二叉树:若设二叉树的深度为h,除第 h 层外,其它各层 (1~h-1) 的结点数都达到最大个数,第 h 层所有的结点都连续集中在最左边,这就是完全二叉树。

 

堆(Heap)是一个基于树的数据结构,也可以称为优先队列( PriorityQueue),在队列中,调度程序反复提取队列中第一个作业并运行,因而实际情况中某些时间较短的任务将等待很长时间才能结束,或者某些不短小,但具有重要性的作业,同样应当具有优先权。堆即为解决此类问题设计的一种数据结构。

下面列出一些基于二叉树和堆的算法:

 

 

4.Graph 

与Graph相关的问题主要集中在深度优先搜索和宽度优先搜索。深度优先搜索非常简单,你可以从根节点开始循环整个邻居节点。下面是一个非常简单的宽度优先搜索例子,核心是用队列去存储节点。

 

第一步,定义一个GraphNode

 

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
class  GraphNode{
     int  val;
     GraphNode next;
     GraphNode[] neighbors;
     boolean  visited;
  
     GraphNode( int  x) {
         val = x;
     }
  
     GraphNode( int  x, GraphNode[] n){
         val = x;
         neighbors = n;
     }
  
     public  String toString(){
         return  "value: " + this .val;
     }
}

第二步,定义一个队列

 

 

 

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
class  Queue{
     GraphNode first, last;
  
     public  void  enqueue(GraphNode n){
         if (first == null ){
             first = n;
             last = first;
         } else {
             last.next = n;
             last = n;
         }
     }
  
     public  GraphNode dequeue(){
         if (first == null ){
             return  null ;
         } else {
             GraphNode temp = new  GraphNode(first.val, first.neighbors);
             first = first.next;
             return  temp;
         }  
     }
}

第三步,使用队列进行宽度优先搜索

 

 

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
public  class  GraphTest {
  
     public  static  void  main(String[] args) {
         GraphNode n1 = new  GraphNode( 1 );
         GraphNode n2 = new  GraphNode( 2 );
         GraphNode n3 = new  GraphNode( 3 );
         GraphNode n4 = new  GraphNode( 4 );
         GraphNode n5 = new  GraphNode( 5 );
  
         n1.neighbors = new  GraphNode[]{n2,n3,n5};
         n2.neighbors = new  GraphNode[]{n1,n4};
         n3.neighbors = new  GraphNode[]{n1,n4,n5};
         n4.neighbors = new  GraphNode[]{n2,n3,n5};
         n5.neighbors = new  GraphNode[]{n1,n3,n4};
  
         breathFirstSearch(n1, 5 );
     }
  
     public  static  void  breathFirstSearch(GraphNode root, int  x){
         if (root.val == x)
             System.out.println( "find in root" );
  
         Queue queue = new  Queue();
         root.visited = true ;
         queue.enqueue(root);
  
         while (queue.first != null ){
             GraphNode c = (GraphNode) queue.dequeue();
             for (GraphNode n: c.neighbors){
  
                 if (!n.visited){
                     System.out.print(n + " " );
                     n.visited = true ;
                     if (n.val == x)
                         System.out.println( "Find " +n);
                     queue.enqueue(n);
                 }
             }
         }
     }
}

输出结果:

 

value: 2 value: 3 value: 5 Find value: 5 
value: 4

实际中,基于Graph需要经常用到的算法:

 

 

5.排序

不同排序算法的时间复杂度,大家可以到wiki上查看它们的基本思想。

 

BinSort、Radix Sort和CountSort使用了不同的假设,所有,它们不是一般的排序方法。 

下面是这些算法的具体实例,另外,你还可以阅读: Java开发者在实际操作中是如何排序的

 

 

6.递归和迭代

下面通过一个例子来说明什么是递归。

问题:

这里有n个台阶,每次能爬1或2节,请问有多少种爬法?

步骤1:查找n和n-1之间的关系

为了获得n,这里有两种方法:一个是从第一节台阶到n-1或者从2到n-2。如果f(n)种爬法刚好是爬到n节,那么f(n)=f(n-1)+f(n-2)。 

步骤2:确保开始条件是正确的

f(0) = 0; 
f(1) = 1; 

1
2
3
4
5
public  static  int  f( int  n){
     if (n <= 2 ) return  n;
     int  x = f(n- 1 ) + f(n- 2 );
     return  x;
}

递归方法的时间复杂度指数为n,这里会有很多冗余计算。

 

 

 

1
2
3
4
f( 5 )
f( 4 ) + f( 3 )
f( 3 ) + f( 2 ) + f( 2 ) + f( 1 )
f( 2 ) + f( 1 ) + f( 2 ) + f( 2 ) + f( 1 )

该递归可以很简单地转换为迭代。 

 

 

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
public  static  int  f( int  n) {
  
     if  (n <= 2 ){
         return  n;
     }
  
     int  first = 1 , second = 2 ;
     int  third = 0 ;
  
     for  ( int  i = 3 ; i <= n; i++) {
         third = first + second;
         first = second;
         second = third;
     }
  
     return  third;
}

 

在这个例子中,迭代花费的时间要少些。关于迭代和递归,你可以去 这里看看。

7.动态规划

动态规划主要用来解决如下技术问题:

 

  • 通过较小的子例来解决一个实例;
  • 对于一个较小的实例,可能需要许多个解决方案;
  • 把较小实例的解决方案存储在一个表中,一旦遇上,就很容易解决;
  • 附加空间用来节省时间。

 

上面所列的爬台阶问题完全符合这四个属性,因此,可以使用动态规划来解决: 

 

1
2
3
4
5
6
7
8
9
10
11
12
public  static  int [] A = new  int [ 100 ];
  
public  static  int  f3( int  n) {
     if  (n <= 2 )
         A[n]= n;
  
     if (A[n] > 0 )
         return  A[n];
     else
         A[n] = f3(n- 1 ) + f3(n- 2 ); //store results so only calculate once!
     return  A[n];
}

 

一些基于动态规划的算法:

 

 

8.位操作

位操作符:

从一个给定的数n中找位i(i从0开始,然后向右开始)

 

1
2
3
4
5
6
7
8
9
public  static  boolean  getBit( int  num, int  i){
     int  result = num & ( 1 <<i);
  
     if (result == 0 ){
         return  false ;
     } else {
         return  true ;
     }
}

例如,获取10的第二位:

 

 

 

1
2
3
4
i= 1 , n= 10
1 << 1 = 10
1010 & 10 = 10
10  is not 0 , so return  true ;

典型的位算法:

 

 

 

9.概率

通常要解决概率相关问题,都需要很好地格式化问题,下面提供一个简单的例子: 

有50个人在一个房间,那么有两个人是同一天生日的可能性有多大?(忽略闰年,即一年有365天)

算法:

 

1
2
3
4
5
6
7
8
9
10
public  static  double  caculateProbability( int  n){
     double  x = 1 ;
  
     for ( int  i= 0 ; i<n; i++){
         x *=  ( 365.0 -i)/ 365.0 ;
     }
  
     double  pro = Math.round(( 1 -x) * 100 );
     return  pro/ 100 ;
}

结果:

 

calculateProbability(50) = 0.97

10.组合和排列

组合和排列的主要差别在于顺序是否重要。

例1:

1、2、3、4、5这5个数字,输出不同的顺序,其中4不可以排在第三位,3和5不能相邻,请问有多少种组合?

例2:

有5个香蕉、4个梨、3个苹果,假设每种水果都是一样的,请问有多少种不同的组合?

基于它们的一些常见算法

 本文转自二郎三郎博客园博客,原文链接:http://www.cnblogs.com/haore147/p/3860346.html,如需转载请自行联系原作者

相关文章
|
3月前
|
负载均衡 NoSQL 算法
一天五道Java面试题----第十天(简述Redis事务实现--------->负载均衡算法、类型)
这篇文章是关于Java面试中Redis相关问题的笔记,包括Redis事务实现、集群方案、主从复制原理、CAP和BASE理论以及负载均衡算法和类型。
一天五道Java面试题----第十天(简述Redis事务实现--------->负载均衡算法、类型)
|
3月前
|
算法 Go
[go 面试] 雪花算法与分布式ID生成
[go 面试] 雪花算法与分布式ID生成
|
1月前
|
算法 Java 数据库
美团面试:百亿级分片,如何设计基因算法?
40岁老架构师尼恩分享分库分表的基因算法设计,涵盖分片键选择、水平拆分策略及基因法优化查询效率等内容,助力面试者应对大厂技术面试,提高架构设计能力。
美团面试:百亿级分片,如何设计基因算法?
|
1月前
|
算法 前端开发 Java
数据结构与算法学习四:单链表面试题,新浪、腾讯【有难度】、百度面试题
这篇文章总结了单链表的常见面试题,并提供了详细的问题分析、思路分析以及Java代码实现,包括求单链表中有效节点的个数、查找单链表中的倒数第k个节点、单链表的反转以及从尾到头打印单链表等题目。
32 1
数据结构与算法学习四:单链表面试题,新浪、腾讯【有难度】、百度面试题
|
25天前
|
机器学习/深度学习 算法 Java
机器学习、基础算法、python常见面试题必知必答系列大全:(面试问题持续更新)
机器学习、基础算法、python常见面试题必知必答系列大全:(面试问题持续更新)
|
30天前
|
算法 Java 数据库
美团面试:百亿级分片,如何设计基因算法?
40岁老架构师尼恩在读者群中分享了关于分库分表的基因算法设计,旨在帮助大家应对一线互联网企业的面试题。文章详细介绍了分库分表的背景、分片键的设计目标和建议,以及基因法的具体应用和优缺点。通过系统化的梳理,帮助读者提升架构、设计和开发水平,顺利通过面试。
美团面试:百亿级分片,如何设计基因算法?
|
1月前
|
算法 Java 数据中心
探讨面试常见问题雪花算法、时钟回拨问题,java中优雅的实现方式
【10月更文挑战第2天】在大数据量系统中,分布式ID生成是一个关键问题。为了保证在分布式环境下生成的ID唯一、有序且高效,业界提出了多种解决方案,其中雪花算法(Snowflake Algorithm)是一种广泛应用的分布式ID生成算法。本文将详细介绍雪花算法的原理、实现及其处理时钟回拨问题的方法,并提供Java代码示例。
67 2
|
2月前
|
机器学习/深度学习 JavaScript 算法
面试中的网红虚拟DOM,你知多少呢?深入解读diff算法
该文章深入探讨了虚拟DOM的概念及其diff算法,解释了虚拟DOM如何最小化实际DOM的更新,以此提升web应用的性能,并详细分析了diff算法的实现机制。
|
3月前
|
消息中间件 存储 算法
这些年背过的面试题——实战算法篇
本文是技术人面试系列实战算法篇,面试中关于实战算法都需要了解哪些内容?一文带你详细了解,欢迎收藏!
|
3月前
|
JavaScript 算法 索引
【Vue面试题二十三】、你了解vue的diff算法吗?说说看
这篇文章深入分析了Vue中的diff算法,解释了其在新旧虚拟DOM节点比较中的工作机制,包括同层节点比较、循环向中间收拢的策略,并通过实例演示了diff算法的执行过程,同时提供了源码层面的解析,说明了当数据变化时,如何通过Watcher触发patch函数来更新DOM。
【Vue面试题二十三】、你了解vue的diff算法吗?说说看