java代码面试常见的算法-mark
时间:2014-04-30 22:11:39
收藏:0
阅读:356
摘要:面试也是一门学问,在面试之前做好充分的准备则是成功的必须条件,而程序员在代码面试时,常会遇到编写算法的相关问题,比如排序、二叉树遍历等等。
在程序员的职业生涯中,算法亦算是一门基础课程,尤其是在面试的时候,很多公司都会让程序员编写一些算法实例,例如快速排序、二叉树查找等等。
本文总结了程序员在代码面试中最常遇到的10大算法类型,想要真正了解这些算法的原理,还需程序员们花些功夫。
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:
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。
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。
比较流行的两个链表例子就是栈和队列。
栈(Stack)
队列(Queue)
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。
3.树&堆
这里的树通常是指二叉树。
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。
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
第二步,定义一个队列
第三步,使用队列进行宽度优先搜索
输出结果:
value: 2 value: 3 value: 5 Find value: 5
value: 4
递归方法的时间复杂度指数为n,这里会有很多冗余计算。
该递归可以很简单地转换为迭代。
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:
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)
例如,获取10的第二位:
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:
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?
来自: http://bbs.csdn.net/topics/390768965
在程序员的职业生涯中,算法亦算是一门基础课程,尤其是在面试的时候,很多公司都会让程序员编写一些算法实例,例如快速排序、二叉树查找等等。
本文总结了程序员在代码面试中最常遇到的10大算法类型,想要真正了解这些算法的原理,还需程序员们花些功夫。
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:
1
2
3
4
5
6
7
8
9
10
|
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。
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。
1
2
3
4
5
6
7
8
9
|
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)
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
|
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)
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{ 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。
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。
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
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]; } |
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 ; |
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?
来自: http://bbs.csdn.net/topics/390768965
评论(0)