名企招聘经典面试编程题集锦[第31-40题]

31、在O(1)时间内删除链表结点

题目:给定链表的头指针和一个结点指针,在O(1)时间删除该结点。链表结点的定义如下:

分析:这是一道广为流传的Google面试题,能有效考察我们的编程基本功,还能考察我们的反应速度,

更重要的是,还能考察我们对时间复杂度的理解。

void DeleteNode(listNode*& head , listNode* node)
{
	if(head==NULL || node==NULL)
		return;
	if(node->next!=NULL)
	{
		listNode* nextNode = node->next;
		node->next = nextNode->next;
		node->value = nextNode->value;
		delete nextNode ;
	}
	else if(head==node)
	{
		delete head;
		head = NULL;
	}
	else
	{
		listNode* helper = head;
		while(helper->next!=node)
			helper = helper->next;
		helper->next = NULL;
		delete node;
	}
}

32、找出数组中两个只出现一次的数字
题目:一个整型数组里除了两个数字之外,其他的数字都出现了两次。
请写程序找出这两个只出现一次的数字。要求时间复杂度是O(n),空间复杂度是O(1)。

分析:这是一道很新颖的关于位运算的面试题。

void FindNumbers(int* data, int length,int& num1,int& num2)
{
	if(data==NULL || length<2)
		return;
	int result = 0;
	for(int i=0;i!=length;++i)
		result^=*(data+i);
	int helper = 1;
	while(!(helper & result))
		helper = helper<<1;
	num1 = 0;
	num2 = 0;
	for (int i=0;i!=length;++i)
	{
		if(helper & *(data+i))
			num1^= *(data+i);
		else
			num2^= *(data+i);
	}
}

33、找出链表的第一个公共结点
题目:两个单向链表,找出它们的第一个公共结点。

分析:这是一道微软的面试题。微软非常喜欢与链表相关的题目,
因此在微软的面试题中,链表出现的概率相当高。

listNode* FindFirstSameNode(listNode* head1,listNode* head2)
{
	if(head1 == NULL || head2 == NULL)
		return NULL;
	int num1=0;
	int num2=0;
	listNode* helper1 = head1;
	listNode* helper2 = head2;
	while (helper1!=NULL)
	{
		++num1;
		helper1 = helper1->next;
	}
	while (helper2!=NULL)
	{
		++num2;
		helper2 = helper2->next;
	}
	int diffenece = num1 - num2; 
	if(diffenece>=0)
	{
		for(int i = 0; i!=diffenece;++i)
			head1 = head1->next;
	}
	else
	{
		for(int i = 0; i!=-diffenece;++i)
			head2 = head2->next;
	}
	while (head1->next != head2->next)
	{
		head1 = head1->next;
		head2 = head2->next;
	}
	return head1->next;
}

34、在字符串中删除特定的字符
题目:输入两个字符串,从第一字符串中删除第二个字符串中所有的字符。

例如,输入”They are students.”和”aeiou”,

则删除之后的第一个字符串变成”Thy r stdnts.”。

分析:这是一道微软面试题。在微软的常见面试题中,与字符串相关的题目占了很大的一部分,
因为写程序操作字符串能很好的反映我们的编程基本功。

void DeleteChars(char* str, char* chars)
{
	if(str == NULL || chars == NULL)
		return;
	char hashTable[256]={0}; 
	for (char* ch = chars;*ch!='\0';++ch)
		++hashTable[*ch];
	for (char* ch = str;*ch!='\0';++ch)
	{
		if(!hashTable[*ch])
			*str++ = *ch;
	}
	*str = '\0';
}

35、寻找丑数
题目:我们把只包含因子2、3和5的数称作丑数(Ugly Number)。例如6、8都是丑数,
但14不是,因为它包含因子7。习惯上我们把1当做是第一个丑数。
求按从小到大的顺序的第1500个丑数。

分析:这是一道在网络上广为流传的面试题,据说google曾经采用过这道题。

int FindUgly(int n)
{
	if(n<1)
		throw exception("invalid parameters!");
	int* uglyNumbers = new int[n];
	uglyNumbers[0] = 1;
	int nextUglyIndex = 1;

	int* Multiply2 = uglyNumbers;
	int* Multiply3 = uglyNumbers;
	int* Multiply5 = uglyNumbers;

	while (nextUglyIndex!=n)
	{
		int minNum = min(*Multiply2*2,min(*Multiply3*3,*Multiply5*5));
		uglyNumbers[nextUglyIndex]=minNum;
		while(*Multiply2*2<=minNum)
			++Multiply2;
		while(*Multiply3*3<=minNum)
			++Multiply3;
		while(*Multiply5*5<=minNum)
			++Multiply5;
		++nextUglyIndex;
	}
	int ret = uglyNumbers[n-1];
	delete[] uglyNumbers;
	return ret;
}

36、输出1到最大的N位数
题目:输入数字n,按顺序输出从1最大的n位10进制数。比如输入3,

则输出1、2、3一直到最大的3位数即999。
分析:这是一道很有意思的题目。看起来很简单,其实里面却有不少的玄机。

//必须考虑大数
void PrintNums(int n)
{
	if(n<1)
		return;
	int* nums = new int[n+1];
	for(int i=0;i!=n+1;++i)
		*(nums+i)=0;
	*nums=1;
	while (*(nums+n)==0)
	{
		//输出大数
		bool startFlag = false;
		for(int i=n-1;i>=0;--i)
		{
			if(startFlag)
				cout<<*(nums+i);
			else if(*(nums+i)!=0)
			{
				cout<<*(nums+i);
				startFlag=true;
			}			
		}
		cout<<endl;
		//大数加一
		if(*nums != 9)
			++*nums;
		else
		{
			int* helper = nums;
			while (*helper == 9)
			{
				*helper = 0;
				++helper;
			}
			++*helper;
		}
	}
}

37、旋转数组中的最小元素
题目:把一个数组最开始的若干个元素搬到数组的末尾,我们称之为数组的旋转。输入一个排好序的数组的一个旋转,

输出旋转数组的最小元素。例如数组{3, 4, 5, 1, 2}为{1, 2, 3, 4, 5}的一个旋转,该数组的最小值为1。

分析:这道题最直观的解法并不难。从头到尾遍历数组一次,就能找出最小的元素,
时间复杂度显然是O(N)。但这个思路没有利用输入数组的特性,我们应该能找到更好的解法。

int findMin(int* theArray,int length)
{
	if (theArray==NULL||length<=0)
		throw std::exception("invalid parameters!");
	findMin(theArray,theArray+length-1);
}

int findMin(int* start,int* end)
{	
	int endNum = *end;
	int midNum = *(start+(end-start)/2);
	if(start!=end)
	{
		if(midNum<=endNum)
			findMin(start,start+(end-start)/2);
		else
			findMin(start+(end-start)/2+1,end);
	}
	else
		return *start;
}

38、数值的整数次方

题目:实现函数double Power(double base, int exponent),求base的exponent次方。
不需要考虑溢出。

分析:这是一道看起来很简单的问题。可能有不少的人在看到题目后30秒写出如下的代码:
double Power(double base, int exponent)
{

      double result = 1.0;
      for(int i = 1; i <= exponent; ++i)
            result *= base;
      return result;
}

//你还需要考虑更多
double Power(double base, int exponent)
{
	if(exponent==0)
		return 1;
	double result = 1;
	int abExponent = exponent>0?exponent:-exponent;
	for (int i = 0;i!=abExponent;++i)
		result*=base;
	if(exponent>0)
		return result;
	else if(base==0)
		throw exception("unvalid parameters!");
	else
		return 1/result;
}

39、对称字符串的最大长度

题目:输入一个字符串,输出该字符串中对称的子字符串的最大长度。
比如输入字符串“google”,由于该字符串里最长的对称子字符串是“goog”,因此输出4。

分析:可能很多人都写过判断一个字符串是不是对称的函数,这个题目可以看成是该函数的加强版。

int GetLongestSymmetricalStr(char* str)
{
	if(str == NULL)
		return 0;
	int length = 1;
	char* pChar = str;
	while(*pChar != '\0')
	{
		// Substrings with odd length
		char* pFirst = pChar - 1;
		char* pLast = pChar + 1;
		while(pFirst >= str && *pLast != '\0' && *pFirst == *pLast)
		{
			pFirst--;
			pLast++;
		}
		int newLength = pLast - pFirst - 1;
		if(newLength > length)
			length = newLength;

		// Substrings with even length
		pFirst = pChar;
		pLast = pChar + 1;
		while(pFirst >= str && *pLast != '\0' && *pFirst == *pLast)
		{
			pFirst--;
			pLast++;
		}
		newLength = pLast - pFirst - 1;
		if(newLength > length)
			length = newLength;

		pChar++;
	}
	return length;
}

40、数组中超过出现次数超过一半的数字

题目:数组中有一个数字出现的次数超过了数组长度的一半,找出这个数字。

分析:这是一道广为流传的面试题,包括百度、微软和Google在内的多家公司都
曾经采用过这个题目。要几十分钟的时间里很好地解答这道题,
除了较好的编程能力之外,还需要较快的反应和较强的逻辑思维能力。

int FindNum(int* data,int length)
{
	if(data==NULL || length<1)
		return -1;
	int num = *data;
	int times = 1;
	for(int i=1;i!=length;++i)
	{
		if(num==*(data+i))
			++times;
		else
		{
			--times;
			if(times==0)
			{
				num = *(data+i);
				++times;
			}
		}
	}
	return num;
}

欢迎访问我的独立技术博客 道合|SameIdeal.com
1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。 1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。 1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。
应用背景为变电站电力巡检,基于YOLO v4算法模型对常见电力巡检目标进行检测,并充分利用Ascend310提供的DVPP等硬件支持能力来完成流媒体的传输、处理等任务,并对系统性能做出一定的优化。.zip深度学习是机器学习的一个子领域,它基于人工神经网络的研究,特别是利用多层次的神经网络来进行学习和模式识别。深度学习模型能够学习数据的高层次特征,这些特征对于图像和语音识别、自然语言处理、医学图像分析等应用至关重要。以下是深度学习的一些关键概念和组成部分: 1. **神经网络(Neural Networks)**:深度学习的基础是人工神经网络,它是由多个层组成的网络结构,包括输入层、隐藏层和输出层。每个层由多个神经元组成,神经元之间通过权重连接。 2. **前馈神经网络(Feedforward Neural Networks)**:这是最常见的神经网络类型,信息从输入层流向隐藏层,最终到达输出层。 3. **卷积神经网络(Convolutional Neural Networks, CNNs)**:这种网络特别适合处理具有网格结构的数据,如图像。它们使用卷积层来提取图像的特征。 4. **循环神经网络(Recurrent Neural Networks, RNNs)**:这种网络能够处理序列数据,如时间序列或自然语言,因为它们具有记忆功能,能够捕捉数据中的时间依赖性。 5. **长短期记忆网络(Long Short-Term Memory, LSTM)**:LSTM 是一种特殊的 RNN,它能够学习长期依赖关系,非常适合复杂的序列预测任务。 6. **生成对抗网络(Generative Adversarial Networks, GANs)**:由两个网络组成,一个生成器和一个判别器,它们相互竞争,生成器生成数据,判别器评估数据的真实性。 7. **深度学习框架**:如 TensorFlow、Keras、PyTorch 等,这些框架提供了构建、训练和部署深度学习模型的工具和库。 8. **激活函数(Activation Functions)**:如 ReLU、Sigmoid、Tanh 等,它们在神经网络中用于添加非线性,使得网络能够学习复杂的函数。 9. **损失函数(Loss Functions)**:用于评估模型的预测与真实值之间的差异,常见的损失函数包括均方误差(MSE)、交叉熵(Cross-Entropy)等。 10. **优化算法(Optimization Algorithms)**:如梯度下降(Gradient Descent)、随机梯度下降(SGD)、Adam 等,用于更新网络权重,以最小化损失函数。 11. **正则化(Regularization)**:技术如 Dropout、L1/L2 正则化等,用于防止模型过拟合。 12. **迁移学习(Transfer Learning)**:利用在一个任务上训练好的模型来提高另一个相关任务的性能。 深度学习在许多领域都取得了显著的成就,但它也面临着一些挑战,如对大量数据的依赖、模型的解释性差、计算资源消耗大等。研究人员正在不断探索新的方法来解决这些问
深度学习是机器学习的一个子领域,它基于人工神经网络的研究,特别是利用多层次的神经网络来进行学习和模式识别。深度学习模型能够学习数据的高层次特征,这些特征对于图像和语音识别、自然语言处理、医学图像分析等应用至关重要。以下是深度学习的一些关键概念和组成部分: 1. **神经网络(Neural Networks)**:深度学习的基础是人工神经网络,它是由多个层组成的网络结构,包括输入层、隐藏层和输出层。每个层由多个神经元组成,神经元之间通过权重连接。 2. **前馈神经网络(Feedforward Neural Networks)**:这是最常见的神经网络类型,信息从输入层流向隐藏层,最终到达输出层。 3. **卷积神经网络(Convolutional Neural Networks, CNNs)**:这种网络特别适合处理具有网格结构的数据,如图像。它们使用卷积层来提取图像的特征。 4. **循环神经网络(Recurrent Neural Networks, RNNs)**:这种网络能够处理序列数据,如时间序列或自然语言,因为它们具有记忆功能,能够捕捉数据中的时间依赖性。 5. **长短期记忆网络(Long Short-Term Memory, LSTM)**:LSTM 是一种特殊的 RNN,它能够学习长期依赖关系,非常适合复杂的序列预测任务。 6. **生成对抗网络(Generative Adversarial Networks, GANs)**:由两个网络组成,一个生成器和一个判别器,它们相互竞争,生成器生成数据,判别器评估数据的真实性。 7. **深度学习框架**:如 TensorFlow、Keras、PyTorch 等,这些框架提供了构建、训练和部署深度学习模型的工具和库。 8. **激活函数(Activation Functions)**:如 ReLU、Sigmoid、Tanh 等,它们在神经网络中用于添加非线性,使得网络能够学习复杂的函数。 9. **损失函数(Loss Functions)**:用于评估模型的预测与真实值之间的差异,常见的损失函数包括均方误差(MSE)、交叉熵(Cross-Entropy)等。 10. **优化算法(Optimization Algorithms)**:如梯度下降(Gradient Descent)、随机梯度下降(SGD)、Adam 等,用于更新网络权重,以最小化损失函数。 11. **正则化(Regularization)**:技术如 Dropout、L1/L2 正则化等,用于防止模型过拟合。 12. **迁移学习(Transfer Learning)**:利用在一个任务上训练好的模型来提高另一个相关任务的性能。 深度学习在许多领域都取得了显著的成就,但它也面临着一些挑战,如对大量数据的依赖、模型的解释性差、计算资源消耗大等。研究人员正在不断探索新的方法来解决这些问
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值