【实习秋招篇之数据结构与算法】

一、 时间复杂度和空间复杂度

1、时间复杂度：算法流程中，常数操作数量的指标。 只有高阶项，不要低阶项，系数为1。
2、空间复杂度：算法流程中，额外分配的空间关于输入规模的函数。

二、 字符串

KMP算法：核心思想是计算模式串相等的最长前后缀信息并保存在Next数组中。每次匹配失败后，主串匹配位置不变，模式串的匹配位置由next决定，就是next[当前位置]。本质上就是利用之前的匹配信息来加速当前匹配过程。

三、 二叉树

1. 遍历算法
   前序遍历、中序遍历、后序遍历：递归算法和非递归算法；非递归遍历算法需要使用栈。
   层序遍历算法：队列。
2. 序列化与反序列化
   序列化是指通过遍历算法，将二叉树记录到文本文件中。需要添加结束符和空结点的表示。
   反序列化是指通过遍历算法重构二叉树。首先应该将文本文件转换为字符数组。

1、平衡二叉树

定义：二叉树中每一个结点，各自左子树的深度与各自右子树的深度的差不大于1。

案例1、给定一棵二叉树的头结点，判断一棵树是否是平衡二叉树。
递归解法：
1、左子树是否为平衡二叉树；
2、左子树的深度，LH；
3、右子树是否为平衡二叉树；
4、右子树的深度。 时间复杂度为O(n)。

2、搜索二叉树

定义：每棵子树头结点的值都比各自左子树上所有结点的值要大，也都比各自右子树上所有结点的值要小。
搜索二叉树中序遍历得到的序列，一定是从小到大排列的。红黑树、平衡搜索二叉树等，都是搜索二叉树的不同实现。

案例：给定一棵树的头结点，判断一棵树是不是搜索二叉树。
非递归思路：改写二叉树的中序遍历；遍历到每一个结点的值时，如果一直比上一个遍历结点的值要大，则是搜索二叉树；否则，不是搜索二叉树。

AVL与红黑树
1、AVL是一棵高度平衡二叉搜索树，适用于查找次数多，插入删除次数少的的场景。因为维持AVL的平衡比较耗时，时间复杂度为logN。
2、红黑树是弱平衡二叉树，任何一条路径长度不会大于其他路径长度的两倍。应用于频繁查找、插入、删除操作的场景。维持红黑树的平衡时间复杂度为O(1)。STL中的map，set，multimap，multiset。

3、红黑树的特点

1、每个结点非黑即红；
2、根结点和空指针结点为黑色；
3、父结点为红色，子结点必须为黑色，即不能有两个相邻的红结点；
4、从任意结点到空结点的路径中黑色结点的数量相同。

4、满二叉树与完全二叉树

定义：满二叉树是除了最后一层的结点无任何结点外，剩下每一层的结点都有两个结点。

完全二叉树是除了最后一层之外，其他每一层都是满的；如果最后一层也满了，是一个满二叉树；如果最后一层不满，缺少的结点全部集中在左边，那也是一棵完全二叉树。
案例：给定一棵二叉树的头结点，判断一棵树是不是完全二叉树。
改需层序遍历。
1、前驱结点与后继结点
一个结点的前驱结点和后继结点，是指该节点在中序遍历序列中的上一个结点和下一个结点。
案例：二叉树的子结构和子树（拓扑结构）问题。
拓扑结构

四、 位运算

1、左移乘2，右移除2；
2、交换两个整数，多次异或；
3、消除最后一个1：将一个整数减去1再与上原来的整数，得到的结果相当于把整数的二进制表示中最右边的1变成0；
4、不用加减乘除完成整数相加。

五、 Map与Hash_map

Map存储键值对，按照关键字的某种顺序存储；查找时间复杂度为O(logN)。
Hash_map存储键值对，将关键字按哈希函数映射到存储地址；查找时间复杂度为O(1)。
哈希函数的特点：

1、输入无穷；
2、输出有穷；
3、相同输入，相同输出；
4、不同输入，相同输出；
5、离散型：当输入很大时，对于不同的输入，在输出域上均匀出现他们的返回值。

六、 排序算法

十大经典排序算法

1. 冒泡算法：依次比较交换相邻两个元素的位置。
2. 选择排序：
3. 插入排序：插牌
4. 归并排序：时间复杂度O(n*logn)，空间复杂度O(n)
5. 快速排序：
   经典快排：选取数组末尾的元素作为分界值，划分为小于等于该分界值和大于该分界值的两个部分。
   改进快排：划分为小于分界值，等于分界值，大于分界值三个部分。时间复杂度：最好O(n)，O(nlogn)，最坏O（n2）；空间复杂度O(logn)
   随机快排：随机选取一个元素作为分界值，划分为三个部分。时间复杂度O(nlogn)，空间复杂度O(logn)
6. 堆排序
   堆是一棵完全二叉树；大顶堆：每棵子树的头结点是最大的值；小顶堆：每棵子树的头结点是最小值；创建堆结构的时间复杂度O(n)。

综合排序算法

基本有序：冒泡、插入 无序：快排、堆排、归并 与初始序列无关：选择排序
综合排序首先判断元素的数据类型，基础类型用快排（不稳定），非基础类型用归并。因为基础类型不用区分原始顺序，非基础类型具有个体差异性。
小规模：插入排序。小规模情况下，O(n2)的劣势表现不出来；同时，插入排序的常数项很低，使得小规模插入排序很快。
参考

七、 查找算法

1. 二分查找
2. 哈希查找
   Map与Hash_map的比较
   Map：将key-value按key的某种顺序存储。利用二分查找算法查找，时间复杂度为O(logN)。底层数据结构为红黑树。
   Hash_map：利用hash函数将key映射成存储地址。查找算法时间复杂度为O(1)。牺牲空间换取空间，底层数据结构为hash表。
3. 二叉树查找

八、 递归与循环

定义：递归是在一个函数内部调用函数自身，是一种自上而下的思维方式。循环是通过设置计算的初始值和终止条件，在范围内重复运算，是一种自下而上的思维方式。

递归与循环的区别：

1. 递归优点：代码简洁
2. 递归缺点： 1、 效率低；保存临时变量需要分配空降，出栈入栈需要消耗时间，可能存在重复计算； 2、调用栈溢出。 案例：斐波那切数列

九、 动态规划与贪心算法

1. 动态规划的三个特点
   1、求解最优解问题
   2、问题可以分解成若干子问题
   3、子问题之间有重叠更小子问题
2. 动态规划的求解
   自上而下的分析问题，自下而上的解决问题。递归的思路分析问题，循环的方式解决问题。
3. 动态规划与贪心算法的区别
   动态规划需要尝试所有的可能，选出最优的解法；
   贪心算法在每一步中做出贪婪的选择，基于这个选择，能够得到最优解。

十、 面试编程题

1. 矩阵相乘
2. 最大的k个数
   第一种排序算法，时间复杂度为O(nlogn);
   第二种利用快排中的partition函数，时间复杂度为O(n)。缺点是partition函数会修改数组，调整元素顺序。
   第三种创建一个大小为k的容器存储最大的k个数字，依次读取数组中的元素。容器中的数字小于k时直接放入容器；大于k时，进行元素替换。小顶堆是一个合适的数据结构，优先级队列和红黑树。
3. 和大于N的最小连续数组
   第一种最直观的方法，分别得到以数组中第i个元素为首的和大于N的最小连续数组，时间复杂度为O(n2)。
   第二种是动态规划方法，首先计算以数组第一个元素为首的和大于N的最小连续数组；然后连续数组去掉第一个元素，并继续添加数组中的后续元素，当子数组和大于N时，比较上次子数组的长度，保存最小值。遍历完数组，程序结束。

int FindLeastSunOfSubArray(int* pData, int size, int N) {
	if (pData == nullptr || size <= 0) {
		return -1;
	}
	int start = 0;
	int result = 1024;
	int temp_length = 0;
	int sum = 0;
	for (int i = 0; i < size; i++) {
		while (sum > N) {
			if (temp_length < result) {
				result = temp_length;
			}
			sum -= pData[start++];
			temp_length--;
		}
		sum += pData[i];
		temp_length++;
	}
	return result;
}