【算法面试】数据结构算法面试指南

一、算法学习有何好处

1、培养逻辑思维和解决问题的能力

2、提升代码质量

3、超越自我而非超越他人

二、如何学习

2.1、初步修炼

1、弄清没种算法解决问题和使用的先决条件，以下是一些典型例子：

• 二分查找：要求函数具有单调性

【例如】排好序的数组里找某个数是否存在（如果乱序，则不可直接进行二分查找）

• 双指针：要求问题本质上具有决策单调性

【例如】一个数组中的连个下标L1和L2，假设L1<L2，L1对应的方案R1需要小于或等于L2对应的方案R2，这样在L不断往右移动的过程中，R也可以停止或往右移动，从而使得L和R均为从头到尾遍历一次。【切记不能忙不给面试官回答能不能用什么方法，问题没看透彻】

• 动态规划：要求状态的设计和转移策略不会带来后效性
• 迪杰特斯拉求最短路：要求图上无负环

2、分析时间复杂度 & 空间复杂度

• 首先考虑时间复杂度的数量级
• 在数量级已经最优的情况下，尽量做到常数最小

3、用不同思路解决同一问题

2.2、进阶修炼

总结回顾，发现不同算法之间的关联性、异同点

• 思考广度优先搜索，迪杰特斯拉已经SPFA之间的关系不同 
  • 给定一个无向图，边权值均为正且相同，求从1号节点到n号节点的最短路径   【广度优先就可以解决】
  • 给定一个无向图，边权值均为正且不同，求从1号节点到n号节点的最短路径  【迪杰特斯拉】
• 思考动态规划和迪杰特斯拉算法之间关系不同
  • 给定一个有向无环图，求1号节点到剩余所有节点的最短路径           【动态规划】
  • 给定一个有向图/ 无向图，求1号节点到剩余所有节点的最短路径       
    • 动态规划还有很多很多问题，动态规划问题某一状态，就好比像是这有向无环图上的节点，动态规划设计出来的转移方程就好比像有向无环图上节点与节点上的边。
• 最小堆（priority_queue in C++） 和 平衡二叉搜索树（例如set,map in C++） 之间的关联
  • 设计一个数据结构，支持插入随机整数多次，其间会不断查询或删除所有数中的最小值    
    • 【最小堆】常数比较小，查询 O（1）
  • 设计一个数据结构，支持插入和删除随机整数多次，其间会不断查询所有数中的最小值     【平衡二叉搜索树】
    • 中间要随机删除任意值
• 单调队列和斜率优化之间的关系       【斜率优化能cover 单调队列，反之不行】

定期沉淀，写博客、文章  训练表达能力，归纳

参加同校& 参加比赛

2.3、学习切记

从问题本身出发

充分了解问题的本质，看需要用到什么方法来解决本质问题，最后或者从自己的知识库里找答案

避免套用算法

看完问题后，开始枚举学过的算法，看哪个可以套上去，“一看就像dp，一看就像贪心”

三、应用与创新

在算法竞赛中的应用与创新

1. 多打比赛刷题，多总结。将各类已成文的算法/数据结构了然于胸
2. 创造高质量的问题和相应的解法。例如给各种算法竞赛命题，为leetcode题库贡献题目
3. 原创一种算法/ 数据结构从而解决本质相同的一类问题

在日常工作中应用与创新

在日常工作中找机会尝试提升程序的效率

对算法 / 数据结构了解深刻的人，分析问题越有逻辑，写出来的代码越简洁，可读性越高，效率越高，BUG越少

将经典算法数据结构融合到工作业务中

在某些问题上，经典的算法与数据结构的表现胜于机器学习算法。经典的算法与数据结构与机器学习算法应当相辅相成,而不是取代关系。