进互联网名企要刷多少道算法题？

最新推荐文章于 2022-09-09 22:44:00 发布

frontend_frank

最新推荐文章于 2022-09-09 22:44:00 发布

阅读量1.3k

点赞数 1

春招马上就要开始了，想必有很多同学都在紧张地准备面试。算法和数据结构一直是技术面试的重点和难点，也是拿到 Offer 的必备敲门砖。一些头部互联网公司对面试者的算法水平要求更高，不止要求面试者能写出算法，还要求时间复杂度最小，找出最优方式。在这不到两个月的时间内，如何高效刷题拿到名企 offer？想要保证好的刷题效果，一份完备的刷题计划必不可少。本篇文章根据两位力扣用户的刷题经验分享整理，带你探索正确的刷题方式。

刷题基础

在开始刷题前，只需要你至少掌握一门编程语言，即使你从未刷过算法题，从现在开始好好利用这两个月的时间制定合适的学习计划，也可以给自己的算法水平带来质的提升。

下面我们根据不同同学的基础分别介绍力扣上的题目到底应该怎么刷。

力扣的正确打开方式

在开始学习前，我们先来了解下算法和数据结构的关系，如果把算法比作建筑工程的图纸，数据结构就像是建造大楼的工具。数据结构设计的初衷就是方便程序员使用，虽然看似种类较多，但实际上每一种都不难，可以结合算法一起学习。

力扣也为小伙伴们系统整理了一张算法和数据结构的知识考点，大家可以根据时间安排查漏补缺。（点击图片放大查看）

一、探索卡片

对于零基础的同学来说，不建议一开始就从题库页开始按顺序刷题。在力扣的 探索页面 有十分丰富的算法和数据结构主题卡片，从探索卡片开始学习能帮助你快速入门。每个卡片都覆盖了详细的知识点介绍，概念讲解，结构特点，代码实现，例题及答题套路。

按照正确的顺序来刷探索卡片，由浅入深，逐层打好算法根基。

数据结构

推荐卡片：数组和字符串、链表、队列&栈、哈希表、二叉树 & 二叉搜索树

在开始入门前，建议大家从数据结构开始刷。

算法入门

推荐卡片：递归 I、二分查找、数组类算法、查找类算法

掌握了一定的数据结构以后，就可以开始学习一些基础算法，体会算法和数据结构的关系。

巩固训练

推荐卡片：初级算法、中级算法、高级算法

这几张卡片可以当作是检验前面学习成果的小测验。

名企冲刺

推荐卡片：腾讯、字节跳动、Teambition、2020 名企高频面试题

当有了一定的算法和数据结构基础以后，这时你就通过企业的面试卡片验收前面的学习成果了。这里重点推荐 2020 名企高频面试题 主题卡片，此卡片是力扣根据 2020 年 Top 30 互联网热门企业的面试情况精心挑选出的 70 道高频面试题组成的。热门企业包含大家所熟知的 BAT、FLAG、头条、美团、网易等海内外名企以及近几年备受关注的企业。可以帮助小伙伴在有限的时间内高效地并有针对性地学习提升自己技术能力。

二、题库页

如果你已经具备一定的算法基础，根据题库页的 标签分类 进行专项刷题也是一个非常不错的选择。

此外，在 3 月1 日- 4 月 30 日春招期间，在 题库页首页 每天都会置顶 1 题打卡题目，题目精选自 力扣高频面试题，完成每日打卡任务还可以获得力扣积分及勋章奖励，如果每天完成三道题还可获得额外的积分奖励。

三、面试冲刺

「剑指 offer 」题库

在很多互联网名企的面试中经常出现「剑指 Offer」中的原题，在力扣题库页就可以看到「剑指 Offer」专题题库，如果你已经在准备面试冲刺的阶段，这时候不妨多刷两遍「剑指 Offer」题库。

企业模拟面试

如果想要体验真实面试环境，进入心仪公司，也可以直接去 面试页 随机开启一场模拟面试～

刷题技巧

当我们开始刷一类算法题前，如果对此算法的概念还不太熟悉，花费 5 分钟左右的时间了解其概念是很有必要的。在力扣题库页的 标签分类 中，点击对应的标签即可查看算法概念。

在足够多的准备工作后，我们就可以开始找一道 简单～中等 的题目小试牛刀了。有的同学会想：直接从困难题目开始练习，练会了困难题目，再去看简单题和中等题岂不是轻而易举？事实上我们不建议初学者直接练习困难题目。因为困难题目往往不够典型，困难题总是糅合了多种算法，难点在于对多种算法的综合应用，不适合在学习阶段用来专攻某一类算法。

下面举一个具体的例子，比如我们计划本周刷深度优先搜索的题目。先点击题库页「深度优先搜索」标签，查看其概念：

从概念中我们知道，深度优先搜索，简称 DFS，主要用于遍历或搜索树或图。核心是沿着树的深度遍历树的节点，以深度优先的方式来遍历一棵树，直到找到需要搜索的节点或是遍历结束。

这不难理解，了解完概念，我们的脑中就对此算法有了一个粗略地认识：

想象我们正站在一棵大树前，我们想要浏览这棵树的整个结构。
于是我们选择从大树的根出发，往树枝处浏览；
遇到树木分叉的地方，就随机选择一个树枝开始浏览；
浏览完后，回到上一个分叉的地方，选择另一个树枝继续浏览，直到所有的树枝都浏览完成。

事实上，深度优先搜索和树形结构经常成双成对出现，二者总是密不可分。有了一个粗略的认识后，我们应该立即选择一道简单的题目开始练习：

看到题目，我们的第一想法可能是以根节点为中心，左边的最长路径加上右边的最长路径应该就是答案。如题目示例中的树：

根节点左边的最长路径为 2，右边的最长路径为 1，所以和为 3。

看起来没有错，我们再考虑一些特殊情况，有没有可能最长路径不经过根节点呢？不妨画个草图看一下：

对于这样一棵树，根节点没有右子树，所以根节点右边的最长路径为 0，而左边的最长路径是 3，所以这样算起来直径为 3。但我们发现以2做为根节点的子树直径为 4，大于我们当前算法算出的直径！显然我们之前的思路是错误的，根节点其实不一定经过根节点，子节点可能存在更长的直径。我们不得不选择另一种思路。

如果此时冥思苦想，仍然没有思路的话，我们可以点开题解区抄一下别人的解题思路。先依着葫芦画瓢，等学会了再自己创造。

我们看到本题题解区有力扣官方发布的题解：

看完题解我们已经有了具体的解题思路。此时切记不要眼高手低，不要觉得看懂了就是会了，一定要亲自将代码敲一遍，有过刷题经验的人都知道，看别人解题和自己亲自上手是完全不一样的感觉。经常是脑子和眼睛在说：我会了。而手在说：不，你不会！

仿照着官方题解，我们写出本题的 kotlin 解法：

class Solution {
var ans = 0
fun diameterOfBinaryTree(root: TreeNode?): Int {
        ans = 1
        depth(root)
return ans - 1
    }


fun depth(node: TreeNode?): Int {
if (node == null) return 0 // 访问到空节点了，返回0
val L = depth(node.left) // 左儿子为根的子树的深度
val R = depth(node.right) // 右儿子为根的子树的深度
        ans = Math.max(ans, L + R + 1) // 计算d_node即L+R+1 并更新ans
        return Math.max(L, R) + 1 // 返回该节点为根的子树的深度
    }
}

这是一道非常典型的 DFS 算法题，刷完之后我们应该反复思索，做出总结：DFS 的核心是依次尝试，运用的主要手段是递归函数。

然后我们马上再找一道近似的题，继续练习本类算法，比如：

这道题与上道题非常类似，它也是非常典型的 DFS 题，因为它没有掺杂多类算法，实际难度算不上困难。这一次我们争取不查看题解，先将上题的模板拷贝过来，加以修改写出解法：

class Solution {
var max = Int.MIN_VALUE


fun maxPathSum(root: TreeNode?): Int {
        maxDeep(root)
        return max
    }


fun maxDeep(node: TreeNode?): Int {
if (node == null) return 0
val L = Math.max(maxDeep(node.left), 0)
val R = Math.max(maxDeep(node.right), 0)
        max = Math.max(max, node.`val` + L + R)
        return node.`val` + Math.max(L, R)
    }
}

如果此时仍然不能手打出一道完整的典型 DFS 题目，就继续反复练习，坚持这个过程，直至自己完全掌握此类题目。

总而言之，算法学习技巧可总结为四个步骤：一看二抄三改四写。