搬砖：面试常考的常用数据结构与算法

 

面试常考的常用数据结构与算法

2017年12月07日 09:57:34 兽人战士123 阅读数：7027

https://blog.csdn.net/liufuliang163/article/details/78737804

面试常考的常用数据结构与算法

数据结构与算法，这个部分的内容其实是十分的庞大，要想都覆盖到不太容易。在校学习阶段我们可能需要对每种结构，每种算法都学习，但是找工作笔试或者面试的时候，要在很短的时间内考察一个人这方面的能力，把每种结构和算法都问一遍不太现实。所以，实际的情况是，企业一般考察一些看起来很基本的概念和算法，或者是一些变形，然后让你去实现。也许看起来简单，但是如果真让你在纸上或者是计算机上快速地完成一个算法，并且设计测试案例，最后跑起来，你就会发现会很难了。这就要求我们要熟悉，并牢固掌握常用的算法，特别是那些看起来貌似简单的算法，正是这些用起来很普遍的算法，才要求我们能很扎实的掌握，在实际工作中提高工作效率。遇到复杂的算法，通过分析和扎实的基本功，应该可以很快地进行开发。

闲话少说，下面进入正题。

一.数据结构部分

1.数组和链表的区别。（很简单，但是很常考，记得要回答全面）

C++语言中可以用数组处理一组数据类型相同的数据，但不允许动态定义数组的大小，即在使用数组之前必须确定数组的大小。而在实际应用中，用户使用数组之前有时无法准确确定数组的大小，只能将数组定义成足够大小，这样数组中有些空间可能不被使用，从而造成内存空间的浪费。链表是一种常见的数据组织形式，它采用动态分配内存的形式实现。需要时可以用new分配内存空间，不需要时用delete将已分配的空间释放，不会造成内存空间的浪费。
　　
从逻辑结构来看：数组必须事先定义固定的长度（元素个数），不能适应数据动态地增减的情况，即数组的大小一旦定义就不能改变。当数据增加时，可能超出原先定义的元素个数；当数据减少时，造成内存浪费；链表动态地进行存储分配，可以适应数据动态地增减的情况，且可以方便地插入、删除数据项。（数组中插入、删除数据项时，需要移动其它数据项）。　　
　　
从内存存储来看：（静态)数组从栈中分配空间（用NEW创建的在堆中）, 对于程序员方便快速,但是自由度小；链表从堆中分配空间, 自由度大但是申请管理比较麻烦.

从访问方式来看：数组在内存中是连续存储的，因此，可以利用下标索引进行随机访问；链表是链式存储结构，在访问元素的时候只能通过线性的方式由前到后顺序访问，所以访问效率比数组要低。

2.链表的一些操作，如链表的反转，链表存在环路的判断（快慢指针），双向链表，循环链表相关操作。

3.队列（特殊的如优先级队列），栈的应用。（比如队列用在消息队列，栈用在递归调用中）

4.二叉树的基本操作

二叉树的三种遍历方式（前序，中序，后序）及其递归和非递归实现，三种遍历方式的主要应用（如后缀表达式等）。相关操作的时间复杂度。

5.字符串相关

整数，浮点数和字符串之间的转换（atoi,atof,itoa）

字符串拷贝注意异常检查，比如空指针，字符串重叠，自赋值，字符串结束符'/0'等。

二.算法部分

1.排序算法：

排序可以算是最基本的，最常用的算法，也是笔试面试中最常被考察到的算法。最基本的冒泡排序，选择排序，插入排序要可以很快的用代码实现，这些主要考察你的实际编码能力。堆排序，归并排序，快排序，这些算法需要熟悉主要的思想，和需要注意的细节地方。需要熟悉常用排序算法的时间和空间复杂度。

各种排序算法的使用范围总结：（1）当数据规模较小的时候，可以用简单的排序算法如直接插入排序或直接选择排序。（2）当文件的初态已经基本有序时，可以用直接插入排序或冒泡排序。（3）当数据规模比较大时，应用速度快的排序算法。可以考虑用快速排序。当记录随机分布的时候，快排的平均时间最短，但可能出现最坏的情况，这时候的时间复杂度是O(n^2)，且递归深度为n,所需的栈空间问O(n)。（4）堆排序不会出现快排那样的最坏情况，且堆排序所需的辅助空间比快排要少。但这两种算法都不是稳定的，若要求排序时稳定的，可以考虑用归并排序。（5）归并排序可以用于内排序，也可以用于外排序。在外排序时，通常采用多路归并，并且通过解决长顺串的合并，产生长的初始串，提高主机与外设并行能力等措施，以减少访问外存额次数，提高外排序的效率。

2,查找算法

能够熟练写出或者是上机编码出二分查找的程序。

3.hash算法

4.一些算法设计思想。

贪心算法，分治算法，动态规划算法，随机化算法，回溯算法等。这些可以根据具体的例子程序来复习。

5.STL

STL(Standard Template Library)是一个C++领域中，用模版技术实现的数据结构和算法库，已经包含在了C++标准库中。其中的vecor,list,stack,queue等结构不仅拥有更强大的功能，还有了更高的安全性。除了数据结构外，STL还包含泛化了的迭代器，和运行在迭代器上的各种实用算法。这些对于对性能要求不是太高，但又不希望自己从底层实现算法的应用还是很具有诱惑力的。

 

 

 

 

 

如何学习数据结构与算法

2018年07月13日 11:29:23 ACM算法日常 阅读数：6852

经过一段时间的数据结构与算法的学习，和学习了前人的经验，为了更好的指导自己（希望也能帮助到别人）之后数据结构与算法的学习，总结一下数据结构与算法学习的方法。

一、记住数据结构，记住算法思想（是什么）

我觉得这个是数据结构与算法学习最基础的部分。

学完之后，你至少得能给人说明白，什么是”堆栈“，什么是”平衡二叉树“等等等吧。我之所以说”记住“，是希望这些能够形成长久记忆，存储到你的”硬盘“里，而不仅仅在学习的时候过了一遍你的”内存“。还有一个问题，什么才叫”记住数据结构“。我觉得，第一步，数据结构最直观的东西你得记住吧（如标题背景图，来自数据结构和算法动态可视化 (Chinese)）。这种直观的记忆可能在不知不觉中就完成了，但为了更好的记住，还需去刻意记忆和偶尔的复习。第二步，你得记忆该数据结构的定义与性质与特点等等等吧。例如，学习哈夫曼树的时候。哈夫曼树的定义：WPL（带权路径长度）最小的二叉树；哈夫曼树的特点：（1）没有度为１的结点（2）ｎ个叶子结点的哈夫曼树共有２ｎ－１个结点（3）哈夫曼树的任意非叶节点的左右子树交换后仍是哈夫曼树。关于”数据结构“，需要记忆的内容也需要自己在其中慢慢领悟。

至于”记住算法思想“，举个例子，思考我们如何构造一个”哈夫曼树“。当然，在知道它的定义后，我们可以自己去设计一个算法。如果，自己可以想出来，恭喜你。如果自己没想到，再看到先人的解决办法后，不是仅仅“惊叹”一声，更要去记住它。

我强调“记住”，并没有死记硬背的意思，而是，很多东西的理解和创新都是以记忆为前提的。

 

二、进行大量相关编程练习，用编程语言去实现某一数据结构上的算法（怎么办）

就我而言，这个过程是最难的。很多时候，理解一个算法很容易，很容易在纸上去模拟一个算法的实现过程。但，具体实现，则是另一回事。一定得先自己思考，然后再去看书中给的编程语言实现。在我看来，这一过程已经不属于“数据结构与算法”的内容了。而是你综合素质的体现，如何真正理解问题和用编程技巧实现，很考验自己。这一过程，很难靠记忆。而在不断敲代码的过程中去体会一些直觉上的东西。如何用递归解决问题，如何使用循环，如何使用"哨兵”等等等等。当然，敲完后需要去思考总结，看看能不能总结出一些”小套路“并记住。

 

三、”记住“特定情景下，利用某一特定的数据结构，去解决问题 (为什么+怎么办）

每介绍一种数据结构，浙大数据结构与算法的MOOC课程都会有一个实际问题来作为“引子”，回答了“这种数据结构为什么会出现”。有的是为了实现特定的操作，有的是为了时间和空间上（大部分考虑的是时间复杂性）效率的更高（所以，没事的时候，分析一下算法的时间复杂性）。这些东西，我们也须理解记忆。每一数据结构都有其特性，去解决某一类问题，我们需要去记忆，去感悟。

 

最后，在学习过程中,如何形成一个属于自己的知识体系（准备在“印象笔记”中单开一个“数据结构与算法”的笔记本）；如何去“记住”（记好笔记，多多复习）；在学习过程中，遇到挫折，产生挫败感该如何处理（这个是必然会发生的，总有难以理解不会的地方）；如何进行心态方面的调整（欲速则不达,不过也有”敏捷学习“的概念）。在之后数据结构与算法的学习中，将继续完善这一篇文章。。。