常见算法介绍
1. 排序算法
-
冒泡排序(Bubble Sort):
-
时间复杂度:O(n^2)
-
简单但效率低,适用于小规模数据。
-
核心思想:相邻元素两两比较并交换,使得最大的元素逐步移动到数组末尾。
-
-
选择排序(Selection Sort):
-
时间复杂度:O(n^2)
-
通过选择最小(大)的元素放在已排序序列的末尾。
-
核心思想:每一轮从未排序序列中选出最小元素,放到已排序序列的末尾。
-
-
插入排序(Insertion Sort):
-
时间复杂度:O(n^2)
-
适用于基本有序的小规模数据。
-
核心思想:将未排序序列中的元素逐一插入到已排序序列中的适当位置。
-
-
快速排序(Quick Sort):
-
时间复杂度:O(n log n)
-
核心思想:选择一个基准元素,分区,将比基准小的元素放左边,比基准大的元素放右边,然后递归排序。
-
-
归并排序(Merge Sort):
-
时间复杂度:O(n log n)
-
核心思想:分治法,将数组分成两部分,分别排序后再合并。
-
-
堆排序(Heap Sort):
-
时间复杂度:O(n log n)
-
利用堆数据结构进行排序。
-
核心思想:将数组转化为一个最大(小)堆,逐步取出堆顶元素。
-
2. 查找算法
-
线性查找(Linear Search):
-
时间复杂度:O(n)
-
从头到尾逐个比较元素。
-
-
二分查找(Binary Search):
-
时间复杂度:O(log n)
-
适用于有序数组,通过逐步缩小查找范围。
-
3. 图算法
-
深度优先搜索(DFS):
-
核心思想:沿着一条路径不断深入,直至不能继续,再回溯。
-
应用:拓扑排序、连通分量、路径查找等。
-
-
广度优先搜索(BFS):
-
核心思想:层层扩展搜索范围,先访问距离起点最近的节点。
-
应用:最短路径、图的连通性检测等。
-
-
Dijkstra算法:
-
时间复杂度:O(V^2)(使用优先队列可以优化)
-
核心思想:在加权图中找到从源点到其他所有节点的最短路径。
-
-
Floyd-Warshall算法:
-
时间复杂度:O(V^3)
-
核心思想:动态规划算法,用于计算所有节点对的最短路径。
-
4. 动态规划(Dynamic Programming)
-
核心思想:将问题拆分为子问题,解决每个子问题并存储其结果以避免重复计算。
-
应用:斐波那契数列、最长公共子序列(LCS)、背包问题等。
5. 分治法(Divide and Conquer)
-
核心思想:将问题分解为规模较小的子问题,解决子问题后合并结果。
-
应用:归并排序、快速排序、最大子数组问题等。
算法刷题(含解析与代码)
1. 两数之和(Two Sum)
-
题目描述:给定一个整数数组
nums
和一个目标值target
,请你在该数组中找出和为目标值的那两个
整数,并返回他们的数组下标。 -
示例:
plaintext 复制代码
输入:
nums = [2, 7, 11, 15], target = 9
输出:
[0, 1]
解释:因为
nums[0] + nums[1] == 9
,返回
[0, 1]
。
-
解析:
-
可以使用暴力法,双重循环查找,时间复杂度O(n^2)。
-
也可以使用哈希表来提高效率,时间复杂度O(n)。
-
-
代码实现(Python):
python 复制代码
def two_sum(nums, target):
hash_map = {}
for i, num in enumerate(nums):
if target - num in hash_map:
return [hash_map[target - num], i]
hash_map[num] = i
#
测试
nums = [2, 7, 11, 15]
target = 9
print(two_sum(nums, target)) #
输出
: [0, 1]
2. 反转链表(Reverse Linked List)
-
题目描述:反转一个单链表。
-
示例:
plaintext 复制代码
输入
: 1->2->3->4->5->NULL
输出
: 5->4->3->2->1->NULL
-
解析: 使用三个指针来反转链表:
prev
指向前一个节点,current
指向当前节点,next_node
指向下一个节点。 -
代码实现(Python):
python 复制代码
class ListNode:
def __init__(self, val=0, next=None):
self.val = val
self.next = next
def reverse_list(head):
prev = None
current = head
while current:
next_node = current.next
current.next = prev
prev = current
current = next_node
return prev
#
测试
def print_list(head):
while head:
print(head.val, end=" -> ")
head = head.next
print("NULL")
#
创建链表
1->2->3->4->5->NULL
head = ListNode(1, ListNode(2, ListNode(3, ListNode(4, ListNode(5)))))
print_list(head)
reversed_head = reverse_list(head)
print_list(reversed_head)
笔试面试算法题
1. 寻找数组的中位数(Find Median of Array)
-
题目描述:给定两个大小分别为
m
和n
的正序(从小到大)数组nums1
和nums2
。请你找出并返回这两个正序数组的中位数。 -
示例:
plaintext 复制代码
输入
: nums1 = [1, 3], nums2 = [2]
输出
: 2.00000
解释
:
合并数组
= [1, 2, 3]
,中位数
2
-
解析:
-
合并两个数组并排序,找到中位数,时间复杂度为O((m+n)log(m+n))。
-
使用二分查找优化,时间复杂度为O(log(min(m, n)))。
-
-
代码实现(Python):
python 复制代码
def find_median_sorted_arrays(nums1, nums2):
A, B = sorted((nums1, nums2), key=len)
m, n = len(A), len(B)
half_len = (m + n + 1) // 2
imin, imax = 0, m
while imin <= imax:
i = (imin + imax) // 2
j = half_len - i
if i < m and B[j-1] > A[i]:
imin = i + 1
elif i > 0 and A[i-1] > B[j]:
imax = i - 1
else:
if i == 0: max_of_left = B[j-1]
elif j == 0: max_of_left = A[i-1]
else: max_of_left = max(A[i-1], B[j-1])
if (m + n) % 2 == 1:
return max_of_left
if i == m: min_of_right = B[j]
elif j == n: min_of_right = A[i]
else: min_of_right = min(A[i], B[j])
return (max_of_left + min_of_right) / 2.0
#
测试
nums1 = [1, 3]
nums2 = [2]
print(find_median_sorted_arrays(nums1, nums2)) #
输出
: 2.0
2. 最长公共子序列(Longest Common Subsequence)
-
题目描述:给定两个字符串
text1
和text2
,返回这两个字符串的最长公共子序列的长度。 -
示例:
plaintext 复制代码
输入:
text1 = "abcde", text2 = "ace"
输出:
3
解释:最长公共子序列是
"ace"
,它的长度为
3
。
-
解析: 使用动态规划构建二维数组
dp
,其中dp[i][j]
表示text1
前i
个字符和text2
前j
个字符的最长公共子序列长度。 -
代码实现(Python):
python 复制代码
def longest_common_subsequence(text1, text2):
m, n = len(text1), len(text2)
dp = [[0] * (n + 1) for _ in range(m + 1)]
for i in range(1, m + 1):
for j in range(1, n + 1):
if text1[i - 1] == text2[j - 1]:
dp[i][j] = dp[i - 1][j - 1] + 1
else:
dp[i][j] = max(dp[i - 1][j], dp[i][j - 1])
return dp[m][n]
#
测试
text1 = "abcde"
text2 = "ace"
print(longest_common_subsequence(text1, text2)) #
输出
: 3
这些算法和题目涵盖了排序、查找、动态规划、字符串处理等常见面试主题,通过练习这些题目,你可以巩固算法基础,并提升解决实际问题的能力。