中智行笔试

1 冒泡排序的平均复杂度和最坏复杂度

都是O(n^2)。
最好为O(n)。

2 平衡二叉搜索树的查询次数

O(og(n))

3 简单的栈的题目

4 mutex lock互斥

5 LRU cache pop和push都是O(1)，它的数据结构为

https://www.cnblogs.com/XP-Lee/p/3441555.html

LRU的典型实现是hash map + doubly linked list

6 forward_list和list的区别

主要差别：

list 是双向链表，forward_list 是双向链表。

成员函数差异：

函数名 list forward_list
back() has no
size() has no
insert() has no
emplace() has no
erase() has no
push_back() has no
emplace_back() has no
splice() has no

before_begin() no has
cbefore_begin() no has
insert_after() no has
emplace_after() no has
erase_after() no has
splice_after() no has

• forward_list 中设计的一系列 xxx_after() 的原因：

其中的元素仅知道后面的元素，不知道前面的元素。（单向链表的特性）所以类似于 insert 这样的操作，需要指定前一个元素的迭代器，然后执行插入，才可以把整个链表连接起来。
list的特点
不支持随机访问；
在任何位置插入或删除非常迅速；

forward_list的特点
forward_list只提供钱箱迭代器，因此不支持反向迭代器，比如rbegin()等成员函数。
forward_list不提供size（）成员函数。
forward_list没有指向最末元素的锚点，因此不提供back（）、push_back（）和pop_back（）。
forward_list不提供随机访问，这一点跟list相同。
插入和删除元素不会造成“指向至其他元素”的指针，引用和迭代器失效。

7 hash table和二叉搜索树平均和最坏比较

哈希表使用hash function来对输入的数据分配index到哈希表对应的槽中。假设有一个哈希表的size是100，而我们输入的数据是从0～99，我们要把输入数据储存到哈希表中。理论上来说，该哈希表插入和查找操作的时间复杂度都是O(1)。

二叉树遵循右子树大于根节点，左子树小于根节点的原则进行数据的插入和保存。如果这个树的平衡的，那么，对于每个元素的插入和查找操作的时间复杂度是O(log(n))，n是树的节点个数，log(n)通常是树的深度。当然，对于不平衡的情况，那就需要更复杂的数据结构的树（红黑树等）进行处理。

上文似乎得出结论哈希表要好于二叉树，但是it is not always the case。哈希表有以下几个突出的缺点：

当更多的数插入时，哈希表冲突的可能性就更大。对于冲突，哈希表通常有两种解决方案：第一种是线性探索，相当于在冲突的槽后建立一个单链表，这种情况下，插入和查找以及删除操作消耗的时间会达到O(n)，且该哈希表需要更多的空间进行储存。第二种方法是开放寻址，他不需要更多的空间，但是在最坏的情况下（例如所有输入数据都被map到了一个index上）的时间复杂度也会达到O(n)。

所以，在决定建立哈希表之前，最好可以估计输入的数据的size。否则，resize哈希表的过程将会是一个非常消耗时间的过程。例如，如果现在你的哈希表的长度是100，但是现在有第101个数要插入。这时，不仅哈希表的长度可能要扩展到150，且扩展之后所有的数都需要重新rehash。

哈希表中的元素是没有被排序的。然而，有些情况下，我们希望储存的数据是有序的。

另一方面，我们讨论二叉树：

二叉树不会有冲突（collision），这意味着我们能够保证二叉树的插入和查找操作一直都是O(log(n))的时间复杂度。

二叉树的空间占用跟输入的输入数据一致。所以我们不需要为二叉树预先分配固定的空间。所以，你也不需要预先知道输入数据的size。

所有的元素在树中是排序好的。

8 服务器80端口建立tcp链接，接下来服务器和客户端通信的端口为

9 输入一个只含0,1,2的数组，升序排序，时间复杂度为O(n)，编程

很简单

10 最大回文子串，可奇数长度，编程

11 A*算法

最优但不完全

12

1.什么是可哈希的（hashable）不该改变的（imutable)？

如果一个对象在自己的生命周期中有一哈希值（hash value）是不可改变的，那么它就是可哈希的（hashable）的，因为这些数据结构内置了哈希值，每个可哈希的对象都内置了__hash__方法，所以可哈希的对象可以通过哈希值进行对比，也可以作为字典的键值和作为set函数的参数。所有python中所有不可改变的的对象（imutable objects）都是可哈希的，比如字符串，元组，也就是说可改变的容器如字典，列表不可哈希（unhashable）。我们用户所定义的类的实例对象默认是可哈希的（hashable），它们都是唯一的，而hash值也就是它们的id()。

哈希（散列？whatever）是一个将大体量数据转化为很小数据的过程，甚至可以仅仅是一个数字，以便我们可以用在固定的时间复杂度下查询它，所以，哈希对高效的算法和数据结构很重要。

不可改变性是指一些对象在被创建之后不会因为某些方式改变，特别是针对任何可以改变哈希对象的哈希值的方式。

两者相联系是因为哈希键值一定是不可改变的，所以它们对应的哈希键值也不改变。如果允许它们改变，，那么它们在数据结构如哈希表中的存储位置也会改变，因此会与哈希的概念违背，效率会大打折扣。