java 数据结构与算法 面试题_Java面试题4-数据结构与算法基础

说一下几种常见的排序算法和分别的复杂度

倒排一个LinkedList

Collecionts.reverse(List> list)

什么是跳表

如何确认一个链表有环?进一步,确认环的位置

这是一道很常见的面试问题，，只用两个变量通过O(n)的时间复杂度就可以解决。

Floyd cycle detection算法，也叫做tortoise and hare算法，龟兔算法吧。

http://en.wikipedia.org/wiki/Cycle_detection#Tortoise_and_hare

以下内容为对思路重新梳理了一下，参考了stackoverflow论坛的讨论

http://stackoverflow.com/questions/2936213/explain-how-finding-cycle-start-node-in-cycle-linked-list-work

http://stackoverflow.com/questions/494830/how-to-determine-if-a-linked-list-has-a-cycle-using-only-two-memory-locations。

和thestoryofsnow的博客

http://blog.csdn.net/thestoryofsnow/article/details/6822576

代码来自thefutureisour

http://blog.csdn.net/thefutureisour/article/details/8174313

原文链接：https://blog.csdn.net/duxinyuhi/article/details/53379239

龟兔解法的基本思想可以用我们跑步的例子来解释，如果两个人同时出发，如果赛道有环，那么快的一方总能追上慢的一方。进一步想，追上时快的一方肯定比慢的一方多跑了几圈，即多跑的路的长度是圈的长度的倍数。

基于上面的想法，Floyd用两个指针，一个慢指针(龟)每次前进一步，快指针(兔)指针每次前进两步(两步或多步效果是等价的，只要一个比另一个快就行，从后面的讨论我们可以看出这一点。ps：考虑一个链表A有1000000个结点的环，链表B是有1000000个的非环的结点，然后再加一个只有3个结点的小环，如果兔子跑的更快点，即每次前进多于2步，那么能更快的检测链表A，但链表B就很慢，因为要一直绕圈等乌龟，所以选择2步是一个tradeoff)。如果两者在链表头以外的某一点相遇(即相等)了，那么说明链表有环，否则，如果(快指针)到达了链表的结尾，那么说明没环。

证明如下：

这样做的道理我用下图解释

假设起点到环的起点距离为m，已经确定有环，环的周长为n，(第一次)相遇点距离环的起点的距离是k。那么当两者相遇时，慢指针移动的总距离为i，因为快指针移动速度为慢指针的两倍，那么快指针的移动距离为2i

1) i = m + p * n + k

2) 2i = m + q * n + ki

其中，p和q分别为慢指针和快指针在第一次相遇时转过的圈数。

2 ( m + p * n + k ) = m + q * n + k

=> 2m + 2pn + 2k = m + nq + k

=> m + k = ( q - 2p ) n

只要有一组p，q，k满足这个式子，假设就成立了。

我们假设

p = 0

q = m

k = m n - m

那么我们证明如下

m + k = ( q - 2p ) n

=> m + mn - m = ( m - 2*0) n

=> mn = mn.

这时，i为

i = m + p n + k

=> m + 0 * n + mn - m = mn.

假设成立。

环的检测

环的检测是Floyd解法的第二部分。

一旦乌龟和兔子相遇，将慢指针移到链表起点，快指针还在他们相遇的地方，即离环的起点距离k的地方。然后慢指针和快指针同时移动，每次移动一步，那么两者再次相遇的地方就是环的起点。

证明如下：

让乌龟和兔子都同时移动m+k步，乌龟到了他们最初遇见的地方(远离环起点k的位置)

之前我们得到 m + k = (q - 2p) n

即兔子走了q-2p圈，也到了和乌龟同样的位置

现在我们不让乌龟走 m+k 步，让乌龟只走 m 步，兔子也后退k步，即到了环的起点，这是他们第一次相遇的地方。

当他们相遇时，乌龟走的步数就是环的地点在的位置。

求环的长度的问题，第一次相遇后，再次相遇时，走的距离就是环的长度。

如何遍历一棵二叉树

二叉树的深度优先遍历和广度优先遍历

广度优先遍历

英文缩写为BFS即Breadth FirstSearch。其过程检验来说是对每一层节点依次访问，访问完一层进入下一层，而且每个节点只能访问一次。对于上面的例子来说，广度优先遍历的 结果是：A,B,C,D,E,F,G,H,I(假设每层节点从左到右访问)。

先往队列中插入左节点，再插右节点，这样出队就是先左节点后右节点了。

广度优先遍历树，需要用到队列(Queue)来存储节点对象,队列的特点就是先进先出。例如，上面这颗树的访问如下：

首先将A节点插入队列中，队列中有元素(A);

将A节点弹出，同时将A节点的左、右节点依次插入队列，B在队首，C在队尾，(B，C)，此时得到A节点；

继续弹出队首元素，即弹出B，并将B的左、右节点插入队列，C在队首，E在队尾(C,D，E)，此时得到B节点；

继续弹出，即弹出C，并将C节点的左、中、右节点依次插入队列，(D,E,F,G,H)，此时得到C节点；

将D弹出，此时D没有子节点，队列中元素为(E,F,G,H)，得到D节点；

深度优先遍历

英文缩写为DFS即Depth First Search.其过程简要来说是对每一个可能的分支路径深入到不能再深入为止，而且每个节点只能访问一次。对于上面的例子来说深度优先遍历的结果就是：A,B,D,E,I,C,F,G,H.(假设先走子节点的的左侧)。

深度优先遍历各个节点，需要使用到栈(Stack)这种数据结构。stack的特点是是先进后出。整个遍历过程如下：

先往栈中压入右节点，再压左节点，这样出栈就是先左节点后右节点了。

首先将A节点压入栈中，stack(A);

将A节点弹出，同时将A的子节点C，B压入栈中，此时B在栈的顶部，stack(B,C)；

将B节点弹出，同时将B的子节点E，D压入栈中，此时D在栈的顶部，stack(D,E,C)；

将D节点弹出，没有子节点压入,此时E在栈的顶部，stack(E，C)；

将E节点弹出，同时将E的子节点I压入，stack(I,C)；

…依次往下，最终遍历完成。

HashSet的实现方式

HashSet概述：

HashSet实现Set接口，由哈希表(实际上是一个HashMap实例)支持。它不保证set 的迭代顺序；特别是它不保证该顺序恒久不变。此类允许使用null元素

堆和栈在内存中的区别是什么

栈内存存储的是局部变量而堆内存存储的是实体；

栈内存的更新速度要快于堆内存，因为局部变量的生命周期很短；

栈内存存放的变量生命周期一旦结束就会被释放，而堆内存存放的实体会被垃圾回收机制不定时的回收

什么是深拷贝和浅拷贝

浅拷贝: 是一个传址,也就是把a的值赋给b的时候同时也把a的址赋给了b，当b(a)的值改变的时候，a(b)的值同时也会改变

深拷贝：深拷贝是指，拷贝对象的具体内容，二内存地址是自主分配的，拷贝结束之后俩个对象虽然存的值是一样的，但是内存地址不一样，俩个对象页互相不影响，互不干涉