米哈游(原神)一面算法原题

特斯拉裁员 10%

昨天,特斯拉发全员信,宣布全球裁员超 10%。

在内部信中,特斯拉 CEO 埃隆·马斯克表示:"多年来,我们发展迅速,在全球范围内开设了多家工厂。随着增长,某些部门出现了角色和工作职能的重复。当我们为公司下一阶段的增长做好准备时,聚焦各方面以降本增效是极其重要的。"

这几乎就是上周写的 亚马逊裁员,涉及中国区 的翻版。

马斯克还表示道"裁员是艰难的决定,没有什么比这更让我讨厌的了,但又必须这么做”。

嗯,怎么说就怎么听吧,但至少是收购推特后大面积裁员时没说过的。

根据特斯拉的财报,截止 2023 年 12 月底,特斯拉全球拥有员工约 14W,本次裁员 10%,即涉及 1.4W 人。

...

今天来做一道和之前读者投稿的「米哈游」一面算法题相关性较大的题目。

题目描述

平台:LeetCode

题号:583

给定两个单词 s1 和 s2,找到使得 s1 和 s2 相同所需的最小步数,每步可以删除任意一个字符串中的一个字符。

示例:

输入: "sea""eat"

输出: 2

解释: 第一步将"sea"变为"ea",第二步将"eat"变为"ea"

提示:

  • 给定单词的长度不超过
  • 给定单词中的字符只含有小写字母。

转换为 LCS 问题

首先,给定两字符 s1s2,求经过多少次删除操作,可使得两个相等字符串。

该问题等价于求解两字符的「最长公共子序列」,若两者长度分别为 ,而最长公共子序列长度为 ,则 即为答案。

对「最长公共子序列(LCS)」不熟悉的同学,可以看 (题解) 1143. 最长公共子序列

代表考虑 的前 个字符、考虑 的前 个字符(但最长公共子序列中不一定包含 或者 )时形成的「最长公共子序列(LCS)」长度。」

当有了「状态定义」之后,基本上「转移方程」就是呼之欲出:

  • s1[i]==s2[j] : 。代表 「必然使用 时」 LCS 的长度。
  • s1[i]!=s2[j] : 。代表 「必然不使用 (但可能使用 )时」「必然不使用 (但可能使用 )时」 LCS 的长度。

可以发现,上述两种讨论已经包含了「不使用 」、「仅使用 」、「仅使用 」和「使用 」四种情况。

虽然「不使用 」会被 重复包含,但对于求最值问题,重复比较并不想影响答案正确性。

因此最终的 为上述两种讨论中的最大值。

一些编码细节:

通常会习惯性往字符串头部追加一个空格,以减少边界判断(使下标从 1 开始,并很容易构造出可滚动的「有效值」)。但实现上,不用真的往字符串中最佳空格,只需在初始化动规值时假定存在首部空格,以及对最后的 LCS 长度进行减一操作即可。

Java 代码:

class Solution {
    public int minDistance(String s1, String s2) {
        char[] cs1 = s1.toCharArray(), cs2 = s2.toCharArray();
        int n = s1.length(), m = s2.length();
        int[][] f = new int[n + 1][m + 1];
        // 假定存在哨兵空格,初始化 f[0][x] 和 f[x][0]
        for (int i = 0; i <= n; i++) f[i][0] = 1;
        for (int j = 0; j <= m; j++) f[0][j] = 1;
        for (int i = 1; i <= n; i++) {
            for (int j = 1; j <= m; j++) {
                f[i][j] = Math.max(f[i - 1][j], f[i][j - 1]);
                if (cs1[i - 1] == cs2[j - 1]) f[i][j] = Math.max(f[i][j], f[i - 1][j - 1] + 1);
            }
        }
        int max = f[n][m] - 1// 减去哨兵空格
        return n - max + m - max;
    }
}

C++ 代码:

class Solution {
public:
    int minDistance(string s1, string s2) {
        int n = s1.size(), m = s2.size();
        vector<vector<int>> f(n + 1vector<int>(m + 1));
        for (int i = 0; i <= n; i++) f[i][0] = 1;
        for (int j = 0; j <= m; j++) f[0][j] = 1;
        for (int i = 1; i <= n; i++) {
            for (int j = 1; j <= m; j++) {
                f[i][j] = max(f[i - 1][j], f[i][j - 1]);
                if (s1[i - 1] == s2[j - 1]) f[i][j] = max(f[i][j], f[i - 1][j - 1] + 1);
            }
        }
        int max = f[n][m] - 1;
        return n - max + m - max;
    }
};

Python 代码:

class Solution:
    def minDistance(self, s1: str, s2: str) -> int:
        n, m = len(s1), len(s2)
        f = [[1]* (m + 1for _ in range(n + 1)]
        for i in range(1, n + 1):
            for j in range(1, m + 1):
                f[i][j] = max(f[i - 1][j], f[i][j - 1])
                if s1[i - 1] == s2[j - 1]:
                    f[i][j] = max(f[i][j], f[i - 1][j - 1] + 1)
        max_val = f[n][m] - 1
        return n - max_val + m - max_val

TypeScript 代码:

function minDistance(s1: string, s2: string): number {
    const n = s1.length, m = s2.length;
    const f: number[][] = Array(n + 1).fill(0).map(() => Array(m + 1).fill(1));
    for (let i = 1; i <= n; i++) {
        for (let j = 1; j <= m; j++) {
            f[i][j] = Math.max(f[i - 1][j], f[i][j - 1]);
            if (s1[i - 1] === s2[j - 1]) {
                f[i][j] = Math.max(f[i][j], f[i - 1][j - 1] + 1);
            }
        }
    }
    const max = f[n][m] - 1;
    return n - max + m - max;  
};
  • 时间复杂度:
  • 空间复杂度:

序列 DP

上述解决方案是套用了「最长公共子序列(LCS)」进行求解,最后再根据 LCS 长度计算答案。

而更加契合题意的状态定义是根据「最长公共子序列(LCS)」的原始状态定义进行微调:「定义 代表考虑 的前 个字符、考虑 的前 个字符(最终字符串不一定包含 )时形成相同字符串的最小删除次数。」

同理,不失一般性的考虑 该如何计算:

  • s1[i]==s2[j] ,代表可以不用必然删掉 形成相同字符串;
  • s1[i]!=s2[j] ,代表至少一个删除 中的其中一个。

为上述方案中的最小值,最终答案为

Java 代码:

class Solution {
    public int minDistance(String s1, String s2) {
        char[] cs1 = s1.toCharArray(), cs2 = s2.toCharArray();
        int n = s1.length(), m = s2.length();
        int[][] f = new int[n + 1][m + 1];
        for (int i = 0; i <= n; i++) f[i][0] = i;
        for (int j = 0; j <= m; j++) f[0][j] = j;
        for (int i = 1; i <= n; i++) {
            for (int j = 1; j <= m; j++) {
                f[i][j] = Math.min(f[i - 1][j] + 1, f[i][j - 1] + 1);
                if (cs1[i - 1] == cs2[j - 1]) f[i][j] = Math.min(f[i][j], f[i - 1][j - 1]);
            }
        }
        return f[n][m];
    }
}

C++ 代码:

class Solution {
public:
    int minDistance(string s1, string s2) {
        int n = s1.size(), m = s2.size();
        vector<vector<int>> f(n + 1vector<int>(m + 1));
        for(int i = 0; i <= n; i++) f[i][0] = i;
        for(int j = 0; j <= m; j++) f[0][j] = j;
        for (int i = 1; i <= n; i++) {
            for (int j = 1; j <= m; j++) {
                f[i][j] = min(f[i - 1][j] + 1, f[i][j - 1] + 1);
                if (s1[i - 1] == s2[j - 1]) f[i][j] = min(f[i][j], f[i - 1][j - 1]);
            }
        }
        return f[n][m];
    }
};

Python 代码:

class Solution:
    def minDistance(self, s1: str, s2: str) -> int:
        n, m = len(s1), len(s2)
        f = [[0]* (m + 1for _ in range(n + 1)]
        for i in range(n + 1):
            f[i][0] = i
        for i in range(m + 1): 
            f[0][i] = i
        for i in range(1, n + 1):
            for j in range(1, m + 1):
                f[i][j] = min(f[i - 1][j] + 1, f[i][j - 1] + 1)
                if s1[i - 1] == s2[j - 1]:
                    f[i][j] = min(f[i][j], f[i - 1][j - 1])
        return f[n][m]

TypeScript 代码:

function minDistance(s1: string, s2: string): number {
    const n = s1.length, m = s2.length;
    const f: number[][] = Array.from({length: n + 1}, () => Array(m + 1).fill(0));
    for(let i = 0; i <= n; i++) f[i][0] = i;
    for(let i = 0; i <= m; i++) f[0][i] = i;
    for (let i = 1; i <= n; i++) {
        for (let j = 1; j <= m; j++) {
            f[i][j] = Math.min(f[i - 1][j] + 1, f[i][j - 1] + 1);
            if (s1.charAt(i - 1) == s2.charAt(j - 1)) f[i][j] = Math.min(f[i][j], f[i - 1][j - 1]);
        }
    }
    return f[n][m];
};
  • 时间复杂度:
  • 空间复杂度:

最后

给大伙通知一下 📢 :

全网最低价 LeetCode 会员目前仍可用!!!

📅 年度会员:有效期加赠两个月!!; 季度会员:有效期加赠两周!!

🧧 年度会员:获 66.66 现金红包!!; 季度会员:获 22.22 现金红包!!

🎁 年度会员:参与当月丰厚专属实物抽奖(中奖率 > 30%)!!

专属链接:leetcode.cn/premium/?promoChannel=acoier

我是宫水三叶,每天都会分享算法知识,并和大家聊聊近期的所见所闻。

欢迎关注,明天见。

更多更全更热门的「笔试/面试」相关资料可访问排版精美的 合集新基地 🎉🎉

  • 34
    点赞
  • 104
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
### 回答1: 米哈游是一家以游戏开发为主要业务的公司,Java后端笔试可能会涉及以下方面的内容: 1. Java基础知识:笔试中可能会涉及Java的基本语法、面向对象编程、集合框架等内容,考察应聘者对Java语言的熟悉程度。 2. 数据库:Java后端开发常常需要与数据库进行交互,因此笔试中可能会考察SQL语句的编写、数据库设计与优化等方面的知识。 3. Web开发:Java后端开发通常需要熟悉一些Web开发技术,如Servlet、JSP、Spring框架等。笔试中可能会出现相关的目,考察应聘者对Web开发的了解程度。 4. 网络通信:Java后端开发常常需要进行网络通信,可能会使用TCP/IP协议、HTTP协议等。笔试中可能会出现与网络通信相关的目,考察应聘者对网络通信知识的掌握。 5. 算法与数据结构:Java后端开发中,对算法与数据结构的理解与运用也非常重要。笔试中可能会出现一些与算法与数据结构相关的目,考察应聘者的编程能力与解决问的能力。 米哈游作为一家游戏开发公司,对Java后端开发人员的要求较高。参加该公司笔试需要对Java开发、数据库、Web开发、网络通信等方面的基础知识有一定的了解与掌握。同时,还需要有较强的编程能力和解决问的能力。只有掌握了这些知识和能力,才能在米哈游的Java后端笔试中有所斩获。 ### 回答2: 米哈游java后端笔试是米哈游公司的一项面试程序,用于选拔适合担任java后端开发职位的候选人。此笔试主要考察候选人在java后端开发方面的知识和技能。 在笔试中,候选人可能会遇到一些关于java编程语言和相关技术的问。这些问可能涉及到java的基本语法、面向对象编程、异常处理、多线程、IO操作等方面的内容。候选人需要能够熟练运用这些知识解决问,并编写高质量的java后端代码。 此外,笔试可能还包括一些与数据库相关的问,例如SQL查询语句的编写、数据库连接和事务处理等。候选人需要熟悉关系型数据库的基本概念和操作,以及常见的数据库管理系统如MySQL或Oracle等。 另外,米哈游java后端笔试也可能要求候选人解决一些算法和数据结构方面的问。这些问可能涉及到数组、链表、树、图等数据结构的使用以及常见的算法如搜索、排序和动态规划等。 总之,米哈游java后端笔试是一项通过考察候选人的java后端开发技能,来评估其适应米哈游公司java后端开发职位的能力和潜力的评估工具。候选人需要在笔试中展示他们在java编程语言、数据库和算法方面的扎实知识和解决问的能力。 ### 回答3: 米哈游java后端笔试是米哈游公司针对java后端开发岗位的面试笔试。笔试内容主要考察应聘者在java开发方面的能力和经验。 笔试可能包括以下几个方面的内容: 1. Java基础知识:包括Java语法、面向对象编程、集合框架等基础知识。应聘者需要熟悉Java的常用类库和API,能够编写简单的Java程序。 2. 数据库和SQL:应聘者需要熟悉数据库的基本概念和常用操作,熟练使用SQL语言进行数据的查询和操作。可能需要编写一些简单的SQL语句。 3. Web开发:应聘者需要了解常用的Web开发技术,如Servlet、JSP、Spring、MyBatis等。可能需要编写一些简单的Web应用程序,实现基本的增删改查功能。 4. 多线程编程:应聘者需要理解多线程编程的基本概念和原理,能够使用Java提供的多线程相关API进行并发编程。 5. 性能优化和调优:应聘者需要了解如何进行性能优化和调优,能够使用一些常用的工具对程序进行性能分析和调试。 6. 设计模式:应聘者需要了解常用的设计模式,能够根据实际需求进行合理的设计和开发。 针对这些内容,应聘者可以提前进行充分准备,复习相关知识。同时,应该注重实践,多做一些相关的项目和练习,提高自己的实际动手能力。 对于笔试中遇到的问或难点,应聘者可以积极思考和分析,尽量给出自己的解决方案。如果不确定的地方可以标明,并在之后的面试环节中与面试官进行深入讨论。 最后,应聘者在笔试过程中要保持冷静和自信,展示出自己的优势和能力。希望以上回答能对你有所帮助。
评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值