一键难忘的博客

2024华为OD机试指南宝典—持续更新（JAVA&Python&C++&JS）【彻底搞懂算法和数据结构—算法之翼】OD全称(Outsourcing Dispacth)模式，目前华为和德科联合招聘的简称。目前华为社招大多数是OD招聘，17级以下都为OD模式，OD模式也是华为提出的一种新的用工形式，定级是13-17级，属于华为储备人才，每年都会从OD项目挑优秀员工转为正编。--考来的，描述的很准确。

这段示例代码展示了如何通过Stacking集成学习方法，结合ARIMA模型的预测结果，对A5品牌的销量和销售金额进行联合预测。具体实现中，你可以根据实际情况调整模型的参数、添加更多的基础模型，或者尝试不同的集成学习方法来优化预测性能。请根据实际数据特征和要求，调整模型的参数和精度，以及处理更多的时间序列特性，如季节性调整等，以提高预测的准确性和可靠性。下面是一个简单的Python代码示例，使用ARIMA模型对A3和A4品牌的销售金额进行预测。针对每个香烟品牌（A1和A2），选择适合的时间序列预测模型。

跳表是一种有序链表的扩展，通过增加多层索引来加快查找速度。跳表的每一层都是一个逐层抽象的链表，下层链表是上层链表的超集。通过这种多层次的链接结构，跳表能够在O(log n)的平均时间复杂度内完成搜索、插入和删除操作。

KMP算法作为一种高效的字符串匹配算法，通过构建部分匹配表和利用匹配过程中的信息，能够在匹配过程中避免不必要的比较，从而提高了匹配效率。本文从KMP算法的原理入手，详细介绍了其构建部分匹配表和匹配过程的具体实现方法，并提供了Python代码示例进行演示和实践。通过对KMP算法的解析和实现，读者可以更全面地了解该算法的工作原理和实际应用。同时，本文还讨论了KMP算法的改进和扩展方向，包括优化空间复杂度、多模式匹配、动态模式匹配、并行化处理等方面，以满足不同场景下的需求。

递归算法作为计算机科学中的一种基本而强大的工具，以其简洁性和优雅性在许多复杂问题中得到了广泛应用。通过分而治之的思想，递归能够有效地解决大量数学问题、数据结构操作、图算法、分治法和自然语言处理等领域的难题。

B树是一种自平衡的多叉树，保证了数据的有序性和搜索、插入、删除操作的对数时间复杂度。B树的每个节点可以有多个子节点，且节点内存储的关键字按顺序排列。B+树是B树的变体，其结构与B树类似，但具有一些不同的特性。B+树在数据库索引中应用广泛，特别适合范围查询。B树和B+树作为数据库索引中常用的两种数据结构，各自具备独特的优势和适用场景。B树凭借其高效的搜索、插入和删除操作，适用于一般的读写操作，且结构相对简单。然而，由于其叶子节点之间没有连接，B树在范围查询上的表现不如B+树。

MapReduce由Google在2004年提出，是一种用于处理大规模数据集的分布式计算模型。其核心思想是将计算任务分成两个阶段：Map阶段和Reduce阶段。Map阶段：将输入数据分成若干小块，并对每一小块数据进行处理，生成键值对（key-value pairs）。Reduce阶段：将具有相同键的键值对聚合在一起，并对聚合后的数据进行处理，生成最终结果。这种模型具有高度的并行性，可以充分利用分布式系统的计算资源，从而大幅提高数据处理的效率。# 测试。

字符串匹配问题是指在一个文本串（Text）中查找一个模式串（Pattern）出现的位置。传统的蛮力算法通过逐一比较文本串和模式串的字符来实现匹配，其时间复杂度为O(m*n)，其中m是文本串的长度，n是模式串的长度。这种方法在面对较长的字符串时效率较低。

在本文中，我们深入探讨了最小生成树问题以及解决该问题的两种经典算法：Prim算法和Kruskal算法。Prim算法是一种贪心算法，以顶点为中心逐步扩展生成树。通过优先队列实现，适用于稠密图。相对简单易懂，但在某些情况下可能受优先队列实现的影响。Kruskal算法也是一种贪心算法，以边为中心逐步构建生成树。通过并查集实现，适用于稀疏图。相对复杂一些，但在某些情况下性能更好，特别是在大规模图中具有更好的并行性能。性能比较Prim算法在稠密图上通常表现更好，而Kruskal算法在稀疏图上更优。

Bloom Filter是一种空间效率极高的概率型数据结构，用于检测一个元素是否属于一个集合中。它的设计思想基于哈希函数，通过将元素映射到一个位数组中，并使用多个哈希函数进行多次映射，从而实现对元素的快速检索。Bloom Filter作为一种高效的数据结构，通过巧妙地利用位数组和多个哈希函数的结合，在实践中展现出了许多优秀的特性和应用场景。本文从原理、应用场景、代码实现、优化与注意事项以及进一步优化与扩展等方面全面介绍了Bloom Filter。

AVL树是由两位前苏联的计算机科学家G.M. Adelson-Velsky和E.M. Landis于1962年提出的。AVL树是一种自平衡的二叉搜索树，其关键在于通过旋转操作来维持树的平衡。在AVL树中，任意节点的左右子树高度差（平衡因子）不能超过1。在本文中，我们深入探讨了AVL树的原理及其在平衡二叉搜索树中的作用。首先，我们介绍了AVL树的概述，包括其定义、自平衡性质以及平衡调整的原理。然后，我们给出了AVL树的代码实例，展示了其插入操作的实现过程。

深度优先搜索算法作为一种经典的图搜索算法，在解决各种实际问题时发挥着重要作用。通过理解其原理、掌握其实现方法，并结合具体问题的特点进行优化，我们可以更好地利用深度优先搜索算法解决实际问题。在未来的学习和工作中，我们可以继续探索深度优先搜索算法以及其他相关算法，不断提升自己的算法设计和问题解决能力。

原理和核心思想：Dijkstra算法是一种解决单源最短路径问题的经典算法。其核心思想是通过贪心策略逐步确定从源节点到所有其他节点的最短路径，直到所有节点都被覆盖。算法实现：Dijkstra算法的实现包括初始化距离、使用优先队列动态选择下一个要处理的节点、更新距离等步骤。通过合理的数据结构和算法设计，可以有效地计算出最短路径。适用条件：Dijkstra算法适用于处理非负权重图的最短路径问题。它在网络路由、地图路线规划、资源分配等领域有广泛的应用。复杂性和局限性。

拓扑排序算法是一种解决有向无环图（DAG）排序问题的有效工具，其将图中的顶点以线性顺序排列，保证了依赖关系的正确顺序。本文介绍了拓扑排序算法的原理和实现方法，并探讨了其在不同领域的广泛应用场景。首先，我们了解了拓扑排序算法的基本原理，包括如何利用入度和队列来确定顶点的排序顺序。然后，我们通过 Python 示例代码演示了拓扑排序算法的实现过程，并验证了其在示例图中的正确性。接着，我们探讨了拓扑排序算法在实际应用中的多种场景。

动态规划：动态规划解法适用于具有重叠子问题和最优子结构性质的问题，能够确保找到全局最优解。但在实现上需要构建状态转移方程，并填充一个长度为N的dp数组，时间和空间复杂度较高。贪心算法：贪心算法解法简单直接，只需维护一个辅助数组 tails，并使用二分查找找到合适的位置。它能够在较短时间内给出一个接近最优解的结果，但不能保证得到全局最优解。在解决最长递增子序列问题时，两种方法都能够有效地给出正确的结果。但在实际应用中，需要根据问题的特点和要求选择合适的方法。

本文介绍了并查集数据结构的基本原理、实现方法以及优化技巧，并提供了代码示例展示了其在实际问题中的应用。首先，我们了解了并查集的基本操作：合并（Union）和查找（Find），以及如何使用数组来表示并查集中的树结构。随后，我们介绍了路径压缩和按秩合并两种优化技巧，用于提高并查集的效率。通过路径压缩，我们可以减少查找操作的时间复杂度；而按秩合并则可以降低树的深度，进而减少查找和合并操作的时间复杂度。在代码示例部分，我们展示了如何实现一个简单的并查集类，并给出了一个应用示例：使用并查集解决区域填充问题。

动态规划是一种在计算机科学中使用的算法思想，它通常用于解决优化问题，这类问题可以被分解成若干子问题，并且这些子问题之间存在重叠。动态规划通过将问题分解成子问题，逐步求解这些子问题，并将结果保存起来，以避免重复计算。本文介绍了动态规划算法的基本原理、应用场景以及常见的代码示例。动态规划是一种解决优化问题的强大算法思想，通过将问题分解成子问题并保存其解，避免了重复计算，从而提高了算法的效率。动态规划的基本原理：分解问题、定义状态、确定状态转移方程和计算最优解是动态规划算法的核心步骤。

在本文中，我们深入探讨了Floyd-Warshall算法，这是解决所有节点对最短路径问题的经典算法。我们从算法原理、代码实现、空间复杂度优化、时间复杂度分析以及并行化优化等方面对其进行了全面的讨论。首先，我们介绍了Floyd-Warshall算法的原理，它利用动态规划的思想来逐步优化节点之间的路径长度，从而找到所有节点对之间的最短路径。然后，我们给出了Python的代码实现，通过邻接矩阵表示图，并利用三重循环来实现算法的核心部分。

总的来说，红黑树作为一种自平衡二叉查找树，在算法设计和实现中扮演着重要的角色。它具有良好的平衡性和高效性，能够保持树的平衡性，并且在插入、删除和查找等操作上具有较低的时间复杂度。红黑树的优点包括平衡性、高效性、易于实现和广泛应用，使得它成为了许多算法和数据结构中的重要组成部分。然而，红黑树也存在一些缺点，如复杂度较高、空间开销较大和不适合频繁变动的数据集等。综合考虑，红黑树在大多数情况下仍然是一种优秀的选择，但在特定情况下需要根据实际需求选择合适的数据结构。

哈希表是一种数据结构，用于存储键值对（key-value pairs）。它通过哈希函数将键映射到表中的一个位置，从而实现高效的数据访问。哈希表的特点在于，通过哈希函数计算出的位置是固定的，因此可以在常量时间内（O(1)）查找、插入和删除元素。哈希表作为一种重要的数据结构，在实际应用中发挥着关键作用。本文深入探讨了哈希表的原理、哈希函数、哈希冲突处理以及实际应用场景。我们了解到，哈希表通过哈希函数将键映射到固定位置，实现了快速的数据存储和查询，具有常量时间复杂度的优势。

二叉搜索树（Binary Search Tree，BST）是一种常见的数据结构，它具有良好的查找、插入和删除性能。左子树中所有节点的键值小于根节点的键值。右子树中所有节点的键值大于根节点的键值。左右子树本身也是二叉搜索树。本文深入探讨了二叉搜索树（BST）的构建、遍历、删除、验证和层次遍历等关键操作。首先介绍了二叉搜索树的定义和性质，包括节点值的大小关系和子树的结构。然后，详细讨论了二叉搜索树的构建方法，包括递归和迭代两种方式。

【华为OD机试】结队编程（贡献法计数—Java&Python&C++&JS实现）某部门计划通过结队编程来进行项目开发，已知该部门有 N 名员工，每个员工有独一无二的职级，每三个员工形成一个小组进行结队编程，结队分组规则如下：从部门中选出序号分别为 i、j、k 的3名员工，他们的职级分别为 level[i]，level[j]，level[k]，结队小组满足 level[i] < level[j] < level[k] 或者 level[i] > level[j] > level[k]，其中 0 ≤ i

【华为OD机试】二维伞的雨滴效应（递归和栈—Java&Python&C++&JS实现）普通的伞在二维平面世界中，左右两侧均有一条边，而两侧伞边最下面各有一个伞坠子，雨滴落到伞面，逐步流到伞坠处，会将伞坠的信息携带并落到地面，随着日积月累，地面会呈现伞坠的信息。1、为了模拟伞状雨滴效应，用二叉树来模拟二维平面伞（如下图所示），现在输入一串正整数数组序列（不含0，数组成员至少是1个），若此数组序列是二叉搜索树的前序遍历的结果，那么请输出一个返回值1，否则输出0.

【华为OD机试】比赛的冠亚季军（深度优先搜索—Java&Python&C++&JS实现）有N（3

【华为OD机试】输出指定字母在字符串的中的索引（Java&Python&C++&JS实现）给定一个字符串，把字符串按照大写在前小写在后排序，输出排好后的第 K 个字母在原来字符串的索引。相同字母输出第一个出现的位置。示例1 输入输出示例仅供调试，后台判题数据一般不包含示例输入hAkDAjByBq 4输出6

【华为OD机试】迷宫问题（深度优先搜索—Java&Python&C++&JS实现）它表示一个迷宫，其中的1表示墙壁，0表示可以走的路，只能横着走或竖着走，不能斜着走，要求编程序找出从左上角到右下角的路线。入口点为[0,0],既第一格是可以走的路。数据范围： 2≤n,m≤10 ， 输入的内容只包含 0≤val≤1。

【华为OD机试】需要打开多少监视器（贪心算法—Java&Python&C++&JS实现）某长方形停车场，每个车位上方都有对应监控器，当且仅当在当前车位或者前后左右四个方向任意一个车位范围停车时，监控器才需要打开:给出某一时刻停车场的停车分布，请统计最少需要打开多少个监控器

【华为OD机试】宜居星球改造计划（广度优先搜索—Java&Python&C++&JS实现）2XXX年，人类通过对火星的大气进行宜居改造分析，使得火星已在理论上具备人类宜居的条件，由于技术原因，无法一次性将火星大气全部改造，只能通过局部处理形式，假设将火星待改造的区域为row * column的网格每个网格有3个值，宜居区、可改造区、死亡区，使用YES、NO、NA代替，YES表示该网格已经完成大气改造，NO表示该网格未进行改造，后期可进行改造，NA表示死亡区，不作为判断是否改造完成的宜居，无法穿过初始化下，

【华为OD机试】找单词（深度优先搜索—Java&Python&C++&JS实现）给一个字符串和一个二维字符数组，如果该字符串存在于该数组中，则按字符串的字符顺序输出字符串每个字符所在单元格的位置下标字符串，如果找不到返回字符串“N”。1.需要按照字符串的字符组成顺序搜索，且搜索到的位置必须是相邻单元格，其中“相邻单元格”是指那些水平相邻或垂直相邻的单元格。2.同一个单元格内的字母不允许被重复使用。3.假定在数组中最多只存在一个可能的匹配。

【华为OD机试】运维日志排序（Java&Python&C++&JS实现）运维工程师采集到某产品线网运行一天产生的日志n条现需根据日志时间先后顺序对日志进行排序日志时间格式为H:M:S.NH表示小时(0~23)M表示分钟(0~59)S表示秒(0~59)N表示毫秒(0~999)时间可能并没有补全

【华为OD机试】芯片资源限制（贪心算法—Java&Python&C++&JS实现）一个业务芯片的容量为10G,可支持两种不同的业务类型A、B。芯片的约束如下:1.A业务容量为2.5G,一个芯片上最多可配置4路业务;2.B业务容量为10G,一个芯片上最多可配置1路业务;3.由于业务容量限制,配置了A业务后，该芯片就不能配置B业务;4.不能跨芯片占用资源,即业务只能配置在一块芯片上,不能占用一块芯片的容量,再占用另外芯片容量;5.为了保证使用最少的芯片资源，业务配置时，按芯片编号从小到大顺序依次配置,

【华为OD机试】数据单元的变化替换（Java&Python&C++&JS实现）将一个csv格式的数据文件中包含有单元格引用的内容替换为对应单元格内容的实际值。comma separated values(CSV)逗号分隔值，csv格式的数据文件使用逗号“”作为分隔符将各单元的内容进行分隔

【华为OD机试】推荐多样性（Java&Python&C++&JS实现）推荐多样性需要从多个列表中选择元素，一次性要返回N屏数据（窗口数量），每屏展示K个元素（窗口大小），选择策略：1. 各个列表元素需要做穿插处理，即先从第一个列表中为每屏选择一个元素，再从第二个列表中为每屏选择一个元素，依次类推2. 每个列表的元素尽量均分为N份，如果不够N个，也要全部分配完，参考样例图

【华为OD机试】找数字（动态规划算法—Java&Python&C++&JS实现）小扇和小船今天又玩起来了数字游戏，小船给小扇一个正整数n (1

【华为OD机试】欢乐的周末（并查集和搜索—Java&Python&C++&JS实现）小华和小为是很要好的朋友，他们约定周末一起吃饭。通过手机交流，他们在地图上选择了多个聚餐地点（由于自然地形等原因，部分聚餐地点不可达），求小华和小为都能到达的聚餐地点有多少个？输入描述：第一行输入m和n，m代表地图的长度，n代表地图的宽度。第二行开始具体输入地图信息，地图信息包含：0 为通畅的道路1 为障碍物（且仅1为障碍物）2 为小华或者小为，地图中必定有且仅有2个 （非障碍物）3 为被选中的聚餐地点（非障碍

【华为OD机试】启动多任务排序（拓扑排序—Java&Python&C++&JS实现）一个应用启动时，会有多个初始化任务需要执行，并且任务之间有依赖关系，例如A任务依赖B任务，那么必须在B任务执行完成之后，才能开始执行A任务。现在给出多条任务依赖关系的规则，请输入任务的顺序执行序列，规则采用贪婪策略，即一个任务如果没有依赖的任务，则立刻开始执行，如果同时有多个任务要执行，则根据任务名称字母顺序排序。例如：B任务依赖A任务，C任务依赖A任务，D任务依赖B任务和C任务，同时，D任务还依赖E任务。那么执行任

【华为OD机试】根据IP查找城市（贪心算法—Java&Python&C++&JS实现）某业务需要根据终端的IP地址获取该终端归属的城市，可以根据公开的IP地址池信息查询归属城市。地址池格式如下城市名=起始IP,结束IP，起始和结束地址按照英文逗号分隔，多个地址段采用英文分号分隔。

【华为OD机试】报数游戏（约瑟夫环算法解题—Java&Python&C++&JS实现）100个人围成一圈，每个人有一个编码，编号从1开始到100。他们从1开始依次报数，报到为M的人自动退出圈圈，然后下一个人接着从1开始报数，直到剩余的人数小于M。请问最后剩余的人在原先的编号为多少？

【华为OD机试】叠积木（贪心算法—Java&Python&C++&JS实现）有一堆长方体积木，它们的长度和宽度都相同，但长度不一。小橙想把这堆积木叠成一面墙，墙的每层可以放一个积木，也可以将两个积木拼接起来，要求每层的长度相同。若必须用完这些积木，叠成的墙最多为多少层？如下是叠成的一面墙的图示，积木仅按宽和高所在的面进行拼接。

【华为OD机试】最小传输时延I（Dijkstra 算法—Java&Python&C++&JS实现）某通信网络中有N个网络结点，用1到N进行标识。网络通过一个有向无环图表示，其中图的边的值表示结点之间的消息传递时延。现给定相连节点之间的时延列表times[i]={u，v，w}，其中u表示源结点，v表示目的结点，w表示u和v之间的消息传递时延。请计算给定源结点到目的结点的最小传输时延，如果目的结点不可达，返回-1。