面试10大算法汇总＋常见题目解答(转)

以下用Java角度解释面试常见的算法和数据结构：字符串，链表，树，图，排序，递归 vs. 迭代，动态规划，位操作，概率问题，排列组合，以及一些需要寻找规律的题目。

1. 字符串和数组

首先需要注意的是和C++不同，Java字符串不是char数组。没有IDE代码自动补全功能，应该记住下面的这些常用的方法。

toCharArray() //获得字符串对应的char数组
Arrays.sort()  //数组排序
Arrays.toString(char[] a) //数组转成字符串
charAt(int x) //获得某个索引处的字符
length() //字符串长度
length //数组大小
substring(int beginIndex) 
substring(int beginIndex, int endIndex)
Integer.valueOf() //string to integer
String.valueOf() /integer to string

字符串和数组本身很简单，但是相关的题目需要更复杂的算法来解决。比如说动态规划，搜索，等等。

经典题目： Evaluate Reverse Polish Notation, Longest Palindromic Substring, Word Break, Word Ladder.

2. 链表

在Java中，链表的实现非常简单，每个节点Node都有一个值val和指向下个节点的链接next。

class Node {
	int val;
	Node next;
 
	Node(int x) {
		val = x;
		next = null;
	}
}

链表两个著名的应用是栈Stack和队列Queue。在Java标准库都都有实现，一个是Stack,另一个是LinkedList(Queue是它实现的接口)。

经典题目： Add Two Numbers, Reorder List, Linked List Cycle, Copy List with Random Pointer.

3. 树

这里的树通常是指二叉树，每个节点都包含一个左孩子节点和右孩子节点，像下面这样：

class TreeNode{
	int value;
	TreeNode left;
	TreeNode right;
}

下面是与树相关的一些概念：
二叉搜索树：左结点 <= 中结点 <= 右结点
平衡 vs. 非平衡：平衡二叉树中，每个节点的左右子树的深度相差至多为1（1或0）。
满二叉树（Full Binary Tree）：除叶子节点以为的每个节点都有两个孩子。
完美二叉树（Perfect Binary Tree）：是具有下列性质的满二叉树：所有的叶子节点都有相同的深度或处在同一层次，且每个父节点都必须有两个孩子。
完全二叉树（Complete Binary Tree）：二叉树中，可能除了最后一个，每一层都被完全填满，且所有节点都必须尽可能想左靠。

经典题目：Binary Tree Preorder Traversal , Binary Tree Inorder Traversal, Binary Tree Postorder Traversal,Word Ladder.

4. 图

图相关的问题主要集中在深度优先搜索（depth first search）和广度优先搜索（breath first search）。深度优先搜索很简单，广度优先要注意使用queue. 下面是一个简单的用队列Queue实现广度优先搜索。

public class GraphTest {
	public static void breathFirstSearch(GraphNode root, int x){
		if(root.val == x)
			System.out.println("find in root");
 
		Queue queue = new Queue();
		root.visited = true;
		queue.enqueue(root);
 
		while(queue.first != null){
			GraphNode c = (GraphNode) queue.dequeue();
			for(GraphNode n: c.neighbors){
 
				if(!n.visited){
					System.out.print(n + " ");
					n.visited = true;
					if(n.val == x)
						System.out.println("Find "+n);
					queue.enqueue(n);
				}
			}
		}
	}
}

经典题目：复制图(Clone Graph)

5. 排序

下面是不同排序算法的时间复杂度，你可以去wiki看一下这些算法的基本思想。

Algorithm	Average Time	Worst Time	Space
冒泡排序(Bubble sort)	n^2	n^2	1
选择排序(Selection sort)	n^2	n^2	1
插入排序(Insertion sort)	n^2	n^2
快速排序(Quick sort)	n log(n)	n^2
归并排序(Merge sort)	n log(n)	n log(n)	depends

* 另外还有BinSort, RadixSort和CountSort 三种比较特殊的排序。

经典题目： Mergesort, Quicksort, InsertionSort.

6. 递归 vs. 迭代

对程序员来说，递归应该是一个与生俱来的思想（a built-in thought），可以通过一个简单的例子来说明。

问题：

有n步台阶，一次只能上1步或2步，共有多少种走法。

步骤1:找到走完前n步台阶和前n-1步台阶之间的关系。

为了走完n步台阶，只有两种方法：从n-1步台阶爬1步走到或从n-2步台阶处爬2步走到。如果f(n)是爬到第n步台阶的方法数，那么f(n) = f(n-1) + f(n-2)。

步骤2: 确保开始条件是正确的。

f(0) = 0;
f(1) = 1;

public static int f(int n){
	if(n <= 2) return n;
	int x = f(n-1) + f(n-2);
	return x;
}

递归方法的时间复杂度是指数级，因为有很多冗余的计算：

f(5)
f(4) + f(3)
f(3) + f(2) + f(2) + f(1)
f(2) + f(1) + f(1) + f(0) + f(1) + f(0) + f(1)
f(1) + f(0) + f(1) + f(1) + f(0) + f(1) + f(0) + f(1)

直接的想法是将递归转换为迭代：

public static int f(int n) {
	if (n <= 2){
		return n;
	}
 
	int first = 1, second = 2;
	int third = 0;
	for (int i = 3; i <= n; i++) {
		third = first + second;
		first = second;
		second = third;
	}
	return third;
}

这个例子迭代花费的时间更少，你可能复习一个两者的区别Recursion vs Iteration。

7. 动态规划

动态规划是解决下面这些性质类问题的技术：

1. 一个问题可以通过更小子问题的解决方法来解决，或者说问题的最优解包含了其子问题的最优解
2. 有些子问题的解可能需要计算多次
3. 子问题的解存储在一张表格里，这样每个子问题只用计算一次
4. 需要额外的空间以节省时间

爬台阶问题完全符合上面的四条性质，因此可以用动态规划法来解决。

public static int[] A = new int[100];
 
public static int f3(int n) {
	if (n <= 2)
		A[n]= n;
 
	if(A[n] > 0)
		return A[n];
	else
		A[n] = f3(n-1) + f3(n-2);//store results so only calculate once!
	return A[n];
}

8. 位操作

常用位操作符：

OR (|)	AND (&)	XOR (^)	Left Shift (<<)	Right Shift (>>)	Not (~)
1|0=1	1&0=0	1^0=1	0010<<2=1000	1100>>2=0011	~1=0

用一个题目来理解这些操作 －

获得给定数字n的第i位：(i从0计数并从右边开始)

public static boolean getBit(int num, int i){
	int result = num & (1<<i);
 
	if(result == 0){
		return false;
	}else{
		return true;
}

例如，获得数字10的第2位：

i=1, n=10
1<<1= 10
1010&10=10
10 is not 0, so return true;

9. 概率问题

解决概率相关的问题通常需要先分析问题，下面是一个这类问题的简单例子：

一个房间里有50个人，那么至少有两个人生日相同的概率是多少？（忽略闰年的事实，也就是一年365天）

计算某些事情的概率很多时候都可以转换成先计算其相对面。在这个例子里，我们可以计算所有人生日都互不相同的概率，也就是：365/365 * 364/365 * 363/365 * … * (365-49)/365，这样至少两个人生日相同的概率就是1 – 这个值。

public static double caculateProbability(int n){
	double x = 1; 
 
	for(int i=0; i<n; i++){
		x *=  (365.0-i)/365.0;
	}
 
	double pro = Math.round((1-x) * 100);
	return pro/100;
}

calculateProbability(50) = 0.97

10. 排列组合

组合和排列的区别在于次序是否关键。

11. 其他类型的题目

主要是不能归到上面10大类的。需要寻找规律，然后解决问题的。

经典题目: Reverse Integer