算法工程师面试题及答案.docxVIP

算法工程师面试题及答案

一、基础算法题

题目：请说明归并排序的核心原理，分析其时间复杂度和空间复杂度，并举例说明它在实际场景中的应用（如大数据排序）。

答案：

归并排序核心是“分治思想”，分两步：①分解：将数组递归拆分为两个子数组，直到每个子数组仅含1个元素（此时子数组天然有序）；②合并：从最小子数组开始，逐次将两个有序子数组合并为一个新的有序数组，最终得到完整有序数组。

时间复杂度：无论最好/最坏/平均情况均为O(nlogn)，因为分解过程是logn层递归，每层合并操作需遍历n个元素，总操作数为n×logn。

空间复杂度：O(n)，因合并时需额外开辟临时数组存储合并结果（递归栈空间为O(logn)，可忽略，主要开销在临时数组）。

实际应用：处理超内存的大数据排序（外部排序），例如将10GB数据分块加载到内存排序，再通过归并合并所有有序块，避免内存溢出；也用于需要稳定排序的场景（归并排序是稳定排序，即相等元素相对位置不变），如电商订单按“下单时间+金额”排序。

题目：给定一个字符串，如何用“滑动窗口”算法找到其中最长无重复字符的子串？请说明思路并写出核心Python代码。

答案：

思路：用滑动窗口维护“当前无重复字符的子串”，窗口左边界left初始为0，右边界right遍历字符串；用哈希表（字典）存储字符最新出现的索引，当right指向的字符已在哈希表中且索引≥left时，说明窗口内有重复，需将left更新为“该字符索引+1”（缩小窗口）；每次遍历后更新哈希表，并计算当前窗口长度（right-left+1），记录最大值。

核心代码：

deflengthOfLongestSubstring(s):

char_index={}#存储字符最新索引

max_len=0

left=0

forright,charinenumerate(s):

#若字符已存在且在当前窗口内，更新左边界

ifcharinchar_indexandchar_index[char]=left:

left=char_index[char]+1

char_index[char]=right#更新字符最新索引

max_len=max(max_len,right-left+1)#更新最大长度

returnmax_len

例如输入“abcabcbb”，输出4（最长子串“abcb”错误，实际为“abc”或“bca”等，长度3，代码运行结果正确）。

题目：动态规划解决“凑零钱”问题（给定硬币面额和目标金额，求最少硬币数，若无法凑出返回-1），请说明状态定义、状态转移方程，并分析时间复杂度。

答案：

状态定义：dp[i]表示凑出金额i所需的最少硬币数。

初始化：dp[0]=0（金额0无需硬币），dp[1...amount]=无穷大（初始状态表示无法凑出）。

状态转移方程：对于每个金额i（从1到目标金额），遍历所有硬币面额coin，若i≥coin，则dp[i]=min(dp[i],dp[i-coin]+1)（即“凑出i的最少硬币数”等于“凑出i-coin的最少硬币数+1”与当前dp[i]的较小值）。

时间复杂度：O(amount×k)，其中amount是目标金额，k是硬币面额数量（需遍历amount个金额，每个金额遍历k种硬币）。

示例：若硬币面额[1,2,5]，目标金额11，dp[11]=min(dp[10]+1,dp[9]+1,dp[6]+1)=3（5+5+1）。

二、机器学习题

题目：逻辑回归与SVM（支持向量机）在分类任务中有哪些核心区别？请从损失函数、处理高维数据的能力、应用场景三个方面说明。

答案：

①损失函数：逻辑回归用“对数损失”（衡量预测概率与真实标签的偏差，公式为-Σ(y_ilogp_i+(1-y_i)log(1-p_i))），关注所有样本的概率拟合；SVM用“hinge损失”（衡量样本到超平面的距离是否满足间隔要求，公式为max(0,1-y_i(w?x_i+b))），仅关注支持向量（离超平面最近的样本），对异常值更鲁棒。

②高维数据处理：逻辑回归依赖数据分布（假设样本服从伯努利分布），高维数据下易过拟合，需正则化（L1/L2）；SVM不依赖数据分布，通过核函数（如RBF）可