2023年秋招那會兒我印象最深的一場筆試就是飛豬的算法崗。說實(shí)話飛豬的筆試題量不算大但每道題都出得挺有水平既能篩掉基礎(chǔ)不牢的人又能看出候選人有沒有工程落地的感覺。當(dāng)時我刷了一圈面經(jīng)發(fā)現(xiàn)大家吐槽最多的就是“看似常規(guī)實(shí)則處處是坑”。這篇文章就把我當(dāng)時參加飛豬2023屆秋招算法崗筆試的全過程掰開揉碎講一遍包括題型分布、考了哪些算法、正確的破題思路以及我踩過的坑。如果你正在準(zhǔn)備大廠算法崗或者想了解阿里的算法崗筆試風(fēng)格這篇應(yīng)該能幫你少走不少彎路。飛豬算法崗筆試屬于典型的“基礎(chǔ)算法 機(jī)器學(xué)習(xí)原理 業(yè)務(wù)場景設(shè)計”組合和純刷題型的筆試有明顯區(qū)別。它不會一味考難題偏題但會在很多看似普通的考點(diǎn)上深挖細(xì)節(jié)比如KMP算法里next數(shù)組的手算、概率題里的公式推導(dǎo)、以及對模型選型的理解。這背后其實(shí)反映了一件事算法崗不只是要會寫代碼更要懂算法原理、能結(jié)合業(yè)務(wù)做取舍。下面我按模塊拆解把值得說的細(xì)節(jié)和經(jīng)驗(yàn)都放進(jìn)去。1. 筆試整體認(rèn)知與題型拆解1.1 飛豬算法崗筆試到底考什么先給沒參加過的人還原一下現(xiàn)場。飛豬2023屆秋招算法崗筆試是在統(tǒng)一的在線筆試平臺上進(jìn)行的總共約120分鐘題目構(gòu)成大致如下單選題/多選題覆蓋機(jī)器學(xué)習(xí)基礎(chǔ)、概率統(tǒng)計、數(shù)據(jù)結(jié)構(gòu)與算法常識大概10到15道。編程題2到3道難度從LeetCode中等偏簡單到中等偏難不等核心考點(diǎn)集中在字符串、動態(tài)規(guī)劃、圖論和排序。簡答/設(shè)計題1道業(yè)務(wù)場景題通常會給一個飛豬的業(yè)務(wù)場景比如旅行推薦、酒店價格預(yù)測要求寫出算法思路或技術(shù)方案。這個題型組合很典型但也有不少同學(xué)栽在時間分配上。選擇題看著簡單實(shí)際很容易糾結(jié)編程題如果第一道卡太久后面的題基本就沒時間看。我當(dāng)時就是先快速掃了一遍所有題目把選擇題里拿不準(zhǔn)的標(biāo)記出來優(yōu)先做編程題里最有把握的一道最后再回頭啃選擇題。這個策略不一定最優(yōu)但至少能保證“該拿的分不丟”。1.2 考題背后的考察邏輯如果你只是把這當(dāng)成一場普通的算法刷題考試那就理解偏了。飛豬算法崗筆試的每類題目都在測不同的能力數(shù)據(jù)結(jié)構(gòu)與算法題考察代碼基本功、復(fù)雜度的敏感度、邊界條件的處理。機(jī)器學(xué)習(xí)原理題考察是否真的理解模型原理而不是只會調(diào)包。比如KL散度、ELBO、K-Means這些概念平時可能只是“聽過”筆試卻要你推導(dǎo)或計算。業(yè)務(wù)場景設(shè)計題考察工程落地思維。飛豬的業(yè)務(wù)場景和“旅行”“交易”“推薦”“定價”相關(guān)能不能把算法和具體業(yè)務(wù)結(jié)合是拉開差距的地方。我當(dāng)時在準(zhǔn)備階段反復(fù)提醒自己刷題只是底線真正決定上限的是對算法本質(zhì)的理解。就像KMP算法的next數(shù)組很多人能背代碼但真讓你手推一遍“abacaba”的next數(shù)組估計不少人會卡殼。筆試不考背代碼考的就是你能否在紙面上把邏輯理清楚。2. 數(shù)據(jù)結(jié)構(gòu)與算法高頻考點(diǎn)逐項(xiàng)拆解2.1 KMP算法與next數(shù)組一道題能卡住一半人先說KMP。2023年秋招算法崗筆試?yán)镒址ヅ湎嚓P(guān)的高頻考點(diǎn)就是KMP尤其是next數(shù)組的手算。筆試那道題我記得很清楚給出模式串 p abacaba要求寫出 next 數(shù)組。這道題看起來簡單但場內(nèi)至少有一半人栽在了定義上。next數(shù)組的定義在不同教材里有兩種約定一種表示“當(dāng)前字符匹配失敗后跳轉(zhuǎn)的位置”另一種表示“當(dāng)前字符之前的最長相同前綴后綴長度”。飛豬筆試采用的是后者next[i] 表示 p[0..i-1] 的最長相同前綴后綴長度。也就是說next[0] -1next[1] 0然后逐個遞推。手推過程可以這樣拆解next[0] -1約定值next[1] 0長度為1的子串沒有真前后綴對于 i 2前綴 p[0..1] ab最長相等前后綴長度為0所以 next[2] 0對于 i 3前綴 p[0..2] aba最長相等前后綴是 a長度1所以 next[3] 1對于 i 4前綴 p[0..3] abac沒有相等前后綴next[4] 0對于 i 5前綴 p[0..4] abaca最長相等前后綴是 a長度1next[5] 1對于 i 6前綴 p[0..5] abacab沒有相等前后綴next[6] 0對于 i 7前綴 p[0..6] abacaba最長相等前后綴是 aba長度3next[7] 3所以答案就是 [-1, 0, 0, 1, 0, 1, 0, 3]。如果考場里直接給這個結(jié)果可能不到5分鐘就能寫完。但我當(dāng)時看到很多人還在用暴力法一個個比較前后綴這就是基本功的差距。順便放一個標(biāo)準(zhǔn)的KMP匹配代碼C版本方便你對照理解#include vector #include string using namespace std; vectorint buildNext(const string p) { int m p.size(); vectorint next(m); next[0] -1; int j 0, k -1; while (j m - 1) { if (k -1 || p[j] p[k]) { j; k; next[j] k; } else { k next[k]; } } return next; } int kmpSearch(const string s, const string p) { int n s.size(), m p.size(); vectorint next buildNext(p); int i 0, j 0; while (i n j m) { if (j -1 || s[i] p[j]) { i; j; } else { j next[j]; } } if (j m) return i - j; return -1; }2.2 排序與TopK別只會調(diào)sort排序算法幾乎每次筆試都會碰見但飛豬不會直接讓你寫一個冒泡排序完事而是會結(jié)合數(shù)據(jù)量、穩(wěn)定性、內(nèi)存限制來考。選擇題里經(jīng)常有“以下哪個排序算法是穩(wěn)定的”“堆排序的時間復(fù)雜度是多少”“40億個數(shù)找最大的100個用什么方法”這類問題。我整理了一個高頻對比表筆試前可以快速過一遍排序算法平均時間復(fù)雜度最壞時間復(fù)雜度空間復(fù)雜度穩(wěn)定性冒泡排序O(n^2)O(n^2)O(1)穩(wěn)定選擇排序O(n^2)O(n^2)O(1)不穩(wěn)定插入排序O(n^2)O(n^2)O(1)穩(wěn)定快速排序O(n log n)O(n^2)O(log n)不穩(wěn)定歸并排序O(n log n)O(n log n)O(n)穩(wěn)定堆排序O(n log n)O(n log n)O(1)不穩(wěn)定那道“40億個數(shù)找TopK”的題最優(yōu)解不是全局排序而是維護(hù)一個大小為K的小頂堆。時間復(fù)雜度是O(n log K)空間O(K)。如果內(nèi)存裝不下全部數(shù)據(jù)就用外部排序堆。這個點(diǎn)考察的是對海量數(shù)據(jù)場景的敏感度飛豬有大量用戶行為日志這類問題不是純理論是真會遇見。2.3 貪心、動態(tài)規(guī)劃與快速冪筆試實(shí)戰(zhàn)套路動態(tài)規(guī)劃和貪心在編程題里出現(xiàn)頻率極高。飛豬筆試第二道編程題我當(dāng)時遇到的是區(qū)間調(diào)度變體給定若干個帶權(quán)活動每個活動有開始時間、結(jié)束時間和收益選擇不沖突的活動使總收益最大。這題貪心解不適用因?yàn)閹?quán)后局部最優(yōu)不等于全局最優(yōu)必須用動態(tài)規(guī)劃按結(jié)束時間排序設(shè) dp[i] 表示前 i 個活動能獲得的最大收益轉(zhuǎn)移時用二分查找找到“最后一個結(jié)束時間小于當(dāng)前活動開始時間”的活動。這類題的通用破題套路是先判斷是貪心還是DP——如果局部最優(yōu)能達(dá)到全局最優(yōu)就選貪心否則考慮DP。判斷完之后寫狀態(tài)轉(zhuǎn)移時重點(diǎn)關(guān)注“不選當(dāng)前元素的情況”很多人丟分都丟在遺漏 dp[i-1] 這個不選分支?？焖賰缫彩枪P試的?？汀１热缬嬎?a^b mod mb 可以達(dá)到 10^18 級別。Python 里可以直接 pow(a, b, m)但筆試選擇題會要求你判斷時間復(fù)雜度或者讓你填充代碼。模板如下def fast_pow(a, b, m): res 1 a % m while b 0: if b 1: res (res * a) % m a (a * a) % m b 1 return res快速冪的核心思想是把指數(shù)折半把冪運(yùn)算從 O(b) 降到 O(log b)。同樣的思路還可以用在矩陣快速冪、斐波那契數(shù)列求第 n 項(xiàng)等場景。2.4 圖論與搜索Dijkstra、二分圖HK算法圖論基礎(chǔ)算法每年都有。飛豬業(yè)務(wù)里涉及大量路徑規(guī)劃、運(yùn)籌優(yōu)化所以 Dijkstra 這類最短路算法屬于必須掌握的。筆試真題里有一道題需要求一個無向加權(quán)圖中從起點(diǎn)到終點(diǎn)的最短路徑數(shù)據(jù)范圍不算大用優(yōu)先隊(duì)列優(yōu)化后的 Dijkstra 可以輕松通過。Dijkstra 的實(shí)現(xiàn)其實(shí)有固定的套路import heapq def dijkstra(graph, start): n len(graph) dist [float(inf)] * n dist[start] 0 pq [(0, start)] while pq: d, u heapq.heappop(pq) if d dist[u]: continue for v, w in graph[u]: if dist[u] w dist[v]: dist[v] dist[u] w heapq.heappush(pq, (dist[v], v)) return dist另外一個比較容易被忽視的是二分圖相關(guān)的算法。熱搜詞里的HK算法Hopcroft-Karp算法就是二分圖最大匹配的優(yōu)化版本核心思想是用BFS構(gòu)建增廣路徑層級圖再用DFS尋找增廣路時間復(fù)雜度比匈牙利算法的O(VE)優(yōu)化到O(E√V)。筆試一般不要求你手寫HK但選擇題可能會問匈牙利算法和HK的區(qū)別或者給一個二分圖問最大匹配數(shù)。知道“為什么用HK——減少增廣路的搜索次數(shù)”就夠了。3. 機(jī)器學(xué)習(xí)與智能算法筆試中的“算法”不只是數(shù)據(jù)結(jié)構(gòu)3.1 經(jīng)典ML原理KNN、聚類、邏輯回歸、集成學(xué)習(xí)飛豬算法崗筆試很大一部分選擇題和簡答題會落在機(jī)器學(xué)習(xí)基礎(chǔ)。這些題不像編程題那么費(fèi)腦但特別考驗(yàn)概念是否扎實(shí)。我當(dāng)時遇到的幾個高頻考點(diǎn)KNN的K值影響、K-Means的收斂條件、邏輯回歸的損失函數(shù)推導(dǎo)、XGBoost和GBDT的區(qū)別。KNN這題問的是“K值增大時模型的偏差和方差如何變化”。答案是K值增大模型變得越簡單偏差增大、方差減小。這個反直覺的點(diǎn)很常考因?yàn)楹芏嗳酥庇X認(rèn)為“樣本用得越多越準(zhǔn)”但實(shí)際上K太大時會把距離很遠(yuǎn)的樣本也納入投票導(dǎo)致邊界過于平滑。K-Means的題則經(jīng)常問“初始k個中心點(diǎn)如何選擇”。標(biāo)準(zhǔn)答案是隨機(jī)選擇但隨機(jī)選擇容易陷入局部最優(yōu)所以實(shí)際工程會用K-Means先隨機(jī)選第一個中心點(diǎn)再按距離平方加權(quán)概率選擇后續(xù)中心點(diǎn)讓初始中心點(diǎn)盡可能分散。這個細(xì)節(jié)在面試?yán)镆步?jīng)常被追問。邏輯回歸那邊手寫梯度下降更新公式是常規(guī)操作。邏輯回歸的損失函數(shù)是交叉熵L -(1/N) * Σ [y_i * log(p_i) (1 - y_i) * log(1 - p_i)]其中 p_i 1 / (1 exp(-w·x_i))。對 w 求梯度后得到?L/?w (1/N) * Σ (p_i - y_i) * x_i所以梯度下降更新就是 w : w - lr * (1/N) * Σ (p_i - y_i) * x_i。考場里能寫出這一步基本就能說明你是理解邏輯回歸而不是只會 import。集成學(xué)習(xí)這塊飛豬筆試比較偏愛“隨機(jī)森林和GBDT的區(qū)別”。一個核心區(qū)別是隨機(jī)森林是Bagging并行訓(xùn)練多棵樹然后投票或平均GBDT是Boosting串行訓(xùn)練每棵樹擬合前面的殘差。XGBoost在GBDT基礎(chǔ)上加了二階泰勒展開、正則項(xiàng)和列采樣訓(xùn)練速度和精度都更好。這類題不需要你寫公式推導(dǎo)但需要能說清楚“為什么”。3.2 概率與信息論KL散度與ELBO的推導(dǎo)套路KL散度和ELBO是算法崗筆試中偏難的一類題。很多人看到這兩名詞就頭大但飛豬2023年筆試確實(shí)考了而且不是簡單的概念判斷題而是讓你寫出KL散度的定義式并解釋它在變分推斷里的作用。KL散度的定義式是KL(P || Q) Σ P(x) * log(P(x) / Q(x))注意KL散度不對稱KL(P||Q) ≠ KL(Q||P)所以它不是一個真正的距離度量。筆試選擇題經(jīng)常挖這個坑。ELBO的推導(dǎo)其實(shí)是變分推斷的核心。我們想最大化證據(jù) log P(X)但直接算很難因?yàn)橐e分掉隱變量 Z。于是引入一個變分分布 q(Z)利用Jensen不等式得到log P(X) ≥ E_{q(Z)}[log P(X, Z) - log q(Z)]右邊的期望就是ELBO。它等于ELBO E_q[log P(X|Z)] - KL(q(Z) || P(Z))這個式子很有用最大化ELBO等價于在“擬合數(shù)據(jù)”和“逼近先驗(yàn)”之間做權(quán)衡。筆試如果只考到一個層面你寫出ELBO的分解式并解釋“第一項(xiàng)是重建似然第二項(xiàng)是正則項(xiàng)”就足夠了。如果面試追問再往VAE上引。我當(dāng)時復(fù)習(xí)的時候特意把KL散度、ELBO、EM算法串起來理解EM算法里E步就是在固定參數(shù)時計算隱變量的后驗(yàn)分布本質(zhì)上也和KL散度有關(guān)。把這些點(diǎn)串成一條線比零散背誦效率高很多。3.3 智能優(yōu)化算法粒子群、模擬退火、遺傳算法熱搜詞里頻繁出現(xiàn)“粒子群算法原理”“模擬退火算法”這說明這類智能優(yōu)化算法在算法崗筆試中的出鏡率不低。它們的定位是當(dāng)問題規(guī)模大、或者目標(biāo)函數(shù)不可導(dǎo)時傳統(tǒng)梯度方法失效需要借助啟發(fā)式搜索。粒子群算法PSO的核心是模擬鳥群覓食每個粒子有位置和速度更新時受兩個因素影響——個體歷史最優(yōu) pbest 和全局歷史最優(yōu) gbest。速度更新公式v_i w * v_i c1 * r1 * (pbest_i - x_i) c2 * r2 * (gbest - x_i) x_i x_i v_i這里 w 是慣性權(quán)重c1 是自我認(rèn)知系數(shù)c2 是社會認(rèn)知系數(shù)。筆試選擇題?？肌皐過大會怎樣”——答案是全局搜索能力強(qiáng)但收斂慢w過小則容易陷入局部最優(yōu)。模擬退火算法的核心是Metropolis準(zhǔn)則在退火過程中當(dāng)新解更優(yōu)時一定接受更差時以一定概率接受概率隨溫度降低而減小。概率公式是 exp(-ΔE / T)。這個“以一定概率接受差解”的設(shè)計目的是跳出局部最優(yōu)和貪心算法“只接受更優(yōu)解”的機(jī)制完全不同。這類題飛豬筆試一般不會讓你寫完整代碼而是放在選擇題中讓你判斷“這種做法體現(xiàn)了什么思想”。答這類題的關(guān)鍵不是死記步驟而是理解每種優(yōu)化算法解決的核心問題。3.4 控制與信號類算法PID、卡爾曼濾波、FOC你可能會覺得奇怪算法崗筆試為什么會出現(xiàn)PID、卡爾曼濾波、FOC這些偏控制領(lǐng)域的算法。其實(shí)不少大廠算法崗也會涉及IoT設(shè)備、硬件數(shù)據(jù)、時序信號處理所以這些詞出現(xiàn)在熱搜里不是偶然。PID算法筆試考得最多的是增量式PID公式Δu(k) Kp * (e(k) - e(k-1)) Ki * e(k) Kd * (e(k) - 2e(k-1) e(k-2))筆試選擇題常問如果系統(tǒng)響應(yīng)太慢應(yīng)該增大哪個參數(shù)答案是增大Kp或適當(dāng)增大Ki。如果系統(tǒng)超調(diào)嚴(yán)重、震蕩頻繁應(yīng)該增大Kd來抑制變化?？柭鼮V波則是狀態(tài)估計算法筆試高頻考點(diǎn)是“預(yù)測—更新”兩步套路預(yù)測x_pred F * x_prevP_pred F * P_prev * F^T Q更新K P_pred * H^T * (H * P_pred * H^T R)^(-1)x_new x_pred K * (z - H * x_pred)P_new (I - K * H) * P_pred不需要你把矩陣寫完但要能說清楚Q和R分別代表過程噪聲和觀測噪聲的不確定性K卡爾曼增益決定了更相信模型預(yù)測還是更相信傳感器觀測。如果R很小說明觀測噪聲小卡爾曼增益會偏大濾波器更信任觀測值。4. 實(shí)操過程從讀題到AC的完整復(fù)盤4.1 筆試環(huán)境與流程提前踩點(diǎn)更安心飛豬當(dāng)時用的是常見的在線筆試平臺支持C、Java、Python等主流語言但要注意平臺不會幫你自動補(bǔ)全代碼也沒有本地IDE那么智能。很多人平時習(xí)慣用PyCharm或VSCode到了筆試平臺連個括號匹配提示都沒有寫起來特別別扭。我建議在正式筆試前至少花半天時間去熟悉平臺的代碼編輯器。具體來說試一下縮進(jìn)是空格還是Tab、錯誤提示怎么看、有沒有“測試用例”按鈕、代碼是單文件提交還是多文件。我當(dāng)時就吃過虧有一道題里要讀一行包含空格的字符串平臺自帶的輸入示例是用“\n”分隔的我一開始沒看清導(dǎo)致解析錯誤。另外要注意語言選擇。Python寫起來快但某些平臺對Python的支持比較“原始”遞歸層數(shù)會被限制如果趕上DFS或者遞歸DP的題很可能會爆棧。我當(dāng)時遇到一道題第一反應(yīng)是用遞歸做動態(tài)規(guī)劃寫完后本地通過平臺卻報“棧溢出”改成自底向上的遞推才過。這個細(xì)節(jié)值得提前知道。4.2 真題一手推KMP的next數(shù)組題目還原給定模式串 p abacaba寫出它的next數(shù)組并說明其中next[6]的含義。解題過程明確next數(shù)組定義next[i]表示p[0..i-1]的最長相等前后綴長度。逐項(xiàng)計算next[0]-1, next[1]0, next[2]0, next[3]1, next[4]0, next[5]1, next[6]0, next[7]3。next[6]的含義是當(dāng)匹配到p[6]失敗時模式串應(yīng)該回退到位置0因?yàn)閚ext[6]0即從頭開始重新匹配。如果把 next[6]3則說明p[0..2]p[4..6]aba匹配失敗時可以跳到位置3保留已經(jīng)匹配的“aba”前綴。這個答題思路在筆試?yán)锖苷急阋瞬皇侵粚懘鸢高€寫清楚推導(dǎo)過程和含義面試官能一眼看出你是真懂還是背題。4.3 真題二帶權(quán)活動選擇動態(tài)規(guī)劃題目還原有 n 個活動每個活動有開始時間 s_i、結(jié)束時間 e_i 和收益 v_i選擇不沖突的活動求最大總收益。n ≤ 10^5時間范圍 0 ~ 10^9。這是一道典型的“加權(quán)區(qū)間調(diào)度”問題。貪心選結(jié)束時間最早只能保證數(shù)量最多不能保證收益最大。正確做法是按結(jié)束時間 e_i 升序排序。定義 dp[i] 為前 i 個活動能獲得的最大收益。轉(zhuǎn)移方程dp[i] max(dp[i-1], dp[p[i]] v_i)其中 p[i] 表示“最后一個結(jié)束時間 s_i”的活動編號。因?yàn)閿?shù)組已按結(jié)束時間排序所以 p[i] 可以用二分查找在 O(log n) 時間內(nèi)找到。核心代碼如下Pythonimport bisect # activities [(start, end, value)] activities.sort(keylambda x: x[1]) n len(activities) starts [a[0] for a in activities] ends [a[1] for a in activities] dp [0] * (n 1) for i in range(1, n 1): s, e, v activities[i-1] # 找到最后一個結(jié)束時間 s 的活動 j bisect.bisect_right(ends, s, 0, i - 1) dp[i] max(dp[i-1], dp[j] v) print(dp[n])這道題我當(dāng)時的失誤是忘記給活動按結(jié)束時間排序就開始寫轉(zhuǎn)移方程寫到一半發(fā)現(xiàn)不對又回來改。所以強(qiáng)烈建議看到區(qū)間類DP第一步永遠(yuǎn)是排序不是急著設(shè)狀態(tài)。4.4 真題三酒店價格預(yù)測的業(yè)務(wù)設(shè)計題題目還原如果你要為飛豬上一個“酒店未來30天價格預(yù)測”的功能你會怎么做要求給出技術(shù)方案、特征設(shè)計和評估指標(biāo)。這類開放題沒有標(biāo)準(zhǔn)答案但答題框架很重要。我當(dāng)時的回答思路是三層第一層問題拆解。酒店價格預(yù)測本質(zhì)上是一個時間序列預(yù)測問題但又有特殊性——價格受節(jié)假日、供需關(guān)系、競對價格、用戶預(yù)訂行為影響不是簡單ARIMA能解決的。第二層方案選型。短中期預(yù)測可以用LightGBM/XGBoost把時間特征星期幾、是否節(jié)假日、距出行日天數(shù)、酒店特征星級、評分、歷史價格、市場特征周邊同等級酒店平均價格、搜索熱度作為特征輸入。如果需要捕捉長期依賴再上LSTM或Transformer但實(shí)際業(yè)務(wù)里樹模型往往性價比更高、更容易解釋。第三層評估指標(biāo)。價格預(yù)測的誤差評估不能用單一指標(biāo)。我當(dāng)時寫的是整體用MAPE平均絕對百分比誤差但它對低價格酒店很不友好價格100元的酒店差50元和價格1000元的酒店差50元MAPE差異巨大。所以可以補(bǔ)充WAPE加權(quán)絕對百分比誤差或者分價格段評估。這道題其實(shí)考察的是“能不能把一個寬泛的問題轉(zhuǎn)化為可執(zhí)行的算法方案”。平時如果只刷LeetCode遇到這種題容易手足無措。建議多積累幾個常用業(yè)務(wù)場景的算法方案比如推薦排序、價格預(yù)測、銷量預(yù)估、異常檢測。5. 常見問題與避坑技巧實(shí)錄5.1 時間不夠怎么辦優(yōu)先級與取舍飛豬筆試的總時間是固定的但很多人在選擇題上花費(fèi)過多時間導(dǎo)致編程題倉促收尾。我看到的普遍情況是選擇題里有幾道機(jī)器學(xué)習(xí)推導(dǎo)題比如KL散度的變形、梯度公式的推導(dǎo)容易讓人糾結(jié)。我的建議是把這類題控制在每題2分鐘內(nèi)如果超過2分鐘還沒有思路先標(biāo)記跳過去。合理的優(yōu)先級是會做的編程題 會做的選擇題 會做一半的編程題 糾結(jié)的選擇題。編程題一道完整AC的分值往往頂好幾道選擇題所以哪怕放棄一兩道選擇題也要保證編程題有充分的調(diào)試時間。5.2 邊界條件與數(shù)據(jù)范圍最容易翻車的地方筆試翻車最常見的不是思路不會而是邊界條件沒處理。比如KMP的 next 數(shù)組很多人計算到中間就忘了 next[0] 的約定動態(tài)規(guī)劃的狀態(tài)數(shù)組往往會多開一位結(jié)果初始化寫錯二分查找的邊界條件更是重災(zāi)區(qū)。我的經(jīng)驗(yàn)是寫完代碼后不要急著提交先用三組數(shù)據(jù)進(jìn)行自測——最小輸入比如n1、極端輸入比如所有區(qū)間都重疊、隨機(jī)輸入。這大概多花3分鐘但能避免大量無謂的罰時。飛豬筆試平臺支持自測用例一定要用起來。還有一個容易被忽略的點(diǎn)數(shù)據(jù)范圍決定算法選型。如果 n ≤ 10^5O(n^2) 的算法基本會超時如果 n ≤ 20可以考慮狀態(tài)壓縮DP和搜索。做題前先看一眼數(shù)據(jù)范圍再決定寫哪種復(fù)雜度的算法這是基本功。5.3 “算法崗筆試是不是只看編程”的常見誤區(qū)不少準(zhǔn)備秋招的人以為算法崗筆試就是刷題把精力全投在LeetCode上結(jié)果到了考場發(fā)現(xiàn)還有大量機(jī)器學(xué)習(xí)選擇題和場景設(shè)計題一下子就懵了。飛豬這場筆試就很典型編程題只占一部分還有不少選擇題在考概率統(tǒng)計、模型原理。我的建議是準(zhǔn)備算法崗筆試要雙線并行一條線是數(shù)據(jù)結(jié)構(gòu)與算法刷題重點(diǎn)突擊字符串、DP、圖論、貪心另一條線是機(jī)器學(xué)習(xí)基礎(chǔ)復(fù)盤手推邏輯回歸、K-Means、KNN、KL散度、集成學(xué)習(xí)這些高頻考點(diǎn)。尤其到了秋招后期大廠筆試越來越重視對算法原理的理解這是趨勢。5.4 刷題準(zhǔn)備崗位匹配的復(fù)習(xí)路線結(jié)合飛豬的業(yè)務(wù)場景旅行推薦、價格預(yù)測、搜索排序、供需預(yù)測我給準(zhǔn)備投飛豬算法崗的同學(xué)劃個復(fù)習(xí)重點(diǎn)必刷算法題字符串匹配KMP、區(qū)間DP、背包DP、最長上升子序列、TopK、Dijkstra、并查集。必會ML模型邏輯回歸、決策樹/隨機(jī)森林/GBDT/XGBoost、K-Means、KNN、樸素貝葉斯。必懂?dāng)?shù)學(xué)概念KL散度、極大似然估計、貝葉斯公式、期望/方差、正態(tài)分布?？梢粤私獾挥盟揽牧Ｗ尤骸⒛M退火、遺傳算法等智能優(yōu)化算法知道核心思想即可。有時間再擴(kuò)展PID、卡爾曼濾波、FOC這些偏控制/信號的算法出現(xiàn)概率較低但一旦出現(xiàn)就是區(qū)分度很高的題。按這個路線準(zhǔn)備既能覆蓋大部分考點(diǎn)又不至于陷入無意義的題海。飛豬筆試?yán)锬菐椎雷屛矣∠笊羁痰念}事后復(fù)盤其實(shí)都在這條路線的覆蓋范圍內(nèi)。如果你能把上述內(nèi)容真正吃透就算題型換一換也基本能穩(wěn)住。