面试通关 | 算法面试高频题汇总

▌ 技术引导
我见过太多人因为没搞懂算法面试高频题而卡在大厂面试上，直接拿两三年经验面试结果连offer都没拿到。算法题不是背题库，而是要学会快速定位题型、复用已有经验并精准调试代码。我亲测有效的做法是把高频题按题型分类，比如动态规划、贪心、滑动窗口、二分查找、DFS/BFS、树与图、字符串处理、数学思维等，然后针对每个题型设计一套通用解题模板，比如动态规划可以用轮廓线+备忘录，贪心用优先队列+边界条件控制。这种做法能让你在面试中像打游戏，看到题目就知道该用什么武器。真实踩坑案例显示，很多人在面试时没有对题型做归纳，导致思路混乱、代码写一半就卡住。我见过有人用暴力枚举硬解动态规划题，最后连时间复杂度都算不出来。你得学会把复杂问题拆解成模式，这样才真正能通关算法面试。

▌ 技术参考
动态规划是算法面试最常考的题型之一。解决这类问题的关键是找到状态转移方程和初始条件。比如LeetCode 72.编辑距离这个问题，可以用二维DP数组存储距离值。初始化时，dp[i][0] = i，dp[0][j] = j，这样就完成了基础状态设置。状态转移方程是：如果字符相同，dp[i][j] = dp[i-1][j-1]；否则，取删除、插入、替换三个操作的最小值加一。我见过很多人用递归写，结果直接超时，平台还报出RecursionError。建议直接用记忆化搜索或者滚动数组优化空间，尤其是处理大字符串时，不要用普通的二维数组，用字典或者一维数组来存储当前行的数据，否则会占用大量内存，甚至导致系统OOM。

贪心算法常用于资源分配、调度优化等场景。例如LeetCode 455.分糖果问题，核心是按最小的胃口和最小的糖果匹配。要实现这一点，可以先将胃口和糖果排序，然后依次配对。具体命令行是：将数组排序后使用双指针遍历。我见过有人直接暴力枚举，结果时间复杂度高达O(n^2)，导致无法通过大测试用例。正确的解法必须用排序+双指针，这样才能保证最优解。关键在于理解贪心的决策条件：每一步都要做出局部最优选择，且这种选择能保证全局最优。某些问题，比如活动选择问题，如果不满足贪心的条件，就会出现错误判断。

滑动窗口是处理数组或字符串中连续子数组问题的利器。LeetCode 209.长度最小的子数组这个问题，可以用双指针实现。初始化左指针为0，右指针逐步向右移动，直到满足sum条件，此时记录窗口长度，并尝试移动左指针缩小窗口。要注意的是，窗口是连续的，不能跳着处理。有些开发者会误用前缀和+二分查找的解法，但这种方法仅适用于特定问题，比如找所有子数组和等于k的情况。滑动窗口的精髓是动态维护窗口内的元素，避免重复计算。我见过有人在窗口收缩时忘记更新sum，导致结果错误。这种错误在实际面试中非常常见，因为逻辑上容易混淆。

二分查找看似简单，但常见的错误包括边界条件未处理、循环条件错误和数据结构不支持。比如LeetCode 34.在排序数组中查找元素的第一个和最后一个位置，需要同时处理左边界和右边界。初始化left=0，right=数组长度-1，循环条件是left <= right，而中间值mid的计算要使用(left + right) // 2。我见过有人把right设为数组长度，导致循环一直不结束。另一种常见错误是当数组中有重复元素时，没有正确处理左右边界，导致结果不准确。要解决这些问题，必须明确二分查找的使用场景：数组必须有序，且查找的是某个值的区间。如果数组不满足这些条件，二分查找就失效了。

DFS和BFS是遍历图或树的两种常见方式。LeetCode 102.二叉树的层序遍历这个问题，用BFS更直观。可以使用队列实现，每层遍历前先记录当前队列长度，然后逐个弹出节点并将其子节点入队。关键点在于层次遍历的分层处理，否则会出现混乱。我见过有人用递归实现DFS，但没有处理栈溢出风险，导致程序崩溃。BFS虽然在递归深度上有优势，但可能需要额外的存储空间。BFS适合处理层次结构明显的问题，而DFS适合深度优先搜索和路径查找。在实际面试中，要根据题目特性选择合适的方法，比如判断是否有环可以用DFS，而找最短路径则用BFS。

树与图的问题需要理解结构特性，比如二叉树的遍历方式、图的邻接表表示等。LeetCode 124.二叉树中的最大路径和这个问题，关键在于找到左右子节点的最大路径和，并结合当前节点进行计算。我见过有人直接使用递归，但没处理左右子树的条件判断，导致结果错误。正确的做法是让每个递归函数返回当前节点的最大单边路径值，同时维护一个全局变量记录最大路径和。这种结构需要在递归过程中不断更新全局值，否则无法得到正确结果。在图的问题中，比如LeetCode 797.所有可能的路径，需要用DFS遍历所有节点，并记录路径。但要注意图中可能有环，所以必须使用visited数组或哈希集合来避免重复访问。

字符串处理题常常涉及字符操作、子串匹配和模式识别。LeetCode 3.无重复字符的最长子串这个问题，可以用滑动窗口结合哈希表来记录字符的位置。初始化一个字典保存字符的最新索引，当遇到重复字符时，移动左指针到重复字符的下一个位置。我见过有人直接用暴力枚举，导致时间复杂度达到O(n^2)，无法通过测试。正确的做法是使用集合来快速判断字符是否存在，同时维护窗口的左右边界。字符串处理的难点在于如何高效地处理边界条件，比如当右指针到达末尾时，左指针是否要归零，或者是否需要更新最大值。这些细节往往决定是否能通过题目。

数学思维题需要快速转换问题，比如找到两数之和、最大公约数等。LeetCode 2.两数之和这个问题，最直接的方法是使用哈希表，将每个元素的值作为key，索引作为value，这样可以在O(1)时间内查找补数。我见过有人直接暴力枚举，导致超时，甚至被面试官直接指出是低效解法。另一种解法是使用双指针，但只能用于有序数组。数学题的关键在于能否快速识别出数学模式，比如数论中的模运算、排列组合中的递归公式等。有时候问题看似简单，但隐藏了复杂的数学逻辑，比如LeetCode 139.单词拆分，需要使用动态规划和集合来处理子问题的拆分。

链表问题常出现在大厂面试中，涉及插入、删除、反转、排序等操作。LeetCode 23.合并K个排序链表这个问题，可以用优先队列（堆）来优化合并过程。每个链表头节点放入堆中，每次取出最小值，合并到结果链表中。我见过有人用暴力合并，导致时间复杂度很高，无法通过大规模测试用例。正确的做法是使用堆来维护当前的最小节点，这样可以将复杂度降低到O(n log k)。链表操作要注意指针的处理，比如如何处理头尾节点，如何判断是否为空，以及如何处理循环引用。这些细节容易出错，特别是在代码调试阶段。

数组操作题涉及排序、旋转、查找等，常见的有LeetCode 189.旋转数组。最直接的做法是使用切片，比如nums[:] = nums[n-k:] + nums[:n-k]。我见过有人用循环移动，导致时间复杂度很高，甚至出现错误，比如移动次数不正确，导致数据错位。另一种方法是使用三次反转，先反转整个数组，再反转前k个元素，最后反转剩下的元素。这种方法的时间复杂度是O(n)，但需要处理边界条件，比如当k超过数组长度时，要取模处理。数组操作的核心在于能否写出高效的代码，同时避免常见的逻辑错误，比如索引越界、循环条件错误等。

排序算法是面试必考内容，常见有快速排序、归并排序、堆排序等。LeetCode 912.排序数组这个问题，可以使用内置的sort函数，但大厂面试官往往希望看到你手动实现的排序逻辑。比如快速排序，可以选择一个pivot，将数组分为左右两部分，分别递归排序。我见过有人实现时没有处理重复元素，导致分区不正确。正确的做法是使用双指针法，左指针指向小于pivot的区域，右指针指向大于pivot的区域，然后交换位置。排序算法的性能差异很大，比如归并排序稳定但空间复杂度高，而快速排序平均时间复杂度低但最坏情况为O(n^2)。在实际开发中，要根据数据规模选择合适的排序方式。

数据结构题常涉及栈、队列、哈希表等。LeetCode 146.LRU缓存这个问题，可以用双向链表和哈希表结合。哈希表存储键值对，链表维护访问顺序。当缓存满时，删除链表尾部元素，并更新哈希表。我见过有人直接用字典存储，但没有处理缓存容量限制，导致超内存。正确的做法是维护一个双向链表，头节点是最近使用的，尾节点是最久未使用的。每次访问元素时，将其移到头部，并插入新元素到头部。数据结构的实现必须精确，比如链表的插入和删除操作要写清楚，否则会出现指针错误。

爬虫相关的问题需要爬虫框架的选择和反爬策略。比如使用Scrapy框架处理网页时，可以配置USER_AGENT和COOKIES，避免被网站封禁。我见过有人直接用requests抓取，结果被反爬机制限制，导致无法获取数据。正确的做法是模拟浏览器行为，使用headers和proxies参数。当遇到验证码或动态加载内容时，可以使用Selenium或Playwright进行自动化操作。有时候网站会限制请求频率，可以用中间件设置延时，或者使用分布式爬虫来降低压力。

分布式系统设计题关键是理解CAP定理和一致性协议。比如LeetCode 200.岛屿问题，可以用DFS或BFS实现，但分布式环境下需要考虑并发问题。我见过有人用线程池模拟并行处理，但没有处理锁的问题，导致数据污染。正确的做法是使用锁机制，确保同一时间只有一个线程处理同一个岛屿。在Kafka消息队列中，可以用分区机制来分发任务，避免重复处理。分布式系统的核心在于如何协调节点之间的通信和数据一致性，比如使用ZooKeeper或Etcd作为服务注册中心。

并发编程题要理解线程池、锁、原子操作等概念。比如LeetCode 1117.建筑高度的解析，可以用线程池来并行处理每个建筑的高度计算。我见过有人用多线程直接计算，但没有处理线程间的数据同步，导致结果错误。正确的做法是使用线程安全的数据结构，比如ConcurrentHashMap，或者在关键代码段加锁。在Java中，可以用synchronized或者ReentrantLock来保障线程安全。避免使用全局变量导致竞争条件，这是常见的错误。

系统设计题需要理解高并发、高可用、可扩展等原则。比如LeetCode 682.股票收益问题，可以用滑动窗口而不是暴力枚举。我见过有人直接遍历所有可能的买卖组合，导致时间复杂度很高，无法通过大规模数据。正确的做法是维护当前最小值，每次计算当前利润，并更新最大值。系统设计的关键在于如何拆分问题，比如使用缓存、负载均衡、数据库分库分表等技术。在实际面试中，要清晰说明每一步的设计思路，比如使用Redis缓存热点数据，用消息队列解耦业务逻辑。

多线程题要理解线程同步和异步处理。比如LeetCode 1117.建筑高度的解析，可以用多线程处理每个建筑的计算。我见过有人用单线程处理，导致程序效率低下。正确的做法是将任务分配给线程池，并使用CountDownLatch确保所有线程完成后再汇总结果。避免使用全局变量导致竞争条件，这是常见的错误。在Java中，可以使用CyclicBarrier来协调多个线程的执行顺序。多线程的难点在于如何正确管理线程之间的同步和通信，否则会导致死锁或结果错误。

网络编程题涉及Socket、HTTP、TCP/IP等协议。比如LeetCode 38.报数问题，可以用多线程模拟多个客户端同时发送数据。我见过有人直接使用单线程模拟，导致响应时间很长。正确的做法是创建多个线程，每个线程模拟一个客户端，并使用线程池来控制并发数量。网络编程的核心在于如何处理并发连接和数据传输，比如使用select、epoll等IO多路复用技术。在实际开发中，要注意超时设置和连接池管理，否则可能导致资源浪费。