2026年互联网企业算法工程师面试题集

2026年互联网企业算法工程师面试题集一、编程基础与数据结构（3题，每题20分）1.题目：实现一个函数，输入一个非负整数`n`，返回其对应的二进制表示中`1`的个数。例如，输入`11`（二进制`1011`），返回`3`。要求：-不能使用内置函数或位运算符以外的工具。-时间复杂度不超过O(logn)。答案：pythondefcount_bits(n):count=0whilen:count+=n&1n>>=1returncount解析：-使用位运算符`&1`获取最低位是否为`1`，然后右移一位继续统计。-时间复杂度：O(logn)，因为每次操作相当于二进制位数减一。2.题目：给定一个无重复元素的数组`nums`和一个目标值`target`，返回所有相加等于`target`的索引对（顺序不限）。例如，输入`nums=[2,7,11,15]`，`target=9`，返回`[[0,1]]`。要求：-不能使用重复的索引。-空间复杂度尽量低。答案：pythondeftwo_sum(nums,target):num_to_index={}result=[]fori,numinenumerate(nums):complement=target-numifcomplementinnum_to_index:result.append([num_to_index[complement],i])num_to_index[num]=ireturnresult解析：-使用哈希表`num_to_index`记录每个数的索引，避免重复遍历。-时间复杂度：O(n)，空间复杂度：O(n)。3.题目：给定一个字符串`s`，判断其是否是有效的括号字符串（只包含`()`、`[]`、`{}`，且嵌套正确）。例如，输入`"{[]}"`，返回`True`；输入`"(]"`，返回`False`。要求：-使用栈结构实现。答案：pythondefis_valid(s):stack=[]mapping={')':'(',']':'[','}':'{'}forcharins:ifcharinmapping.values():stack.append(char)elifcharinmapping:ifnotstackorstack[-1]!=mapping[char]:returnFalsestack.pop()else:returnFalsereturnnotstack解析：-遇到左括号入栈，遇到右括号检查栈顶是否匹配。-时间复杂度：O(n)，空间复杂度：O(n)。二、算法设计（2题，每题30分）1.题目：设计一个LRU（最近最少使用）缓存，支持`get`和`put`操作。`get(key)`返回键对应的值，若不存在返回`-1`；`put(key,value)`插入或更新键值对，当缓存容量满时，删除最久未使用的键。要求：-使用双向链表和哈希表结合实现。答案：pythonclassNode:def__init__(self,key=0,value=0):self.key=keyself.value=valueself.prev=Noneself.next=NoneclassLRUCache:def__init__(self,capacity:int):self.capacity=capacityself.cache={}self.head,self.tail=Node(),Node()self.head.next=self.tailself.tail.prev=self.headdef_add_node(self,node):node.prev=self.headnode.next=self.head.nextself.head.next.prev=nodeself.head.next=nodedef_remove_node(self,node):prev_node=node.prevnext_node=node.nextprev_node.next=next_nodenext_node.prev=prev_nodedef_move_to_head(self,node):self._remove_node(node)self._add_node(node)def_pop_tail(self):res=self.tail.prevself._remove_node(res)returnresdefget(self,key:int)->int:node=self.cache.get(key,None)ifnotnode:return-1self._move_to_head(node)returnnode.valuedefput(self,key:int,value:int)->None:node=self.cache.get(key)ifnode:node.value=valueself._move_to_head(node)else:newNode=Node(key,value)self.cache[key]=newNodeself._add_node(newNode)iflen(self.cache)>self.capacity:tail=self._pop_tail()delself.cache[tail.key]解析：-使用双向链表维护访问顺序，哈希表记录键到节点的映射。-`get`操作将节点移到头部，`put`操作时若容量满则删除尾部节点。2.题目：给定一个`mxn`的矩阵，每个单元格的值代表该位置的“高度”。找出所有“盆地”（即四周高度比当前单元格高的单元格）。例如，输入`[[1,2,3],[5,3,8],[4,6,7]]`，盆地为`[[5,3],[4,6]]`（值为`3`和`6`的单元格）。要求：-不能使用额外空间。答案：pythondeffind_basins(matrix):m,n=len(matrix),len(matrix[0])basins=[]defdfs(x,y):ifx<0orx>=mory<0ory>=normatrix[x][y]==0:returnifmatrix[x][y]<=0:returnmatrix[x][y]=0#Markasvisitedbasin.append((x,y))fordx,dyin[(-1,0),(1,0),(0,-1),(0,1)]:dfs(x+dx,y+dy)foriinrange(m):forjinrange(n):ifmatrix[i][j]>0:basin=[]dfs(i,j)basins.append(basin)returnbasins解析：-使用深度优先搜索（DFS）遍历每个高度，将盆地标记为`0`。-最终返回所有盆地的坐标集合。三、机器学习与深度学习（2题，每题25分）1.题目：解释过拟合（Overfitting）现象，并给出至少三种缓解方法。答案：过拟合是指模型在训练数据上表现极好，但在测试数据上表现差的现象，即模型学习了噪声而非真实规律。缓解方法：1.数据增强（DataAugmentation）：通过旋转、缩放、翻转等方法扩充训练数据。2.正则化（Regularization）：如L1/L2正则化，限制模型复杂度。3.早停（EarlyStopping）：监控验证集损失，停止训练以避免过拟合。解析：-过拟合的核心是模型泛化能力差，需要通过增加数据多样性、限制模型能力、及时停止训练来缓解。2.题目：简述CNN（卷积神经网络）中Pooling层的作用，并比较MaxPooling和AveragePooling的优缺点。答案：Pooling层作用：-降低特征图维度，减少计算量。-增强模型对平移、旋转等变化的鲁棒性。MaxPoolingvsAveragePooling：|特点|MaxPooling|AveragePooling||--|--|-||优点|突出最大特征，对噪声鲁棒|平滑处理，噪声干扰小||缺点|可能丢失部分信息|容易受噪声影响|解析：-MaxPooling选取局部最大值，更高效但可能丢失细节；AveragePooling计算平均值，更平滑但易受噪声影响。四、系统设计与优化（2题，每题35分）1.题目：设计一个高并发的短链接系统（如`tinyurl`）。要求：-支持秒级生成和解析短链接。-高可用、可扩展。答案：方案：1.短链接生成：-使用Base62编码（a-z,A-Z,0-9），将ID映射为短字符串。-使用分布式ID生成器（如Snowflake算法）确保唯一性。2.存储：-关联表存储`short_url->long_url`。-分库分表避免单点瓶颈。3.缓存：-使用Redis缓存热点短链接，加速解析。4.高可用：-负载均衡分发请求。-异地多活部署（如PRC+北美）。解析：-关键在于ID映射效率和分布式存储，Base62编码压缩空间，Redis缓存提升速度。2.题目：设计一个实时推荐系统（如淘宝商品推荐），要求：-支持10亿级用户和商品数据。-推荐延迟<100ms。答案：方案：1.数据采集：-用户行为日志（点击、加购、购买）实时入HBase。2.特征工程：-用户/商品特