2025年宇视科技算法岗笔试题及答案历年真题整合

2025年宇视科技算法岗笔试题及答案历年真题整合

一、单项选择题（总共10题，每题2分）1.以下哪种算法的平均时间复杂度为O(nlogn)？A.冒泡排序B.插入排序C.快速排序D.选择排序2.对于完全二叉树，若根节点编号为1，则编号为i的节点的左子节点编号为？A.2iB.2i+1C.i/2D.i+13.动态规划适用于解决具有哪种性质的问题？A.无后效性与最优子结构B.重叠子问题与无序性C.贪心选择性质D.随机访问特性4.机器学习中，以下哪种方法用于解决过拟合问题？A.增加训练数据量B.减少特征数量C.降低模型复杂度D.以上都是5.卷积神经网络中，3×3的卷积核在输入5×5的特征图上滑动（步长1，无填充），输出特征图的尺寸为？A.3×3B.4×4C.5×5D.2×26.图的最短路径问题中，Dijkstra算法适用于？A.带负权边的有向图B.无负权边的有向图C.所有无向图D.仅完全图7.哈希表中解决冲突的链地址法，其平均查找长度主要与以下哪项有关？A.哈希函数B.负载因子C.关键字长度D.表的大小8.梯度下降优化中，以下哪种方法的参数更新最不稳定？A.批量梯度下降（BGD）B.随机梯度下降（SGD）C.小批量梯度下降（MBGD）D.动量梯度下降（Momentum）9.目标检测中，非极大值抑制（NMS）的主要作用是？A.提升检测速度B.消除重复检测框C.增加检测框数量D.优化分类置信度10.以下哪种数据结构适合实现优先队列？A.栈B.队列C.堆D.链表二、填空题（总共10题，每题2分）1.快速排序的核心思想是通过________将数组分成两部分，递归处理。2.KMP算法中，部分匹配表（next数组）的作用是________。3.动态规划的两个核心要素是________和状态转移方程。4.机器学习中，准确率（Accuracy）的计算公式是________。5.卷积操作的三个关键参数是________、步长（Stride）和填充（Padding）。6.循环神经网络（RNN）的主要缺陷是________。7.图的遍历方法中，________遍历使用队列作为辅助数据结构。8.哈希表的负载因子定义为________与表长的比值。9.决策树中，常用的分裂准则包括信息增益、增益率和________。10.SSD（SingleShotMultiBoxDetector）目标检测算法中，通过在________特征图上预设不同尺度的锚框（AnchorBox）来检测多尺度目标。三、判断题（总共10题，每题2分）1.快速排序是稳定的排序算法。（）2.二叉搜索树的中序遍历结果是有序的。（）3.分治算法与动态规划的区别在于是否处理重叠子问题。（）4.过拟合的表现是模型在训练集上误差小，在测试集上误差大。（）5.卷积操作具有平移不变性，因此对输入的位置变化不敏感。（）6.Dijkstra算法可以处理带负权边的最短路径问题。（）7.哈希表的查找时间复杂度一定是O(1)。（）8.深度神经网络中的梯度消失问题主要由激活函数（如Sigmoid）的饱和区导致。（）9.K-means聚类算法对初始聚类中心的选择不敏感。（）10.目标检测中的NMS需要根据检测框的分类置信度进行排序。（）四、简答题（总共4题，每题5分）1.简述深度优先搜索（DFS）与广度优先搜索（BFS）的区别及适用场景。2.梯度下降（GD）与随机梯度下降（SGD）的优缺点分别是什么？3.过拟合的主要原因有哪些？常用的解决方法是什么？4.目标检测中锚框（AnchorBox）的作用是什么？请举例说明。五、讨论题（总共4题，每题5分）1.比较快速排序和归并排序的适用场景，分析各自的优缺点。2.讨论L1正则化与L2正则化的区别，说明它们在机器学习中的典型应用场景。3.ResNet（残差网络）解决了深度学习中的什么关键问题？其核心设计思想是什么？4.YOLO系列目标检测算法（如YOLOv1到YOLOv5）的演进中，核心改进主要体现在哪些方面？---答案与解析一、单项选择题1.C（快速排序平均时间复杂度为O(nlogn)，其他选项为O(n²)）2.A（完全二叉树左子节点为2i，右子节点为2i+1）3.A（动态规划要求问题具有无后效性和最优子结构）4.D（增加数据、减少特征、降低复杂度均可缓解过拟合）5.A（(5-3)/1+1=3，输出3×3）6.B（Dijkstra不能处理负权边）7.B（链地址法的平均查找长度与负载因子直接相关）8.B（SGD仅用单个样本更新，波动大）9.B（NMS通过抑制重叠框保留高置信度框）10.C（堆天然支持快速获取最大/最小值，适合优先队列）二、填空题1.基准元素（或枢轴）2.避免主串指针回溯（或确定模式串的回退位置）3.状态定义4.正确分类样本数/总样本数5.卷积核大小（或核尺寸）6.长程依赖问题（或梯度消失/爆炸）7.广度优先（或BFS）8.已存储元素个数（或键值对数量）9.基尼系数（或基尼不纯度）10.多尺度（或不同层次）三、判断题1.×（快速排序不稳定，交换可能破坏相同元素顺序）2.√（二叉搜索树中序遍历结果为升序）3.√（分治处理独立子问题，动态规划处理重叠子问题）4.√（过拟合表现为训练误差小、泛化能力差）5.√（卷积核滑动扫描，对平移不敏感）6.×（Dijkstra无法处理负权边，可能得到错误结果）7.×（哈希冲突严重时，查找时间退化为O(n)）8.√（Sigmoid导数在饱和区接近0，导致梯度消失）9.×（K-means对初始中心敏感，可能陷入局部最优）10.√（NMS需按置信度排序，优先保留高置信度框）四、简答题1.区别：DFS使用栈（递归），优先探索深层节点；BFS使用队列，逐层扩展。适用场景：DFS适合路径搜索、连通性检测（内存需求小）；BFS适合最短路径、分层遍历（需保证最小步数）。2.GD优点：梯度计算准确，收敛稳定；缺点：计算所有样本梯度，时间复杂度高。SGD优点：单次更新快，适合大样本；缺点：梯度波动大，收敛不稳定，可能震荡。3.原因：模型复杂度过高、训练数据量不足、噪声干扰。解决方法：正则化（L1/L2）、早停（EarlyStopping）、增加数据（数据增强）、降低模型复杂度（减少层数/神经元）。4.作用：通过预设不同宽高比、尺度的锚框，匹配不同形状的目标，提升检测效率。例如，在行人检测中预设高瘦锚框，车辆检测中预设宽扁锚框，覆盖目标的先验形状。五、讨论题1.快速排序：平均O(nlogn)，原地排序，空间复杂度低；但最坏O(n²)（如已排序数组），不稳定。适用场景：通用排序，数据量大且随机。归并排序：稳定，最坏O(nlogn)；需O(n)额外空间。适用场景：要求稳定性或外排序（磁盘数据）。2.L1正则化（Lasso）：参数权重的绝对值和，诱导稀疏解（特征选择）；L2正则化（Ridge）：参数平方和，防止过拟合（权重衰减）。应用：L1用于特征筛选（如高维数据）；L2用于模型泛化（如图像识别）。3.解决问题：深度网络的退化问题（层数增加导致训练误差上升）。核心思想：引入残差块（F(x)=