秋招季聊到算法岗爱奇艺2019秋招算法方向笔试题A是很多人绕不开的一套经典卷子。这套题流传很广除了当年真正投了爱奇艺的同学在刷很多把视频平台作为目标方向的应届生也会拿它来检验自己的算法功底。说白了这套题基本代表了视频平台对算法工程师的核心期望数据结构扎实、编码能力强、机器学习理论清楚还得对实际业务场景有一定敏感度。不管你是马上要参加秋招还是打算跳槽去大厂做算法耐着性子把这类题目过一遍收获都不会小。这篇文章我从命题逻辑、考点拆解、典型解题思路到应试策略完整梳理一遍尽量讲得实在一点帮你在准备阶段少走弯路。1. 视频平台算法笔试背后到底在考什么很多人一上来就埋头刷题却忽略了笔试背后的筛选逻辑。爱奇艺这样的视频平台算法岗覆盖的方向很杂推荐、搜索、视频理解、广告投放、内容安全甚至播放器端的带宽调度都会涉及。笔试不可能对每个方向都单独出题所以它考的是所有方向都依赖的公共底座——算法基本功、工程实现能力和机器学习理论基础。1.1 为什么这套题值得认真做视频平台的算法笔试和纯互联网公司的笔试相比有一个明显特点它不只看你会不会写代码还看你对算法复杂度的敏感度。推荐系统和视频理解里模型推理动辄面对千万级用户和百万级视频一个时间复杂度写残了线上根本跑不动。所以你会发现试卷里大量题目在考察排序、查找、字符串匹配、动态规划这些基础内容但每一道都在提醒你关注效率。另一个特点是机器学习和深度学习的内容占比不低。毕竟算法岗不是纯开发岗你得知道损失函数怎么设计、过拟合怎么解决、KNN和聚类的适用场景是什么。笔试里这些通常以选择题或简答题出现看似零散实际上是在筛掉那些只会调包、不懂原理的简历型选手。1.2 A卷的整体结构拆解从公开的题目还原和考生回忆来看A卷大体分两个部分客观题和编程题。客观题覆盖数据结构、算法分析、机器学习基础题量不小时间压力主要来自这里。编程题一般两到三道难度有梯度第一道通常比较温和后面会逐渐加大难度个别题目会结合字符串处理或者动态规划考察代码实现的完整度。这里我建议你拿到卷子先别急着动笔用两三分钟把整张卷子扫一遍。客观题里如果有完全没把握的先标记跳过把时间留给有把握的题和编程题。编程题先挑自己最有思路的做不要卡在一道题上超过二十分钟。这套策略听起来简单但秋招笔试现场真正能执行到位的人不多很多人都是死磕一道题导致后面会做的题都没时间写。2. 高频考点分类与解题思路把爱奇艺这套笔试题放到整个大厂算法笔试的坐标系里看它考的知识点其实都有迹可循。我按考察方向把它们分成三类每一类都有对应的复习重点和快速判断技巧。2.1 数据结构与基础算法笔试的基本盘这一块是客观题的大头也是编程题的底层支撑。排序算法几乎是必考内容尤其是稳定性和复杂度的对比比如冒泡排序、快速排序、堆排序、归并排序分别是什么时间复杂度、是否稳定、适合什么场景。这里面容易踩坑的是快速排序在最坏情况下会退化到O(n^2)以及堆排序虽然时间复杂度稳定在O(nlogn)但常数因子比快排大实际场景里并不总是最优选择。字符串匹配也是一个高频方向KMP算法几乎是绕不开的。我记得题目里有一个经典问题对于模式串pabacaba求它的next数组。这里要注意不同教材对next数组的定义不一样。如果采用严蔚敏数据结构教材里的定义串下标从1开始next[i]表示当模式串第i个字符失配时模式串应该回退到的位置那么手算过程是这样的next[1] 0p[2] b前面只有a最长相等前后缀长度为0所以next[2] 1p[3] a子串ab没有相等前后缀next[3] 1p[4] c子串aba前缀a等于后缀a长度1next[4] 2p[5] a子串abac没有相等前后缀next[5] 1p[6] b子串abaca前缀a等于后缀a长度1next[6] 2p[7] a子串abacab前缀ab等于后缀ab长度2所以next[7] 3最终得到next数组 [0, 1, 1, 2, 1, 2, 3]。但如果你用的是另一个流派next[i]定义成前i个字符组成的子串的最长相等真前后缀长度也就是部分匹配表PMT那结果是 [0, 0, 0, 1, 0, 1, 2]。所以做题前一定要先看题目给出的定义别拿着自己熟悉的版本硬套这是KMP相关题目最容易丢分的地方。除了这些还需要注意几个高频考点TopK问题的最小堆解法、二分查找的边界条件、单链表反转的迭代写法、二叉树的层序遍历。这些题目单独看都不难但笔试要求在限定时间内一次写对对熟练度要求很高。建议把这些基础题练到不需要思考就能写出来的程度才能给后面的难题留出时间。2.2 机器学习与深度学习基础算法岗的差异化考点客观题里机器学习基础占的比例不小常见的有KNN的适用场景、K-Means聚类的收敛条件、朴素贝叶斯的独立性假设、决策树的划分指标、XGBoost相对于GBDT的改进点等。这些题目不难但考察得很细需要你对常见算法的原理有准确记忆。举个例子KNN的三个核心要素是距离度量、k值选择和分类决策规则。k值选太小容易过拟合选太大又会让模型变得过于平滑这个trade-off是选择题里爱考的点。再比如K-Means对初始质心敏感容易陷入局部最优所以后来才有了K-Means的初始化策略。这些细节看起来不起眼但恰恰是区分调包侠和真正理解算法的人的关键。深度学习方面CNN的卷积核参数计算、RNN的梯度消失问题、注意力机制的Query-Key-Value结构都是常客。另外像梯度下降的几种变体——SGD、Momentum、Adam的区别以及为什么Adam在很多任务里能快速收敛但可能不如SGD泛化好这类题目在视频平台算法岗笔试里也出现过。我建议复习的时候不要只背结论把公式推导过一遍比如Dropout在训练和推理时的缩放系数理解之后很多选择题不用死记硬背也能推理出来。2.3 工程与优化算法容易被忽视的加分项相比前面两块工程优化方向的考点更灵活也更能体现视频平台的业务特色。比如PID算法和增量式PID的区别模拟退火和粒子群算法的适用场景剪枝算法在搜索问题中的作用甚至还有图像处理里的Sobel算子和拉普拉斯锐化。这些内容看起来和算法岗关系不大但在视频平台的实际业务里很常见播放器的码率控制可能用到PID思想转码参数优化可能用到模拟退火内容审核里的图像处理也会用到边缘检测算子。音频重采样、音频特征提取这类题目也在部分场次出现过这跟爱奇艺的音视频业务线直接相关。如果你投的是音视频算法方向这些是送分题必须拿稳如果你投的是推荐或者NLP方向至少也要了解基本原理因为笔试偶尔会穿插一两道目的是考察你的知识广度。这类题目的复习策略是理解思想抓住适用场景。比如粒子群算法的核心是每个粒子记录自己的历史最优位置和群体的全局最优位置然后据此更新速度和位置模拟退火的核心是以一定概率接受更差的解从而跳出局部最优。你能不能用一两句话说清楚算法的核心机制比背下整个公式更重要。笔试现场如果真的遇到没复习过的工程算法也可以根据算法的名字大胆推测这类题往往考的是常识性理解而不是严格推导。3. 典型编程题思路剖析与代码实现编程题是笔试的硬仗。我挑几类在爱奇艺和同级别公司笔试里反复出现的题型把思路和关键实现展开讲你可以照着这个思路去刷同类题。3.1 字符串匹配KMP的next数组前面已经手算过abacaba的next数组这里再补充代码实现。以串下标从0开始、next[i]表示p[0..i]的最长相等真前后缀长度为标准通常还需要用-1占位做移位具体看题目要求构造next数组的代码如下void getNext(const string p, vectorint next) { int m p.size(); next.resize(m); next[0] 0; for (int i 1, j 0; i m; i) { while (j 0 p[i] ! p[j]) { j next[j - 1]; } if (p[i] p[j]) { j; } next[i] j; } }这个构造过程容易写错的地方在while循环里的回退逻辑。这里j表示当前已匹配的前缀长度当p[i]不等于p[j]时不是简单地把j清零而是回退到next[j-1]因为前面已经有一部分前缀是匹配的可以利用这些信息。这个点理解了KMP的代码就不容易写错。配合上面的next数组KMP匹配主串的过程就是遍历主串当字符不匹配时模式串下标j回退到next[j-1]如果用的是-1占位的版本则是回退到next[j]而不是暴力地从模式串头部重新开始。这就是KMP相比暴力匹配效率高的根本原因——主串指针永不回溯。3.2 快速幂大数幂余的经典套路快速幂在笔试里经常以计算a的b次方对mod取模的形式出现它把时间复杂度从O(b)降到O(logb)。原理很简单把指数b看成二进制比如b13二进制是1101那么a^13 a^(841) a^8 * a^4 * a^1。我们只需要遍历b的二进制位遇到1就累乘当前对应的幂次。递归写法好理解但迭代写法更推荐因为不存在递归栈溢出的风险long long quickPow(long long a, long long b, long long mod) { long long res 1 % mod; while (b 0) { if (b 1) { res res * a % mod; } a a * a % mod; b 1; } return res; }注意一个细节当mod为1时任何数对1取模结果都是0所以初始化res时写成1 % mod而不是1能避免这个边界问题。另外a和a相乘可能溢出32位整数笔试环境如果是C建议直接用long long。3.3 TopK问题海量数据下找前K大TopK问题在视频平台的实际业务里太常见了比如找出播放量最高的前100个视频。笔试里一般会要求你用最小堆实现思路是维护一个大小为K的最小堆堆顶是当前K个元素里的最小值。遍历数据时如果当前元素比堆顶大就弹出堆顶、插入当前元素。这样遍历完整个数据流之后堆里存的就是最大的K个数。用C的优先队列实现vectorint topK(vectorint nums, int k) { priority_queueint, vectorint, greaterint pq; for (int num : nums) { if (pq.size() k) { pq.push(num); } else if (num pq.top()) { pq.pop(); pq.push(num); } } vectorint result; while (!pq.empty()) { result.push_back(pq.top()); pq.pop(); } return result; }时间复杂度是O(nlogk)空间复杂度O(k)。面试时如果追问数据量太大放不进内存怎么办答案就是分治把数据分块每块求TopK再对每块的TopK做归并。这个扩展思路建议背下来因为它延伸出来就是MapReduce的思想。3.4 动态规划编辑距离与最长公共子序列动态规划几乎是所有算法笔试的压轴常客。编辑距离Levenshtein Distance是其中很有代表性的一道它可以用来衡量两个字符串的相似度在搜索引擎纠错和视频标题匹配里都有应用。状态定义dp[i][j]表示字符串word1的前i个字符转换为word2的前j个字符所需的最少操作次数。转移方程分两种情况如果word1[i-1] word2[j-1]那么dp[i][j] dp[i-1][j-1]如果不相等dp[i][j] 1 min(dp[i-1][j-1], dp[i-1][j], dp[i][j-1])分别对应替换、删除、插入三种操作初始条件dp[0][j] jdp[i][0] i。这道题写代码不难但很容易错在边界初始化上。建议把dp表画出来手推一遍abc和yabd的完整过程这样对状态转移的理解会深很多遇到变形题也能举一反三。4. 笔试现场的时间分配与答题策略准备充分了临场发挥也很重要。我参加过不少笔试也帮同事模拟过面试发现大家在笔试现场犯的错误高度一致读题不仔细、时间分配失衡、代码写得不够干净。这几个问题其实都可以通过策略来规避。4.1 客观题的快速判断技巧客观题里不少是概念题和计算题。概念题考的是精确记忆比如快速排序平均时间复杂度O(nlogn)、最坏O(n^2)堆排序任何情况都是O(nlogn)归并排序稳定但需要额外O(n)空间。这些数据要形成条件反射不能现场推导。计算题比如KMP的next数组、二叉树的遍历序列、图的最短路径建议在草稿纸上把过程写清楚不要心算心算极其容易出错。遇到确实不会的题不要纠结先蒙一个合理答案并做好标记等所有题做完再回来细想。客观题的分值虽然不高但错得太多会影响编程题的心态。4.2 编程题的读题与边界处理编程题最怕的不是算法想不出来而是题目理解偏了。建议读题时把输入输出样例先抄到草稿纸上再反向推导题目要求的逻辑。输出格式也很关键有的题目要求排序后输出有的要求按原顺序输出一个细节看漏就可能整题丢分。边界条件永远是判分重灾区。数组越界、空数组、只有一个元素、数值溢出、除零这些都是笔试用例里最喜欢埋的雷。写完代码后别急着提交用一分钟快速检查几个边界用例这个习惯能帮你捞回不少分。4.3 遇到没思路的题怎么办说实话笔试遇到完全没思路的压轴题是常态很少有人能满分交卷。这时候可以采用暴力法保底策略先写一个能跑出正确答案但时间复杂度较高的版本保证拿到基础分再去想优化。比如动态规划想不出状态转移就写递归加记忆化或者直接回溯搜索。判卷系统通常按用例给分暴力法也能通过部分用例。另外代码风格也会影响分。变量命名清晰、逻辑分层明确、没有多余的调试输出这些看起来无关紧要的细节在人工复核时会成为加分项。尤其是那些压线通过的同学干净整洁的代码可能就是你被捞回来的理由。5. 备赛经验与常见问题排查最后这部分没有系统性的方法论更多是我自己刷题和带人准备笔试时积累的零散经验。整理成几个常见问题和对应的避坑建议希望对你有用。5.1 一道常见的错误KMP的next数组用错定义前文提过不同教材对next数组的定义不同。做题时如果题目没有明确给出定义建议用next[i]表示p[0..i]的最长相等真前后缀长度这套定义因为它更符合现代工程的表述习惯。如果题目明确说了next[i]是失配时的回退位置再改用另一个版本。这个区分看起来很简单但每年都有不少人在这个点上吃亏。5.2 动态规划题不清楚状态定义怎么办如果你看到一道DP题五分钟内想不出状态定义我的建议是先从暴力递归开始写然后看递归函数里哪些参数在变化把这些变化参数抽象成状态维度。比如编辑距离的递归版本会传入i和j两个下标那么状态就是二维的dp[i][j]。这个方法对于大部分字符串和序列类DP题都有效。还有一个实用技巧状态定义完之后把状态转移图画出来确认每个状态都依赖已有的状态避免拓扑序错误。5.3 现场常见的低级失误我整理了一个笔试现场低级失误速查表是我见过最多人踩的坑常见问题出现场景避坑建议数组越界二分的while循环、DP的边界写完后用最小用例走一遍整数溢出快速幂、加法乘法运算统一用long long输出格式不对多了一个空格或少了一个换行严格按样例输出栈溢出递归深度过大改迭代或手动模拟栈未处理空输入输入可能为空养成判空习惯排序后忘了恢复原顺序涉及排序索引的题目事先想好是否需要记录原索引这些错误几乎都不是算法不会而是手滑。解决办法就是写完代码后像做代码评审一样审自己一遍把常见的坑逐项过一遍再提交。备赛这件事说到底没有捷径但方向对了能省一半力气。我见过有些同学刷了三四百道题但每次都是看题五分钟、看答案两小时这种刷法效率很低。更好的方式是按知识点分类刷每个知识点集中训练做完题之后把思路讲给自己听讲不清楚的地方就是没掌握的地方。最后分享一个我自己的习惯准备笔试前我会把常用算法的模板代码整理成一份自己的笔记包括排序、二分、KMP、快速幂、前缀和、并查集、常用DP模板考前快速过一遍。笔试现场时间紧张肌肉记忆比临场推导可靠得多。希望这篇梳理能帮你在准备算法笔试的路上省点力气也祝你秋招顺利。