阿里巴巴2021年春招机器学习实习岗(运筹优化)笔试

本文主要是介绍阿里巴巴2021年春招机器学习实习岗(运筹优化)笔试,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

文章目录

    • 第一题
        • 1.1 题目介绍
        • 1.2 题目条件
        • 1.3 我的思路
        • 1.4 代码
    • 第二题

第一题

1.1 题目介绍

牛牛有一串混合数字和字母的密码,目前大意的牛牛忘记了密码,只知道密码的位数为m >= 3,以及他在键盘上的常用键数量为n >= 3,常用键中包含牛牛的密码。已知牛牛的密码中的数字至少有1位,字母至少有2,假设题目所给输入一定满足上述条件,存在可行解,请设计算法找到牛牛密码的所有可能,每个可能的密码字符串中不能包含重复字符,且需按ASCII码升序排列打印

【Input 1】

3 4
k n 9 6

【Output 1】

6kn
9kn

说明,密码一共有3位,常用键数量为4,至少有1个数字和2个字符且升序排列无重复,那只有6kn9kn

【Input 2】

3 6
n k n 9 6 9

【Output 2】

6kn
9kn
1.2 题目条件
  • 输出的密码位数为m
  • 数字个数>= 1
  • 字母个数>= 2
  • 密码中所有字符升序排列 (eg.6kn)
  • 密码中不能包含重复字符 (eg.不能有6aa)
  • 输出的密码组合不能有重复
1.3 我的思路
  • 考虑到输入的字符串是乱序,需要先对字符串来一波升序排序(字符串内部升序 + 分离数字和字母 + 重复元素相邻)
  • 然后将数字和字母分离,由于字母的ASCII比数字大,这里我选择直接找到字母的第一个索引来实现
  • 分别对数字字符串和字母字符串进行回溯法,存储其子集组合,由于之前升序使重复元素相邻,直接通过str[i] == str[i - 1]跳过重复即可
  • 两层for训练打印两个子集组合的所有组合,需过滤总长不等于m的字符串

如果有更好的思路,欢迎大佬前来拍砖~

1.4 代码
#include <iostream>
#include <vector>
#include <algorithm>
#include <string>
using namespace std;string path = "";
vector<string> numvec;
vector<string> strvec;void backtrack(vector<string>& solution, string str, int lessLen, int first) {if (path.size() >= lessLen) solution.emplace_back(path);// 由于求子集组合,所以此处没有returnfor (int i = first; i < str.size(); i++) {if (i > 0 && str[i] == str[i - 1]) continue;path += str[i];backtrack(solution, str, lessLen, i + 1);path = path.substr(0, path.size() - 1);}
}int main() {int m, n;cin >> m; // 3cin >> n; // 4string mima = "";  // "69kn"for (int i = 0; i < n; i++) {char ch;cin >> ch;mima += ch;}// 1.升序排序sort(mima.begin(), mima.end());// 找到数字和字母边界,将两者分开int chidx = 0;for (int i = 0; i < mima.size(); i++) if (mima[i] > '9') {chidx = i;break;}vector<string> numvec, strvec;// 2. 数字密码回溯得子集组合结果(len > 1)backtrack(numvec, mima.substr(0, chidx), 1, 0);path.clear();// 3. 字符密码回溯得子集组合结果(len > 2)backtrack(strvec, mima.substr(chidx, mima.size() - chidx), 2, 0);// 打印结果for (int i = 0; i < numvec.size(); i++) for (int j = 0; j < strvec.size(); j++) {// 拼接数字字符串 + 字母字符串string str = numvec[i] + strvec[j];// 过滤总长不等于m的字符串if (str.size() == m) cout << str << endl;}return 0;
}

第二题

一道经典的网络流问题,就是那种教材上给出一个图(邻接矩阵),然后依据具体问题求解的例题改版

由于之前没准备网络流,再加上我错误的选择了在工位上进行的笔试(下次再在工位上答笔试我就是狗),早晨旁边一会一个电话,吵得我做第一题时经常中断思路,所以做得时间较长,所以直接放弃。

这篇关于阿里巴巴2021年春招机器学习实习岗(运筹优化)笔试的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!


原文地址:
本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.chinasem.cn/article/589441

相关文章

Android学习总结之Java和kotlin区别超详细分析

《Android学习总结之Java和kotlin区别超详细分析》Java和Kotlin都是用于Android开发的编程语言,它们各自具有独特的特点和优势,:本文主要介绍Android学习总结之Ja... 目录一、空安全机制真题 1:Kotlin 如何解决 Java 的 NullPointerExceptio

SpringBoot中HTTP连接池的配置与优化

《SpringBoot中HTTP连接池的配置与优化》这篇文章主要为大家详细介绍了SpringBoot中HTTP连接池的配置与优化的相关知识,文中的示例代码讲解详细,感兴趣的小伙伴可以跟随小编一起学习一... 目录一、HTTP连接池的核心价值二、Spring Boot集成方案方案1:Apache HttpCl

PyTorch高级特性与性能优化方式

《PyTorch高级特性与性能优化方式》:本文主要介绍PyTorch高级特性与性能优化方式,具有很好的参考价值,希望对大家有所帮助,如有错误或未考虑完全的地方,望不吝赐教... 目录一、自动化机制1.自动微分机制2.动态计算图二、性能优化1.内存管理2.GPU加速3.多GPU训练三、分布式训练1.分布式数据

重新对Java的类加载器的学习方式

《重新对Java的类加载器的学习方式》:本文主要介绍重新对Java的类加载器的学习方式,具有很好的参考价值,希望对大家有所帮助,如有错误或未考虑完全的地方,望不吝赐教... 目录1、介绍1.1、简介1.2、符号引用和直接引用1、符号引用2、直接引用3、符号转直接的过程2、加载流程3、类加载的分类3.1、显示

MySQL中like模糊查询的优化方案

《MySQL中like模糊查询的优化方案》在MySQL中,like模糊查询是一种常用的查询方式,但在某些情况下可能会导致性能问题,本文将介绍八种优化MySQL中like模糊查询的方法,需要的朋友可以参... 目录1. 避免以通配符开头的查询2. 使用全文索引(Full-text Index)3. 使用前缀索

C#实现高性能Excel百万数据导出优化实战指南

《C#实现高性能Excel百万数据导出优化实战指南》在日常工作中,Excel数据导出是一个常见的需求,然而,当数据量较大时,性能和内存问题往往会成为限制导出效率的瓶颈,下面我们看看C#如何结合EPPl... 目录一、技术方案核心对比二、各方案选型建议三、性能对比数据四、核心代码实现1. MiniExcel

Java学习手册之Filter和Listener使用方法

《Java学习手册之Filter和Listener使用方法》:本文主要介绍Java学习手册之Filter和Listener使用方法的相关资料,Filter是一种拦截器,可以在请求到达Servl... 目录一、Filter(过滤器)1. Filter 的工作原理2. Filter 的配置与使用二、Listen

MySQL索引的优化之LIKE模糊查询功能实现

《MySQL索引的优化之LIKE模糊查询功能实现》:本文主要介绍MySQL索引的优化之LIKE模糊查询功能实现,本文通过示例代码给大家介绍的非常详细,感兴趣的朋友一起看看吧... 目录一、前缀匹配优化二、后缀匹配优化三、中间匹配优化四、覆盖索引优化五、减少查询范围六、避免通配符开头七、使用外部搜索引擎八、分

Python通过模块化开发优化代码的技巧分享

《Python通过模块化开发优化代码的技巧分享》模块化开发就是把代码拆成一个个“零件”,该封装封装,该拆分拆分,下面小编就来和大家简单聊聊python如何用模块化开发进行代码优化吧... 目录什么是模块化开发如何拆分代码改进版:拆分成模块让模块更强大:使用 __init__.py你一定会遇到的问题模www.

SpringBoot首笔交易慢问题排查与优化方案

《SpringBoot首笔交易慢问题排查与优化方案》在我们的微服务项目中,遇到这样的问题:应用启动后,第一笔交易响应耗时高达4、5秒,而后续请求均能在毫秒级完成,这不仅触发监控告警,也极大影响了用户体... 目录问题背景排查步骤1. 日志分析2. 性能工具定位优化方案:提前预热各种资源1. Flowable