【常用算法：面试篇】16.这些常见算法面试题，你会解了吗？

一、数据结构核心面试题与解析

（一）树与查找结构

1. 二叉排序树（BST）相关问题

面试题1：二叉排序树与快速排序的联系
联系解析：

• 分治思想同源：BST的插入/查找类似快速排序的分区操作（左子树<根<右子树 vs 快排的基准值分区）；
• 时间复杂度关联：BST的平均查找复杂度O(log n)与快排的平均时间复杂度O(n log n)均依赖数据分布；
• 空间结构映射：BST的树形结构可视为快排递归调用栈的可视化（每个节点对应一次分区）。

2. 平衡二叉树（AVL树）

面试题2：AVL树的失衡调整方式
四种调整类型：

1. LL型（左左失衡）：右旋转

   // 右旋转函数
   private Node rightRotate(Node root) {
        
        
       Node leftChild = root.left;
       root.left = leftChild.right;
       leftChild.right = root;
       root.height = max(getHeight(root.left), getHeight(root.right)) + 1;
       leftChild.height = max(getHeight(leftChild.left), getHeight(root)) + 1;
       return leftChild;
   }
   

2. RR型（右右失衡）：左旋转（与LL型对称）；
3. LR型（左右失衡）：先左旋转左子树，再右旋转根节点；
4. RL型（右左失衡）：先右旋转右子树，再左旋转根节点。

核心逻辑：通过旋转调整子树高度，确保平衡因子绝对值≤1，旋转后需更新节点高度。

3. 红黑树

面试题3：红黑树的五条性质
性质总结：

1. 每个节点要么是红，要么是黑；
2. 根节点和叶子节点（NIL节点）是黑色；
3. 红色节点的两个子节点必为黑色（红节点不能相邻）；
4. 从任一节点到其每个叶子节点的所有路径包含相同数量的黑色节点（黑高平衡）；
5. 新插入节点默认红色，通过重新着色和旋转维持性质。

应用场景：Java的TreeMap和ConcurrentSkipListMap底层使用红黑树，相比AVL树，红黑树牺牲部分平衡性换取更低的旋转开销，适合频繁插入/删除的场景。

（二）哈希表与二叉排序树对比

面试题4：对比二叉排序树和哈希表

二、经典算法与大厂高频题

（一）查找算法与生活案例

面试题5：生活中的查找场景与算法选择

（二）Top-k问题解法全解析

面试题6：Top-k解法分情况讨论
分类解法：

1. 数据规模小（内存可容纳）：
   • 排序法：排序后取前k个元素，时间复杂度O(n log n)。

     // 快速排序后取前k大元素
     public int[] topK(int[] nums, int k) {
            
            
         Arrays.sort(nums);
         int[] result = new int[k];
         System.arraycopy(nums, nums.length - k, result, 0, k);
         return result;
     }
     

   • 快速选择（QuickSelect）：基于快排的分区思想，平均O(n)，最坏O(n²)。

     public int findKthLargest(int[] nums, int k) {
            
            
         return quickSelect(nums, 0, nums.length - 1, nums.length - k);
     }
     private int quickSelect(int[] nums, int low, int high, int k) {
            
            
         int pivotIndex = partition(nums, low, high);
         if (pivotIndex == k) return nums[pivotIndex];
         return pivotIndex < k ? quickSelect(nums, pivotIndex + 1, high, k) 
                              : quickSelect(nums, low, pivotIndex - 1, k);
     }
     

2. 数据规模大（需外部存储）：
   • 堆排序：
     • 最小堆（求Top-k大）：构建k大小的最小堆，遍历数组维护堆，时间O(n log k)。

     public int[] topK(int[] nums, int k) {
            
            
         PriorityQueue<Integer> minHeap = new PriorityQueue<>();
         for (int num : nums) {
            
            
             minHeap.offer(num);
             if (minHeap.size() > k) minHeap.poll();
         }
         int[] result = new int[k];
         for (int i = 0; i < k; i++) result[i] = minHeap.poll();
         return result;
     }
     

   • 分治法：将数据分块排序后合并，适用于分布式场景（如MapReduce）。

（三）排序场景与算法选择

面试题7：生活中的排序场景

三、Java高频算法题分类解析（附LeetCode真题）

（一）数组与字符串

1. 两数之和（LeetCode 1）

解法：哈希表记录互补值，O(n)时间。

public int[] twoSum(int[] nums, int target) {
   
   
    Map<Integer, Integer> map = new HashMap<>();
    for (int i =