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!



http://www.chinasem.cn/article/589441

相关文章

Vue3 的 shallowRef 和 shallowReactive:优化性能

大家对 Vue3 的 ref 和 reactive 都很熟悉,那么对 shallowRef 和 shallowReactive 是否了解呢? 在编程和数据结构中,“shallow”(浅层)通常指对数据结构的最外层进行操作,而不递归地处理其内部或嵌套的数据。这种处理方式关注的是数据结构的第一层属性或元素,而忽略更深层次的嵌套内容。 1. 浅层与深层的对比 1.1 浅层(Shallow) 定义

HarmonyOS学习(七)——UI(五)常用布局总结

自适应布局 1.1、线性布局(LinearLayout) 通过线性容器Row和Column实现线性布局。Column容器内的子组件按照垂直方向排列,Row组件中的子组件按照水平方向排列。 属性说明space通过space参数设置主轴上子组件的间距,达到各子组件在排列上的等间距效果alignItems设置子组件在交叉轴上的对齐方式,且在各类尺寸屏幕上表现一致,其中交叉轴为垂直时,取值为Vert

Ilya-AI分享的他在OpenAI学习到的15个提示工程技巧

Ilya(不是本人,claude AI)在社交媒体上分享了他在OpenAI学习到的15个Prompt撰写技巧。 以下是详细的内容: 提示精确化:在编写提示时,力求表达清晰准确。清楚地阐述任务需求和概念定义至关重要。例:不用"分析文本",而用"判断这段话的情感倾向:积极、消极还是中性"。 快速迭代:善于快速连续调整提示。熟练的提示工程师能够灵活地进行多轮优化。例:从"总结文章"到"用

HDFS—存储优化(纠删码)

纠删码原理 HDFS 默认情况下,一个文件有3个副本,这样提高了数据的可靠性,但也带来了2倍的冗余开销。 Hadoop3.x 引入了纠删码,采用计算的方式,可以节省约50%左右的存储空间。 此种方式节约了空间,但是会增加 cpu 的计算。 纠删码策略是给具体一个路径设置。所有往此路径下存储的文件,都会执行此策略。 默认只开启对 RS-6-3-1024k

【前端学习】AntV G6-08 深入图形与图形分组、自定义节点、节点动画(下)

【课程链接】 AntV G6:深入图形与图形分组、自定义节点、节点动画(下)_哔哩哔哩_bilibili 本章十吾老师讲解了一个复杂的自定义节点中,应该怎样去计算和绘制图形,如何给一个图形制作不间断的动画,以及在鼠标事件之后产生动画。(有点难,需要好好理解) <!DOCTYPE html><html><head><meta charset="UTF-8"><title>06

学习hash总结

2014/1/29/   最近刚开始学hash,名字很陌生,但是hash的思想却很熟悉,以前早就做过此类的题,但是不知道这就是hash思想而已,说白了hash就是一个映射,往往灵活利用数组的下标来实现算法,hash的作用:1、判重;2、统计次数;

使用opencv优化图片(画面变清晰)

文章目录 需求影响照片清晰度的因素 实现降噪测试代码 锐化空间锐化Unsharp Masking频率域锐化对比测试 对比度增强常用算法对比测试 需求 对图像进行优化,使其看起来更清晰,同时保持尺寸不变,通常涉及到图像处理技术如锐化、降噪、对比度增强等 影响照片清晰度的因素 影响照片清晰度的因素有很多,主要可以从以下几个方面来分析 1. 拍摄设备 相机传感器:相机传

零基础学习Redis(10) -- zset类型命令使用

zset是有序集合,内部除了存储元素外,还会存储一个score,存储在zset中的元素会按照score的大小升序排列,不同元素的score可以重复,score相同的元素会按照元素的字典序排列。 1. zset常用命令 1.1 zadd  zadd key [NX | XX] [GT | LT]   [CH] [INCR] score member [score member ...]

MySQL高性能优化规范

前言:      笔者最近上班途中突然想丰富下自己的数据库优化技能。于是在查阅了多篇文章后,总结出了这篇! 数据库命令规范 所有数据库对象名称必须使用小写字母并用下划线分割 所有数据库对象名称禁止使用mysql保留关键字(如果表名中包含关键字查询时,需要将其用单引号括起来) 数据库对象的命名要能做到见名识意,并且最后不要超过32个字符 临时库表必须以tmp_为前缀并以日期为后缀,备份

【机器学习】高斯过程的基本概念和应用领域以及在python中的实例

引言 高斯过程(Gaussian Process,简称GP)是一种概率模型,用于描述一组随机变量的联合概率分布,其中任何一个有限维度的子集都具有高斯分布 文章目录 引言一、高斯过程1.1 基本定义1.1.1 随机过程1.1.2 高斯分布 1.2 高斯过程的特性1.2.1 联合高斯性1.2.2 均值函数1.2.3 协方差函数(或核函数) 1.3 核函数1.4 高斯过程回归(Gauss