2021年小米秋招算法方向第一场笔试我到现在还记得很清楚。不是因为题目有多难而是它非常典型选择题覆盖面广、编程题不偏不怪但很吃基本功整体难度在当年各大厂的算法岗笔试里属于中等偏上。最让我意外的是它没有堆砌大量偏门机器学习问题而是把核心考察点放在了数据结构、经典算法和算法思维上这对平时喜欢刷题但机器学习理论准备不足的同学来说反而是个好消息。这篇文章我会从试卷结构、高频考点、编程题实战推演、常见坑点四个维度展开最后分享一些我自己的备考体会。如果你正在准备算法岗的校招笔试尤其是瞄准互联网大厂这场笔试的复盘内容应该能帮你在备考方向上少走不少弯路。1. 笔试整体情况与题型分析1.1 试卷结构与时间分配小米这场算法方向笔试采用的是线上笔试系统总时长120分钟题量并不算大。我印象中选择题大概20道左右涵盖单选和多选编程题一般是2到3道。满分具体是多少我记不太清了但时间分配上选择题和编程题基本是五五开——选择题虽然单题分值不高但占比不低编程题则是决定能否进入面试的关键。这里有一个容易被忽略的细节算法方向笔试里的选择题并不是简单考察知识点记忆而是大量考察给定场景下应该选哪种算法、某段代码的时间复杂度是多少这类理解性问题。这意味着你在复习时不能只背概念要能快速判断不同算法之间的优劣和适用边界。1.2 考点分布与难度评估从考点分布来看这场笔试覆盖了四个主要板块板块典型考点考察形式数据结构KMP、堆、二叉树、哈希表选择题编程题衍生经典算法排序、二分、贪心、动态规划、图论选择题编程题机器学习基础K-Means、KNN、梯度下降、特征工程选择题数学与智力题概率、组合数学、逻辑推理选择题整体难度曲线是前松后紧前半部分选择题多数是基础送分题但中途开始出现一些需要仔细推导的题目比如模式串的next数组计算、带约束的排序稳定性判断等。如果你在选择题上耗时过多后面编程题的时间会比较紧张。这一点是我考完最大的感受——笔试不只是考你会不会也考你在有限时间内如何分配精力。2. 高频考点深度解析数据结构与经典算法2.1 KMP算法与next数组必须手算到肌肉记忆在各大厂的算法笔试里KMP算法几乎是固定嘉宾。这场笔试虽然没有直接让你完整实现KMP但出现了一道结合next数组的选择题给了一个模式串要求选出正确的next数组结果。这种题看起来简单实际错误率很高原因在于next数组的常见定义就有两种变体很多人混着记一动手就错。先明确一下考研和大部分教材采用的经典定义next[i]表示模式串P中P[0...i-1]这个子串的最长相等真前后缀的长度。以题目中出现的模式串Pabacaba为例我们手动推导一遍。next[0]按照统一约定通常取-1有些教材取0这里要注意题干说明。next[1]子串为a真前后缀为空所以为0。next[2]子串为ab前缀有a后缀有b不相等为0。next[3]子串为aba前缀a等于后缀a长度为1所以为1。next[4]子串为abac用最长匹配来看前缀a、ab、aba后缀c、ac、bac无相等项为0。next[5]子串为abaca前缀a等于后缀a长度为1所以为1。next[6]子串为abacab前缀ab等于后缀ab长度为2所以为2。next[7]子串为abacaba最长的相等前后缀是aba长度为3。最终得到数组[-1, 0, 0, 1, 0, 1, 2, 3]。这里有个很容易掉的坑很多人在算next[6]的时候会惯性写成3因为看到abacab里既有ab又有a但没有意识到最长相等前后缀必须严格从首尾同时取同时还要保证不重叠。如果你在考场上遇到这类题我的建议是不要心算直接在草稿纸上把每个子串的前后缀列出来最多两分钟一定能拿分。这种题失分纯粹是因为省时间完全不值得。2.2 排序与堆稳定性判断和复杂度分析排序算法选择题也是这场笔试的重头戏。考察方式不是背一下快排的时间复杂度而是给出一组具体数据问你如果用堆排序第一趟排序后的序列是哪个或者以下哪个排序算法是稳定的并且在最坏情况下时间复杂度为O(n log n)。这里我强烈建议把常见排序算法整理成一张表来记忆算法平均时间复杂度最坏时间复杂度空间复杂度稳定性冒泡排序O(n^2)O(n^2)O(1)稳定快速排序O(n log n)O(n^2)O(log n)不稳定堆排序O(n log n)O(n log n)O(1)不稳定归并排序O(n log n)O(n log n)O(n)稳定插入排序O(n^2)O(n^2)O(1)稳定选择排序O(n^2)O(n^2)O(1)不稳定笔试里特别喜欢考稳定性这个冷门细节因为很多人刷题时根本不关心稳定性的实际含义。简单说稳定性就是当两个元素值相等时排序后它们的相对顺序是否保持不变。稳定的排序包括冒泡、插入、归并不稳定的包括快排、堆排、选择排序。一个小技巧快排的不稳定在于分区交换时可能把相同元素的前后顺序打乱堆排序则是堆调整过程中父子节点交换带来的。堆排序另外还有个高频考点给定一个数组建堆之后输出前k个最大元素的时间复杂度。正确思路是建堆O(n)取堆顶后调整k次每次O(log n)所以总复杂度O(n k log n)。很多人会写成O(k log n)忽略了建堆的开销。这类细节题是在考察你是否真正理解算法过程而不是背结论。2.3 图论Dijkstra、二分图与最小生成树图论算法在算法岗笔试里出现频率也不低这场笔试的选择题部分涉及了Dijkstra算法和二分图匹配相关的基本概念。Dijkstra的考察点通常是当图中存在负权边时Dijkstra是否仍然正确答案是否定的因为Dijkstra基于贪心策略一旦确定某个顶点的最短路径就不再更新负权边会破坏这种贪心假设。如果面试官再往下追问正确解法应该改用Bellman-Ford或SPFA。二分图相关题目则偏向概念理解比如判断一个图是否为二分图的常用算法是什么答案是BFS/DFS染色法时间复杂度O(VE)。如果你在准备时有余力可以顺带了解匈牙利算法、HK算法的基本思想笔试考到算法名称辨析时至少不会懵。HK算法是二分图最大匹配的优化版本核心是把BFS分层和DFS增广结合将复杂度优化到O(E sqrt(V))这个知识点虽然偏难但在2021年之后的校招笔试里确实出现过不止一次。图论这块我的复习经验是不要陷入算法源码的细节优先掌握每个算法的适用条件、时间复杂度和能否处理负权边等边界条件这在选择题阶段的性价比极高。3. 机器学习与数学基础考点3.1 经典机器学习算法的核心考点小米算法方向的笔试机器学习选择题占了一定比例但考察深度有限基本是概念辨析级别。比如K-Means聚类的优缺点、KNN算法的三个基本要素是什么以及在特征维度很高时以下哪个算法容易受到维度灾难影响。这些题目对于系统学过机器学习课程的同学来说属于送分题但如果你的机器学习基础是靠面试前临时刷八股文补的这里很容易翻车。KNN这道题尤其典型。KNN的三个基本要素是距离度量、k值的选择和分类决策规则。距离度量常见的有欧氏距离、曼哈顿距离k值越小模型越复杂、越容易过拟合k值越大模型越平滑分类决策规则通常采用多数表决。笔试里会设置干扰项比如把训练集大小作为备选要素很多人一紧张就会选错。聚类算法方面K-Means几乎必考因为它足够经典又足够简单。高频考点包括K-Means的目标函数所有样本点到其所属簇中心的距离平方和、K值选择方法肘部法则、轮廓系数、以及K-Means对初始中心敏感、容易陷入局部最优等缺点。DBSCAN则考察基于密度的聚类方法如何确定簇的个数答案是不需要预先指定K值。我建议你复习这类考点时用一句话优缺点的方式做笔记。比如K-Means优点简单高效缺点需要预设K、对异常值敏感、只能处理凸形簇。这种高度压缩的笔记在笔试前的碎片时间里非常有用。3.2 优化算法粒子群、模拟退火与EM算法近年来互联网大厂算法岗笔试有一个趋势开始考察一些经典的元启发式优化算法和概率图模型基础。这与热搜词里频繁出现的粒子群算法原理、模拟退火算法、KL ELBO算法原理详解完全对应。粒子群算法PSO的核心考点是它模拟鸟群觅食行为每个粒子包含位置和速度两个属性迭代时通过个体历史最优pbest和群体历史最优gbest来更新速度与位置。笔试通常不会让你手推公式而是考察粒子群算法属于哪一类优化算法——答案是群体智能优化算法以及它是否需要目标函数的梯度信息答案是不需要。这一点非常重要因为它意味着粒子群算法适用于目标函数不可导或梯度难以计算的优化问题这是它区别于梯度下降法的最大优势。模拟退火算法的考点则集中在以一定概率接受更差解这一核心思想以及温度参数T随迭代逐渐降低的过程。笔试中会问模拟退火算法在温度较高时接受较差解的概率是大还是小答案是温度越高接受概率越大这保证了算法初期能够跳出局部最优。KL散度和ELBO是理解变分推断的基础。KL散度衡量两个概率分布的差异公式为KL(P||Q) Σ P(x) log(P(x)/Q(x))它是不对称且非负的。ELBOEvidence Lower Bound则是变分推断中用于近似后验分布的核心目标函数通过最大化ELBO来间接最小化KL散度。笔试中如果出现这种题通常只是概念选择题但如果你准备的是算法岗建议还是把推导过程过一遍面试环节很容易被追问。3.3 数学基础概率、组合与快速幂数学基础是算法岗笔试绕不开的板块。这场笔试里有几道概率题比如经典的抛硬币至少连续出现k次正面的期望次数、从n个数中随机取m个数的组合数计算这类题目的本质是组合数学和动态规划。另外快速幂算法值得单独提一下。它虽然不是小米这场笔试的压轴题但我在编程题的预处理阶段确实用到了类似思想。快速幂的核心就是把指数b用二进制拆分例如计算3^1313的二进制是1101所以3^13 3^8 × 3^4 × 3^1只需要做3次乘法而不是13次。时间复杂度从O(b)降到O(log b)。笔试中经常出现计算a的b次方对p取模的编程题如果你没写过快速幂模板现场很容易卡住。这里我把快速幂的标准模板列出来建议直接背下来long long mod_pow(long long base, long long exp, long long mod) { long long result 1; while (exp 0) { if (exp 1) result result * base % mod; base base * base % mod; exp 1; } return result; }注意两个细节指数为0时返回1底数取模要在进入循环前就处理。另外如果模数本身很大乘法可能溢出long long这时候要考虑用快速乘或__int128这也是笔试的隐藏考察点。4. 编程题实战从读题到AC的完整推演4.1 贪心与二分结合最大化最小值问题小米这场笔试的编程题第一道给我的印象很深。题目背景大概是给定一个长度为n的数组要求将数组分成连续的m段问所有分段方案中每段和的最大值最小是多少。这是非常经典的最大值最小化问题也是二分答案的典型应用场景。我第一次看到这类题目时第一反应是动态规划。设dp[i][j]表示前i个数分成j段时每段和最大值的最大值最小值……这个状态定义绕来绕去实现时还要处理大量边界条件。实际上这类题最优雅的解法是二分答案确定二分范围。下界设为数组中的最大值因为每一段至少包含一个元素上界设为整个数组的和。对于每个中间值mid用贪心验证从左到右遍历数组累加当前段的和如果累加结果超过mid则开启新的一段段数加1。如果最终段数 m说明mid取值可行尝试更小的值否则增大mid。验证函数的实现很简洁def can_split(nums, m, limit): cnt 1 cur 0 for x in nums: if cur x limit: cnt 1 cur x else: cur x return cnt m这里要注意边界cnt的初始值应为1因为至少会有一组cur表示当前这一段的和当curx超过limit时说明当前段不能再加入x于是新开一段段数加1cur重置为x而不是0。这个细节我在考场上是检查了很久才确认的因为如果写成cur0会把x漏算进新段。整体复杂度是O(n log(sum(nums)))n通常不超过10^5在时间限制内完全没有压力。如果你在笔试中遇到这种最大值最小化或最小值最大化的表述条件反射就应该是二分答案贪心验证而不是去硬写动态规划。4.2 DFS/回溯状态搜索与剪枝策略第二道编程题我记得和连通块有关。给定一个二维网格网格中有0和1要求统计由相邻的1组成的连通块个数上下左右四个方向相连。这类题目的本质是无向图的连通分量计数最简单的解法是DFS或BFS。DFS解法非常直观def dfs(grid, i, j): if i 0 or i len(grid) or j 0 or j len(grid[0]): return if grid[i][j] ! 1: return grid[i][j] 0 dfs(grid, i 1, j) dfs(grid, i - 1, j) dfs(grid, i, j 1) dfs(grid, i, j - 1)把访问过的1改为0这是一个很经典的原地标记技巧省去了单独的visited数组。遍历整个网格每遇到一个1就调用一次dfs连通块计数加1。时间复杂度O(m*n)每个格子最多访问一次。这道题本身不难但笔试的难点往往在输入输出处理上。你们注意笔试系统的输入可能是字符串形式给出的网格每行是一串字符而不是空格分隔的整数。读入时要先按行分割再把每一行转成字符列表。如果直接按整数读会把10这类数字误读为一个数导致网格形状错误。这个坑我在模拟笔试时踩过一次后来养成了一个习惯写题前先仔细看输入格式说明不要想当然。4.3 动态规划状态设计与空间压缩编程题的最后一道我印象里是动态规划类考察的是0-1背包的变形。题目大意是有若干个物品每个物品有重量和价值背包容量为W要求价值最大并且物品之间有一些互斥关系选了一个就不能选另一个。这个互斥关系让题目从标准背包变成了带约束的背包处理方式也不难在DP状态定义中增加一维表示当前是否选了某个特殊物品。比如用dp[i][j][0/1]表示前i个物品、容量为j、且第k个特殊物品选或没选的最大价值。状态转移时就多了一个分支。实际上笔试现场我没能完整写出AC代码因为状态维度搞得很复杂浪费了不少时间。复盘时我发现更简单的思路是由于互斥关系数量很少题目规定最多2个完全可以把所有物品分成两组A组包含特殊物品AB组包含特殊物品B然后分别做一次背包再做一次合并。合并时枚举A组容量和B组容量的分配复杂度O(W^2)在这个数据范围下也可接受。这个经历让我明白一个道理笔试编程题的选择题部分经常会有多选题而编程题本身往往有多种解法。不要一上来就选定一种自认为最优的思路先花30秒想想有没有更简单的建模方式往往能节省大量编码时间。4.4 笔试编程题的通用模板分析从这场笔试的三道编程题来看算法岗笔试的难度层级非常清晰第一道二分题考基础算法思想第二道搜索题考代码实现熟练度第三道动态规划考状态建模能力。你不需要掌握高深的竞赛算法但一定要把DFS、BFS、二分、贪心、背包DP这几类基础算法练到烂熟于心。我建议每位准备笔试的同学建立一个自己的算法模板库不必写出完整代码只需要记录每个算法的核心步骤、时间复杂度和易错点。比如二分答案步长为1的模板注意mid用(lr1)//2处理死循环。DFS网格连通块标记技巧、方向数组。背包DP一维滚动数组逆序更新。单调栈/单调队列手写栈注意边界。并查集路径压缩按秩合并。这个模板库在考前一周过一遍效果比刷50道新题还好。5. 常见坑点与笔试经验总结5.1 时间分配与做题顺序我考这场笔试时犯了一个典型错误选择题部分前松后紧在一道KMP的next数组题上磨了太久导致编程题最后一题时间不够。后来我想明白一件事校招笔试的选择题和编程题是看总分不按单题排名所以合理策略应该是先把所有会的题都做完再回头啃硬骨头。我的建议时间分配方案是前20分钟扫一遍试卷标记出选择题中需要计算的题目比如next数组、排序过程、概率期望等30分钟内把所有有思路的题做完剩下60分钟全力写编程题最后10分钟检查输入输出格式和代码边界。当然这是针对120分钟的通用方案具体可以按题量微调。5.2 细节陷阱与防坑清单笔试中最怕的不是题目难而是会做的题因为细节扣分。我整理了一份自己反复踩坑后总结的清单输入可能有多组测试样例。如果题目没有说明只有一组尽量用while循环读到底。整型溢出。数组累加和、乘法取模都可能超过int范围统一用long long。字符串读入细节。有些系统会在每行末尾带换行如果用cin s会自动跳过空白但用getline时要主动吞掉前面的换行。DP数组初始化边界。dp[0]和dp[i][0]的含义要明确初始值不能想当然地填0。二分查找的死循环。记好mid (l r) 1适用于寻找左边界mid (l r 1) 1适用于寻找右边界两个字背熟。这些细节看起来琐碎但在笔试系统里每一类都可能成为WAWrong Answer的原因。我前面说过笔试看的是总分一道边界问题导致整个case挂掉代价非常大。5.3 备考建议从笔试到面试的衔接准备这场笔试的过程中我最大的收获不是通过了考核而是通过真题梳理出了自己知识树的薄弱环节。笔试结束后我把自己做错的题和模糊的知识点列了一个清单主要包括KMP变体定义、排序稳定性的场景判断、机器学习聚类算法的适用条件以及带约束背包的状态设计。后半段校招季我针对这些薄弱点进行了重点补齐效果显著。如果你也在准备算法岗校招我的建议是刷题平台用LeetCode和牛客网结合前者练思路后者练真实笔试环境机器学习基础不要只看八股文要理解每个算法为什么这么设计数学基础分值不高但基础题必须全对。总之校招笔试考察的不是偏题怪题而是你是否具备扎实的算法功底和快速解决问题的能力。最后分享一个小技巧笔试前可以提前在笔试系统里调试好代码编辑器把常用模板快速幂、并查集、堆优化Dijkstra等提前写在本地编辑器里。虽然不能直接查答案但看着熟悉的模板结构至少能让你的手速快20%。这是我在几次模拟笔试中总结出的最实用的应试技巧。