微软 SDE-I 面试体验(校内)

简介

本文主要介绍我在校内参加微软 SDE-I 面试的体验,包括面试过程以及做题过程中的思路和解法。

面试过程

我收到了微软的面试邀请后,就开始准备了。面试时间定在下午两点,我提前一个小时到达了面试地点。在面试开始之前,面试官先对我做了一些自我介绍,然后就开始了正式的面试。

面试题目

面试官首先问了我一道算法题,题目是:

给定一个数组,里面包含了正整数和负整数。请编写一个函数,找出数组中乘积最大的连续子数组,返回乘积值。

比如,数组 [2,3,-2,4] 的最大连续子数组乘积为 6 (2*3) 。又如,数组 [-2,0,-1] 的最大连续子数组乘积为 0 。

思路和解法

因为这是一道找乘积最大的连续子数组的问题,所以我们可以想到使用动态规划算法来解决。

定义一个二维数组 dp ,其中 dp[i][0] 表示以 i 结尾的子数组乘积的最大值, dp[i][1] 表示以 i 结尾的子数组乘积的最小值。

再定义一个变量 maxProd ,用来记录最大乘积。

• 当 nums[i] > 0 时, dp[i][0] = max(nums[i], dp[i-1][0] * nums[i]) , dp[i][1] = min(nums[i], dp[i-1][1] * nums[i]) ，因为乘以正数的最大值还是本身，而乘以负数的最小值还是本身，所以直接用 num[i] 与之前的乘积取较大或较小的值即可。
• 当 nums[i] < 0 时, dp[i][0] = max(nums[i], dp[i-1][1] * nums[i]) , dp[i][1] = min(nums[i], dp[i-1][0] * nums[i])。因为乘以正数的最大值还是本身，而乘以负数的最小值还是本身，所以本质上跟上面情况一样。

最后,我们只需要找到 dp 数组中最大的元素,就是该数组中乘积最大的连续子数组的值。

代码片段

def maxProduct(nums: List[int]) -> int:
    if not nums:
        return 0

    dp = [[0] * 2 for _ in range(len(nums))]
    dp[0][0], dp[0][1] = nums[0], nums[0]
    maxProd = nums[0]

    for i in range(1, len(nums)):
        if nums[i] > 0:
            dp[i][0] = max(nums[i], dp[i - 1][0] * nums[i])
            dp[i][1] = min(nums[i], dp[i - 1][1] * nums[i])
        elif nums[i] < 0:
            dp[i][0] = max(nums[i], dp[i - 1][1] * nums[i])
            dp[i][1] = min(nums[i], dp[i - 1][0] * nums[i])
        else:
            dp[i][0], dp[i][1] = 0, 0

        maxProd = max(maxProd, dp[i][0])

    return maxProd

结语

以上就是我在微软 SDE-I 面试中的体验和题目解析过程。希望对正在准备微软面试的程序员们有所帮助。