第97章 算法面（1/2）

屏幕右上角的倒计时还剩三分钟，林晨做了个深呼吸。面前是T厂在线面试平台的代码编辑器界面，左侧是题目描述，要求手写快速排序算法，并分析时间复杂度。

上一轮王工的肯定还在耳边，但林晨清楚，二面才是真刀真枪。他活动了一下手指，目光扫过题目要求——不仅要写出来，还要解释优化点。

倒计时归零。

“林工，准备好了吗”？耳机里传来声音，比王工更沉稳些，带着一种技术人特有的冷静。

“准备好了”。林晨对着摄像头点点头。

“好，第一题，快速排序。给你十五分钟，写核心代码，然后讲思路”。面试官顿了顿，“提醒一下，我们关注边界条件、原地排序的实现，以及你在实际工程中如何应用或优化这个算法”。

林晨没有立刻敲代码。他盯着空白编辑器，脑海里先过了一遍流程：选基准、分区、递归。但面试官最后一句话是重点——实际工程应用。

他敲下第一行注释：“Python实现，原地排序，避免递归过深时栈溢出风险”。

手指在键盘上跳动，代码流畅地出现。他刻意避开了教科书上最简单的递归版本，而是采用了栈模拟递归的迭代写法，并在分区函数里加入了针对近乎有序数组的优化——随机选择基准元素。

defquick_sort_iterative(arr):

ifnotarrorlen(arr)＜=1:

returnarr

stack=[(0,len(arr)-1)]

whilestack:

low,high=stack.pop

iflow＞=high:

tue

#随机选择基准，避免近乎有序数组退化到O(n^2)

pivot_idx=rando.randt(low,high)

arr[loivot_idx]=arr[pivot_idx],arr[low]

pivot=arr[low]

#分区操作

i,j=low+1,high

whilei＜=j:

whilei＜=jandarr[i]＜=pivot:

i+=1

whilei＜=jandarr[j]＞pivot:

j-=1

ifi＜j:

arr[i],arr[j]=arr[j],arr[i]

arr[low],arr[j]=arr[j],arr[low]

#先压入较大的区间，控制栈深度

if(j-low)＞(high-j):

stack.append((low,j-1))

stack.append((j+1,high))

else:

stack.append((j+1,high))

stack.append((low,j-1))

returnarr

写完代码，时间才过去八分钟。

“我写完了”。林晨说。

“比预期快”。面试官的声音听不出情绪，“先解释一下为什么用迭代而不是递归”？

“两个考虑”。林晨清了清嗓子，“第一，工程实践中，递归深度受系统栈限制，处理大规模数据有风险。第二，迭代版本更容易加入自定义的调度策略——比如我刚才优先处理较小分区，这能进一步控制栈的使用量”。

“随机选择基准呢”？

“这是应对实际数据分布的策略。教科书上的快速排序在最坏情况下——比如数组已经有序或逆序——会退化到O(n2)。真实业务数据常常有部分有序的特征，随机化能保证数学期望上的O(nlogn)，更稳定”。

面试官沉默了几秒，林晨能听到那头轻微的键盘敲击声，大概是在记录。

“时间复杂度分析”。

本章未完，点击下一页继续阅读。