电信天翼云笔试

第一道:过了16.67%,第一题是给很多条直线,然后要去计算它们的不重合区,我是选择用一个列表去记录每块区域的重合次数,然后最后应该是只要去得到所有<=1的区域就是不重合区(不知道我想的对不对)
我是最后发现我题目看错了,看成了计算重合区,然后去计算了所有的>1的区域,emmm。

第二道:AC,这道题目忘了,而且不难,直接跳过。

第三道:过了80%,我觉得我的思路是没错的,可能哪里写错了。
思路如下:首先将输入的衣服进行处理,将消耗能量小于总能量的衣服按照(体力消耗,获得价值)进行储存,直接去对所有衣服按照 [平均每点体力价值(获得价值/体力消耗),体力消耗] 进行排序,然后用一个栈去从头往后走,存放规则如下:如果当前体力大于衣服消耗体力,那就直接放入;否则,就依次栈顶扔出衣服,直到体力足够去放入当前的衣服,然后如果当前的最大价值大于之前记录的最大价值,那就保存当前状态,否则返回到之前的状态,依次往下走。注意:每次要对栈进行维护,要将栈内元素按照(体力消耗)从大到小进行排序,因为刚开始扔的一定要是能量消耗最小的,这样才能保证体力可以尽可能被全部消耗。

总结:感觉这次笔试的难度还行,前面的选择题也不算超级难的那种,但是还是太粗心了,希望下次在努力吧,估计是凉了。
最后想问一下各位大佬,你们做的咋样呀。

#电信天翼云计算#
全部评论
第一题直接new一个长度为1000000的数组,然后处理一个个线段,把下标在线段范围内的数组中的值自增1,最后输出数组中值为1的个数。 第二题我直接new一个辅助数组,先遍历一遍原数组,如果是偶数,就依次存到辅助数组里面,再遍历一次原数组,如果是奇数,就依次存放到辅助数组里面。 第三题就是01背包问题了,如果用一维滚动数组来dp,需要先排序。 3题都能a
4 回复 分享
发布于 2022-09-14 23:29 湖北
有约面试的了不?我的丝毫没动静😥😥😥
2 回复 分享
发布于 2022-09-20 01:27 北京
第一题我是用插旗法/上下车的思路来做的,线段起点flag+1,终点flag-1,当flag变为1时这里就是某一满足条件区间的起点,当flag从1变为0或2时这里就是终点
2 回复 分享
发布于 2022-09-15 09:25 新加坡
祝愿大家都可以顺利找到自己喜欢的工作
2 回复 分享
发布于 2022-09-14 23:04 浙江
思路都会 被第一第二题的输入坑了,第一题没来得及改完直接没了……
2 回复 分享
发布于 2022-09-14 22:15 广东
第三题输入有问题的,第二三行的第一个数是后面的个数,
2 回复 分享
发布于 2022-09-14 22:13 江苏
请问一下有没有uu收到面试通知哇~我也是14号前端岗,现在木的动静
1 回复 分享
发布于 2022-09-19 16:57 北京
请问编程题是只写核心代码还是全部写?
点赞 回复 分享
发布于 2022-10-12 09:09 上海
为啥我没有笔试直接约面了???今天约的
点赞 回复 分享
发布于 2022-09-20 18:27 上海
第一题差分数组,第二题我也忘了,第三题01背包模版
点赞 回复 分享
发布于 2022-09-17 10:32 浙江
第三题就是01背包
点赞 回复 分享
发布于 2022-09-16 11:03 广东
第一题到底为啥a不了哇!同样的思路,只有16%
点赞 回复 分享
发布于 2022-09-14 23:29 山东
求第一题思路
点赞 回复 分享
发布于 2022-09-14 22:03 上海
第二题直接两个数组合并直接A……我TM还以为这空间铁不够用,双指针指了半天还没处理好边界,吐了
点赞 回复 分享
发布于 2022-09-14 22:01 陕西
第三题就是01背包问题原题,第二题不明白为什么我只有0.8
点赞 回复 分享
发布于 2022-09-14 21:57 广东
第三题就是背包问题
点赞 回复 分享
发布于 2022-09-14 21:56 广西

相关推荐

10-23 23:39
已编辑
中山大学 算法工程师
推荐系统里粗排和精排打分一致率越高越好吗结论:粗排和精排打分一致率并非越高越好,需要综合多方面因素权衡。以下是具体分析:1.&nbsp;一致性高的优势▶️提升链路效率:粗排与精排目标一致时,能更精准地筛选出精排认可的优质候选,减少精排计算压力,提高推荐链路的整体效率。▶️减少信息损耗:高一致率意味着粗排能更好地传递用户偏好信息,使精排在有限候选中更准确地排序,降低因粗排筛选导致的优质候选丢失风险。2.&nbsp;一致性过高的潜在问题⭕长尾商品覆盖不足:精排可能过度依赖头部热门商品,而粗排若完全对齐精排,会忽略长尾商品的潜在价值。例如,某些小众但符合用户兴趣的商品可能因精排未充分关注而在粗排阶段被排除。⭕样本选择偏差(SSB)风险:若仅追求一致性,可能加剧样本选择偏差。粗排训练样本若仅基于精排曝光空间,会忽略未曝光但可能有价值的商品,导致模型对长尾或新商品的泛化能力下降。⭕模型灵活性受限:粗排需兼顾召回结果的多样性和精排的精准性。若过度追求一致性,粗排可能失去对召回结果的独立筛选能力,无法有效平衡不同召回路的差异。3.&nbsp;合理的一致性策略✔️适度对齐目标:粗排应学习精排的排序逻辑,但需保留一定独立性。例如,通过知识蒸馏、样本扩充等技术,让粗排在精排基础上优化长尾商品排序。✔️多目标优化:引入多目标建模,如同时考虑点击率(CTR)、转化率(CVR)等指标,避免单一追求与精排的一致性。👑动态评估与调整:通过离线评估指标(如全域HitRate、NDCG等)和在线AB测试,实时监测粗排与精排的协同效果,动态调整一致性目标。📳对于想求职算法岗的同学,如果想参加高质量项目辅导,提升面试能力,欢迎后台联系。
点赞 评论 收藏
分享
评论
4
36
分享

创作者周榜

更多
牛客网
牛客网在线编程
牛客网题解
牛客企业服务