2020年秋招的时候，我投了猿辅导的算法岗，笔试是在牛客网上完成的，全程摄像头监控，两个小时的题量，包含选择题和编程题。那场笔试给我的印象很深：选择题考得很杂，从机器学习基础到C++内存布局都有涉及，编程题倒是不偏不怪，全是基本功，但基本功不扎实的话，一道题就能卡死你。今天把这套猿辅导2020校招笔试（算法岗一）拆开聊聊，给准备投算法岗、尤其是在线教育大厂的同学一个参考。文章不会贴完整原题，但我会把考点、题型分布、解题思路和实战技巧讲透，保证你看完对这类笔试的套路心里有底。
1. 猿辅导算法岗笔试到底考什么
1.1 题型分布与整体感受
先说结论：猿辅导这套笔试卷子分为两个部分——基础选择题和编程题。选择题大概有20道左右，覆盖范围很广，包括数据结构、操作系统、计算机网络、机器学习基础、深度学习常识，偶尔还会有一两道数学题。编程题一般是2到3道，难度梯度拉得很明显，第一题通常是签到题，最后一题就是真正拉开差距的压轴题。
整体感受用一个字形容就是"杂"。我当时复习的时候把大量精力放在机器学习算法和深度学习模型上，结果选择题里确实考了一些，比如过拟合的解决方法、交叉熵和KL散度的关系，但更多题是数据结构与算法的基础题。反而是最后几道编程题，让我意识到自己刷题量虽然不少，但对某些经典算法的理解还是停留在"背模板"的层面，换个包装就不会了。
如果你准备投猿辅导或者其他在线教育公司的算法岗，我的建议是：不要只盯着机器学习、深度学习，数据结构和算法的基础一定要扎实，前面的选择题和后面的编程题才是决定你能否进面试的关键。
1.2 考察范围与难度定位
从难度上看，猿辅导算法岗笔试的编程题整体处于LeetCode Medium偏上的水平，偶尔会有Hard级别的题目，但不会特别偏门。考察的知识点主要集中在：
- 数据结构：数组、链表、栈、队列、堆、二叉树、并查集
- 基础算法：排序、二分、贪心、动态规划、深度优先搜索、广度优先搜索
- 字符串：KMP、Trie树、字符串哈希
- 进阶：状态压缩DP、树状数组、线段树
这些知识点看起来都是常规操作，但关键在于题目包装。猿辅导的编程题特别喜欢结合实际业务场景，比如课程安排、学生选课、题目推荐这类场景，本质考的是区间调度、拓扑排序、贪心策略，但你如果看不穿这层包装，就会觉得题目很绕。
另外要注意的是，选择题占的分值并不低。有些同学觉得选择题嘛，随便选选就行，重点搞编程题，这是个误区。选择题错个五六道，编程题就算全对，总分也可能被拉下来。我当时认识的一个朋友就是编程题全AC了，但选择题正确率不高，最后没进面试。所以一定要两条腿走路，选择题和编程题都不能放弃。
2. 核心考点拆解：哪些算法必须吃透
2.1 数据结构类题目永远是重头戏
不管什么公司什么岗位，数据结构都是笔试的重头戏，猿辅导也不例外。从历年题目来看，链表、二叉树、堆、并查集是高频考点，而且经常不是单独考一个结构，而是两个结构结合着考。
先说链表。链表的题说难不难，说简单也不简单，核心考察的是指针操作和边界处理。比如常见的链表反转、合并两个有序链表、找链表中间节点，这些必须写得又快又准。我建议你把这些基础链表操作练到肌肉记忆的程度，因为笔试如果考链表，往往不会只考一道单纯的反转，而是会跟其他知识点结合，比如"判断链表是否有环并找到环的入口""两个链表找第一个公共节点"这类经典题。
二叉树更是绕不开的重点。层序遍历、前中后序遍历（包括递归和非递归写法）、二叉搜索树的相关操作、最近公共祖先，这些都是高频中的高频。尤其是非递归遍历，很多同学递归写得溜，一到非递归就卡壳，建议多练几遍。
再强调一下并查集。很多同学平时刷题不太关注并查集，但它出现的频率其实很高，尤其是在处理"连通性""分组""朋友圈"这类问题的时候。2020年这套笔试的选择题里甚至直接考了并查集的路径压缩和按秩合并的复杂度分析，编程题里也出现过需要用到并查集的题。所以并查集一定要掌握，包括路径压缩的递归写法和非递归写法都要会。
堆也是个常考点。优先队列的实现原理、堆排序、TopK问题，这些不仅要会用，还要理解底层是怎么实现的。比如选择题问你"堆的插入和删除操作的时间复杂度"，如果你只背了答案没理解原理，换个问法可能就懵了。
2.2 动态规划与贪心：从套路到变种
动态规划几乎是所有算法岗笔试的必考内容，猿辅导也不例外。我的感受是，DP题在笔试中的占比非常高，而且往往是区分度最大的题目。
DP的核心就三步：定义状态、写转移方程、确定初始化。听起来简单，但实际操作中大部分人的问题出在前两步。定义状态这一步，要搞清楚题目问什么、有哪些维度是必须纳入状态的。比如"前i个物品中选若干个，总重量不超过W的最大价值"，那状态就得包含i和W两个维度。转移方程这一步，要想清楚当前状态跟哪些前置状态有关，是取max还是取min，是累加还是求概率。
常见的基础DP类型你得烂熟于心：背包问题（0-1背包、完全背包、多重背包）、最长递增子序列、最长公共子序列、编辑距离、区间DP、数位DP、状态压缩DP。我当时在猿辅导这套卷子里就碰到了一道状态压缩DP的题，本质是旅行商问题的变种，但包装成了"安排老师上课路线"之类的情景，如果你没见过状态压缩的套路，光读题就会花掉好几分钟。
贪心算法也是必考，但贪心有个特点——不考则已，一考就容易卡住。因为贪心策略的证明往往比写代码难。做贪心题的时候，我有个习惯：先用直觉想出一个贪心策略，然后立刻在脑子里找反例，如果找不出反例，再尝试用手工模拟的小样例验证。如果验证通过，多半这个贪心是对的。写代码的时候再注意排序规则和比较函数的写法（C++的sort比较器如果写反了，整个算法直接废掉），贪心题一般就稳了。
个人感受是，贪心题最常考的套路是区间问题，比如区间调度（最多能安排多少个不重叠的区间）、区间合并、区间选点。以课程安排为背景，考的可能就是"一天最多能上几节课"这类问题。排序规则要么按右端点升序，要么按左端点升序，关键是看题目约束条件。
2.3 字符串与搜索：容易被忽略的送分题
字符串这块，必须掌握KMP算法。我记得热搜词里就有"在KMP算法中，对于模式串p='abacaba'，其next数组"，这种题目在笔试选择题里出现过太多次了。KMP的next数组求法，一定要做到能手动模拟求出来，而且能快速写出来。你说笔试的时候现场推next数组的求法？可以，但会很浪费时间，而且容易出错。建议在笔试前把next数组的两种求法（前缀函数和失配指针）都手写一遍，做到肌眼心三者合一。
除了KMP，Trie树也是常客，尤其是处理前缀匹配、单词查找这类问题。Trie树的实现比KMP简单，就是一个个节点往下走，但要注意节点的子节点用数组还是哈希表存的区别。笔试如果考Trie树，一般不会让你从零开始实现一整棵，而是考某个核心操作，比如插入和查询的复杂度、如何判断一个单词是否完整存在等。
搜索算法这块，深度优先搜索和广度优先搜索就不必多说了，必须掌握。关键是搞清楚什么时候用DFS、什么时候用BFS：求最短路径、最少步数这类问题用BFS；求连通分量、排列组合、棋盘问题、回溯枚举这类用DFS。尤其注意DFS中的剪枝，很多看上去数据规模不大的题，不剪枝就会超时。剪枝的技巧包括最优性剪枝、可行性剪枝、记忆化搜索，这些针对性地练一练，笔试的时候非常实用。
3. 真题实战复盘：三道有代表性的笔试题
3.1 第一题：排序与双指针的经典组合
编程题第一题一般是签到题，但这道签到题也不是单纯给个数组让你排个序。我碰到的那道题大概是这样的：给一个数组，求出所有满足两数之和等于目标值的数对个数，要求不重复计数。乍看之下很简单，但数据规模很大，不能用两层循环暴力解决。
这题的标准解法是先排序，再用双指针从两端向中间移动。排序之后，左指针指向最小元素，右指针指向最大元素，如果两数之和等于目标值，则找到一个数对，然后移动指针；如果小于目标值，说明需要更大的数，左指针右移；如果大于目标值，说明需要更小的数，右指针左移。时间复杂度是排序的O(n log n)加上双指针扫描的O(n)。
这道题的关键在于：你会不会想到用双指针？如果你平时刷题只刷题解、不总结套路，看到"两数之和"可能第一反应就是哈希表。哈希表解法在这道题也能过，但要注意去重逻辑容易写错。双指针解法因为先排序了，去重就特别简单。所以笔试的时候，遇到数组类问题，可以多想一想"如果先排序，会不会变简单"，很多时候排序就是解题的钥匙。
3.2 第二题：二分答案处理最小化最大值问题
第二题就有点意思了，考的是二分答案。题目背景大概是：要把一个长数组分成连续的若干段，希望这么多段的和的最大值尽量小，求这个最小值。这个表述一看就是经典的"最小化最大值"问题，标准解法是二分答案。
为什么想到二分答案？因为"最大值尽量小"这种表述是二分答案的典型信号。我们把"最大值"当成一个变量x，如果x太小，分成的段数就会超过限制；如果x足够大，段数就够用。于是问题转化为：给定一个上界x，判断能否用不超过k段的分割方式使得每段和都不超过x，这个判定问题用一次线性扫描贪心就行。
写二分答案的时候，最容易出错的地方是边界条件。初始的二分范围怎么定？下界可以是数组最大值，因为任何一段的sum都不小于单个元素；上界可以是数组总和。然后while循环里，left和right的更新是left = mid + 1还是left = mid，这个一定要根据具体代码风格统一好，否则很容易死循环或者漏解。
我记得当时很多人卡在判定函数上。有些人觉得"能否分成不超过k段"只要贪心去切就行，这个思路没错，但实现的时候要注意：如果某个元素本身就大于x，那直接返回false，因为单独一段也放不下它。这个边界如果不处理，样例都过不了。二分答案这题算是我吃过的教训里比较有代表性的一道，后面我专门写了一篇文章讲二分答案的套路，核心就是：看到"最大值最小""最小值最大""最多/最少能...使得..."，优先考虑二分。
3.3 第三题：状态压缩DP与图论背景
最后一题是压轴题，难度明显上一个台阶。题目背景是老师上课路线优化，本质是给定一个有向图，要求从起点出发经过所有指定节点再回到起点，求最短总路程。这就是经典的旅行商问题（TSP）变种，数据规模是n大约在15到20之间，不能用全排列暴力，需要用状态压缩DP。
状态压缩DP的核心思路是：用一个整数bitmask表示已经访问过的节点集合，比如二进制第i位为1表示第i个节点已经去过。定义dp[mask][i]表示当前访问过的节点集合是mask，最后停在节点i的最短路径长度。转移时，枚举下一个要去的节点j，如果j还没去过，就用dp[mask][i] + dist[i][j]去更新dp[mask | (1 << j)][j]。最终答案是dp[(1 << n) - 1][0]加上从最后一个节点回到起点的距离。
这题难在两点：一是要一眼看穿这是个状态压缩DP题，而且能识别出n不超过20的约束条件就是状态压缩的信号。二是状态转移怎么写才不会漏解。我当时的做法是先不管题目背景，直接抽象出图论模型，然后回忆TSP问题的标准写法，再把模板套进去。状态压缩DP如果你之前没写过，现场是想不出来的，所以这种题就是要靠平时的积累。
这里要特别提醒一下：状态压缩DP的数组通常是dp[1 << n][n]，n=20时大小就是一百多万，内存不是问题。但如果题目数据规模到了25以上，状态数就是三千多万，时间和内存都会出问题，这时候就要考虑更高级的优化了。笔试中遇到n=15到20的图论题，通常就是想让你用状态压缩DP，别犹豫。
4. 笔试现场的应试技巧与时间分配
4.1 先拿稳分再攻坚难题
笔试时间两个小时，选择题加编程题，时间其实并不宽裕。我的策略是：拿到试卷先花3分钟扫一遍所有题目，大致判断难度分布。然后先做选择题，因为选择题每题都有固定答案，做一道得一道的分，稳。遇到拿不准的选择题，不要卡太久，先标记一下，最后有时间再回头想。
编程题我建议按照从易到难的顺序来做。第一题通常比较简单，尽量一遍写对，不要返工。第二题如果5分钟内没思路，先跳过，看第三题。第三题作为压轴题往往最难，但也不排除第一眼看上去很难、仔细想想其实是套路题的情况。总之就是，先拿稳分，再攻坚难题。不要跟一道题死磕，死磕的代价往往是你后面的题没时间做，心态还会崩。
实际做题的时候，我习惯先写一个能跑的暴力版本，即使复杂度很高，也先保证有分。然后用这个暴力版本作为对拍程序，去验证后面想出来的高效算法是否正确。对拍是一个特别有用的技巧，笔试环境虽然不能像本地那样方便地对拍，但你可以先用小样例人工验证，再把测试样例手动推演一遍。
4.2 暴力解法与数据规模判断
很多同学有个误区：一上来就想最优解，如果一时没想到就不敢下笔。其实，笔试的判分规则一般是：只要通过部分测试用例就有部分分数。所以，即使你想不出最优解，也可以先写一个暴力解法，把能过的测试用例都过了，拿到部分分。
暴力解法的关键是要准确判断数据规模。比如n在10以内，全排列或DFS都能过；n在1000以内，O(n^2)可以接受；n在10^5级别，就一定要O(n log n)或O(n)了。你需要在心里快速估算一下可能的解法能跑多少数据量，然后决定是写暴力还是想优化。
我当时的经验是：拿到一道编程题，先看数据范围。如果n在20以下，秒想状态压缩或全排列；n在100左右，O(n^3)的DP可能可行；n在1000左右，O(n^2)可以接受；n在10^5以上，不好意思，必须O(n log n)。这套判断标准可以帮你快速排除一些不靠谱的解法，节约大量时间。
4.3 调试与边界条件处理
笔试现场最怕的就是"本地能跑，提交就WA"。这种情况九成是边界条件出了问题。常见的边界条件有：空数组、只有一个元素、元素重复、最大最小值、数组长度正好等于分割段数、目标值正好等于数组中某个元素等。
我在做猿辅导这套卷子的时候，就吃过"元素重复"的亏。当时第一题要求找两数之和等于目标值的数对个数，数组里有重复元素，我没有考虑去重，结果样例过了但提交只有部分分数。后来我养成了一个习惯：每道题写完代码后，先自己想几个极端小样例测一下，比如空数组、单元素数组、所有元素都相同的情况。这些极端样例往往能暴露问题，而且想极端样例的时间成本很低，收益却很高。
另外，要注意数据类型的坑。有些题目的中间结果会超过int范围，必须用long long。尤其是涉及累加、求和的题目，即使最终结果在int范围内，中间过程也可能溢出。写代码的时候直接无脑用long long，可以省掉很多麻烦。当然，如果题目要求int输出，最后cast回来就行。
5. 复盘与避坑：那些笔试后才明白的事
5.1 常见失误汇总
笔试结束后我复盘了一下，发现自己的失误主要集中在几个方面，也跟周围同学聊过，发现大家踩的坑都差不多。
第一个坑是读题不仔细。有些题目看起来是算法题，实际上考的是某个特定的数据结构和技巧，比如"求所有区间的最大值之和"这种题，其实是单调栈的经典应用，如果你只看题目表面，以为可以用暴力或线段树，就会方向性错误。建议拿到题先反复读两遍，搞清题目的本质再动手。
第二个坑是复杂度估算错误。有些同学写完代码不去算复杂度，直接提交，碰到大数据的测试用例就超时。建议在动手写之前，快速想一下你的算法复杂度，再对照数据规模判断能不能过，如果能过就写，不能过就想优化方案。不要写完了才后悔。
第三个坑是掌握算法但不熟练。比如你知道KMP算法是干什么的，但让你快速写出next数组却写不出来。笔试没有那么多时间让你慢慢回忆。所以，平时刷题的时候，重要的算法不要只看思路，要动手写代码，而且要多次重复写，形成肌肉记忆。
第四个坑是编程语言的细节问题。用C++的同学特别要注意指针和STL的使用，很多时候报错是因为越界访问或迭代器失效。用Python的同学要注意递归深度的问题，DFS如果递归深度很深，Python默认的递归限制会报错，得手动调sys.setrecursionlimit。这些细节平时不注意，笔试现场遇到了就很崩溃。
5.2 从笔试到面试：后续准备建议
如果你笔试过了，进了面试，那恭喜你，但也不要掉以轻心。猿辅导的面试一般也有算法题环节，而且面试时的算法题往往比笔试的更注重思路交流和复杂度分析。面试官会让你先讲思路，再写代码，写完了还会问"能不能优化""如果数据量更大怎么办"，这些都是考察点。
我的建议是：笔试结束后，趁热打铁把笔试中暴露出来的薄弱知识点补上。比如你发现自己在状态压缩DP上卡壳了，那就把这一个专题刷透，找出十道以上的同类题训练。不要一个知识点学一半就换下一个，那样效果很差。
另外，算法岗位的面试除了手撕代码，还会问机器学习相关的基础知识。比如决策树、随机森林、GBDT、XGBoost的原理和区别，这些在笔试选择题里也会出现，但面试时会问得更深。比如"XGBoost和GBDT有什么核心区别""如何防止过拟合""特征工程有哪些常用方法"。所以准备算法岗的面试，算法和机器学习两条线都要抓。
最后提一句，猿辅导作为在线教育大厂，业务场景跟教育数据、推荐系统、自然语言处理都有关系。如果你有相关项目经验，写在简历上并提前准备好细节，面试的时候会很有优势。
5.3 个人心得：刷题方法论才是核心竞争力
吐槽完具体题目，我还是想聊聊更深一点的东西。很多人觉得笔试就是刷题，刷得越多越好，这话对了一半。刷题数量确实重要，但比数量更重要的是刷题的方法论。我见过一些同学刷了五六百道LeetCode，但遇到新题还是不会做，原因就是他只刷题不复盘，没有从题目中抽象出共通的解题套路。
我自己的刷题方法是这样：每做完一道题，不管做没做出来，都会在笔记里记下这道题的关键词和核心思路。比如做了一道"求最多可以安排多少场会议"的题，我就记下"贪心+区间调度+按结束时间排序"。下次遇到类似的题，翻开笔记一看，马上有思路。这样坚持三个月，你会发现自己看到新题的第一反应不再是慌，而是"这道题跟某某题的思路有点像"。
从这个角度看，猿辅导2020校招笔试（算法岗一）这张卷子，其实就是一套不错的自我检测题。如果你能独立做完这套题，并且总结出每道题背后的算法思想，那你对算法和数据结构的理解就上了一个台阶。就算你最后没有投猿辅导，这套题也值得拿来练手。
