当前位置：首页 > news >正文

【2024年华为OD机试】 (C卷,200分)- 贪心歌手（JavaScriptJava PythonC/C++）

news 2025/8/4 2:47:25

在这里插入图片描述

一、问题描述

问题描述

一个歌手需要从A城前往B城参加演出，必须在T天内到达。途中会经过N座城市，且不能往回走。每两座城市之间的行程天数已知。歌手在每座城市都可以卖唱赚钱，但收入会随着停留天数的增加而递减。具体来说，第一天赚M元，第二天赚M-D元，第三天赚M-2D元，依此类推，直到收入不再减少（即收入不低于0）。歌手到达某座城市的第二天才能开始卖唱，且如果今天卖唱，第二天才能出发。

目标是规划歌手的行程，使得在T天内赚取的总收入最大。

输入输出

输入：
- 第一行：T（总天数）和N（途经城市数）。
- 第二行：N+1个数字，表示每两座城市之间的行程天数。
- 接下来N行：每行两个数字M和D，表示每座城市的卖唱收入预期。
输出：
- 一个数字，表示歌手最多可以赚多少钱。

解题思路

计算可用时间：
- 首先计算所有行程天数的总和roadCost，这是必须花费的时间。
- 剩余可用于卖唱的时间为remain = T - roadCost。
收入计算：
- 每座城市的收入是递减的，第一天赚M元，第二天赚M-D元，依此类推，直到收入不再减少。
- 因此，每座城市的收入可以表示为一个等差数列。
时间分配：
- 需要将remain天合理分配给各座城市，以最大化总收入。
- 由于收入递减，优先选择收入较高的天数。
优先队列的使用：
- 使用优先队列（最小堆）来记录已经分配的天数中收入最小的天数。
- 当需要分配新的天数时，比较当前城市的收入与优先队列中的最小收入，如果当前收入更高，则替换。

具体步骤

初始化：
- 计算remain。
- 初始化优先队列。
遍历城市：
- 对于每座城市，计算在该城市停留不同天数的收入。
- 将收入较高的天数加入优先队列。
替换策略：
- 如果优先队列已满（即所有remain天已分配），则比较当前城市的收入与优先队列中的最小收入。
- 如果当前收入更高，则替换。
计算总收入：
- 最终，优先队列中的所有收入之和即为最大总收入。

示例解析

以题目中的示例为例：

输入：
- T = 10，N = 2
- 行程天数：1, 1, 2
- 城市1：M = 120，D = 20
- 城市2：M = 90，D = 10
计算：
- roadCost = 1 + 1 + 2 = 4
- remain = 10 - 4 = 6
分配：
- 城市1：停留3天，收入为120 + 100 + 80 = 300
- 城市2：停留3天，收入为90 + 80 + 70 = 240
- 总收入 = 300 + 240 = 540

通过合理分配时间，歌手可以在6天内赚取540元，这是最优的收入。

总结

本题的关键在于合理分配剩余时间，使得总收入最大化。通过使用优先队列来动态调整收入分配，可以有效地找到最优解。

二、JavaScript算法源码

以下是对代码的详细注释和讲解，帮助理解每一部分的逻辑和实现方式：

代码结构

输入处理：
- 使用readline模块读取输入数据。
- 解析总天数t和城市数量n。
- 解析每两座城市之间的行程天数，并计算总行程时间roadCost。
- 解析每座城市的卖唱收入预期m和递减值d，存储在数组mds中。
剩余时间计算：
- 计算剩余可用于卖唱的时间remain = t - roadCost。
- 如果remain <= 0，说明没有时间可用于卖唱，直接输出0并结束程序。
优先队列的使用：
- 使用数组pq模拟优先队列（降序排序），记录每天赚的钱。
- 遍历每座城市，计算在该城市停留每天的收入，并尝试将其加入优先队列。
收入计算与替换策略：
- 对于每座城市，只要当天收入m > 0，就继续计算。
- 如果优先队列已满（即pq.length >= remain），则比较当前收入m与优先队列中最小收入pq.at(-1)：
  - 如果m > pq.at(-1)，说明当前收入更高，替换掉优先队列中最小收入。
  - 否则，停止在该城市停留，因为继续停留收入会更低。
- 将当前收入m加入优先队列，并对队列重新排序（降序）。
- 每天收入减少d，继续计算下一天的收入。
输出结果：
- 计算优先队列中所有收入的总和，输出最大总收入。

代码逐行注释

const rl = require("readline").createInterface({ input: process.stdin });
var iter = rl[Symbol.asyncIterator]();
const readline = async () => (await iter.next()).value;void (async function () {// 读取总天数t和城市数量nconst [t, n] = (await readline()).split(" ").map(Number);// 读取每两座城市之间的行程天数，并计算总行程时间roadCostconst roadCost = (await readline()).split(" ").map(Number).reduce((a, b) => a + b);// 读取每座城市的卖唱收入预期m和递减值d，存储在数组mds中const mds = [];for (let i = 0; i < n; i++) {mds.push((await readline()).split(" ").map(Number));}// 计算剩余可用于卖唱的时间remainconst remain = t - roadCost;// 如果没有剩余时间，直接输出0并结束if (remain <= 0) {console.log(0);return;}// 优先队列（降序数组），记录每天赚的钱const pq = [];// 遍历每座城市for (let [m, d] of mds) {// 只要在当前城市还有钱赚（m > 0），就继续停留while (m > 0) {// 如果优先队列已满（即已经分配了remain天）if (pq.length >= remain) {// 比较当前收入m与优先队列中最小收入pq.at(-1)if (m > pq.at(-1)) {// 如果当前收入更高，替换掉优先队列中最小收入pq.pop();} else {// 如果当前收入更低，停止在该城市停留break;}}// 将当前收入m加入优先队列pq.push(m);// 对优先队列重新排序（降序）pq.sort((a, b) => b - a);// 每天收入减少dm -= d;}}// 计算优先队列中所有收入的总和const ans = pq.reduce((a, b) => a + b);// 输出最大总收入console.log(ans);
})();

代码逻辑详解

输入处理：
- 使用readline模块逐行读取输入数据。
- 将总天数t和城市数量n解析为数字。
- 将每两座城市之间的行程天数解析为数组，并计算总行程时间roadCost。
- 将每座城市的卖唱收入预期m和递减值d解析为数组，存储在mds中。
剩余时间计算：
- 计算剩余可用于卖唱的时间remain = t - roadCost。
- 如果remain <= 0，说明没有时间可用于卖唱，直接输出0并结束程序。
优先队列的使用：
- 使用数组pq模拟优先队列，记录每天赚的钱。
- 遍历每座城市，计算在该城市停留每天的收入，并尝试将其加入优先队列。
收入计算与替换策略：
- 对于每座城市，只要当天收入m > 0，就继续计算。
- 如果优先队列已满（即pq.length >= remain），则比较当前收入m与优先队列中最小收入pq.at(-1)：
  - 如果m > pq.at(-1)，说明当前收入更高，替换掉优先队列中最小收入。
  - 否则，停止在该城市停留，因为继续停留收入会更低。
- 将当前收入m加入优先队列，并对队列重新排序（降序）。
- 每天收入减少d，继续计算下一天的收入。
输出结果：
- 计算优先队列中所有收入的总和，输出最大总收入。

示例运行

输入：

运行过程：

计算总行程时间roadCost = 1 + 1 + 2 = 4。
计算剩余时间remain = 10 - 4 = 6。
遍历城市：
- 城市1：收入120, 100, 80，加入优先队列[120, 100, 80]。
- 城市2：收入90, 80, 70，替换优先队列中的最小收入80，最终队列为[120, 100, 90, 80, 70]。
计算总收入120 + 100 + 90 + 80 + 70 = 540。

输出：

总结

代码通过优先队列动态调整收入分配，确保在有限的时间内赚取最大收入。逻辑清晰，注释详细，适合理解贪心算法的应用场景。

三、Java算法源码

以下是Java代码的详细注释和讲解，帮助理解每一部分的逻辑和实现方式：

代码结构

输入处理：
- 使用Scanner读取输入数据。
- 解析总天数t和城市数量n。
- 解析每两座城市之间的行程天数，并计算总行程时间roadCost。
- 解析每座城市的卖唱收入预期m和递减值d，存储在二维数组mds中。
剩余时间计算：
- 计算剩余可用于卖唱的时间remain = t - roadCost。
- 如果remain <= 0，说明没有时间可用于卖唱，直接返回0。
优先队列的使用：
- 使用PriorityQueue（小顶堆）记录每天赚的钱。
- 遍历每座城市，计算在该城市停留每天的收入，并尝试将其加入优先队列。
收入计算与替换策略：
- 对于每座城市，只要当天收入m > 0，就继续计算。
- 如果优先队列已满（即pq.size() >= remain），则比较当前收入m与优先队列中最小收入pq.peek()：
  - 如果m > pq.peek()，说明当前收入更高，替换掉优先队列中最小收入。
  - 否则，停止在该城市停留，因为继续停留收入会更低。
- 将当前收入m加入优先队列。
- 每天收入减少d，继续计算下一天的收入。
输出结果：
- 计算优先队列中所有收入的总和，返回最大总收入。

代码逐行注释

import java.util.PriorityQueue;
import java.util.Scanner;public class Main {static int t; // 总天数static int n; // 城市数量static int roadCost; // 总行程时间static int[][] mds; // 每座城市的卖唱收入预期public static void main(String[] args) {Scanner sc = new Scanner(System.in);// 读取总天数t和城市数量nt = sc.nextInt();n = sc.nextInt();// 读取每两座城市之间的行程天数，并计算总行程时间roadCostroadCost = 0;for (int i = 0; i < n + 1; i++) {roadCost += sc.nextInt();}// 读取每座城市的卖唱收入预期m和递减值d，存储在二维数组mds中mds = new int[n][2];for (int i = 0; i < n; i++) {mds[i][0] = sc.nextInt(); // mmds[i][1] = sc.nextInt(); // d}// 输出最大总收入System.out.println(getResult());}public static int getResult() {// 计算剩余可用于卖唱的时间remainint remain = t - roadCost;// 如果没有剩余时间，直接返回0if (remain <= 0) {return 0;}// 优先队列（小顶堆），记录每天赚的钱PriorityQueue<Integer> pq = new PriorityQueue<>((a, b) -> a - b);// 遍历每座城市for (int[] md : mds) {// 第一天卖唱可以赚m，后续每天的收入会减少dint m = md[0];int d = md[1];// 只要在当前城市还有钱赚（m > 0），就继续停留while (m > 0) {// 如果优先队列已满（即已经分配了remain天）if (pq.size() >= remain) {// 比较当前收入m与优先队列中最小收入pq.peek()if (m > pq.peek()) {// 如果当前收入更高，替换掉优先队列中最小收入pq.poll();} else {// 如果当前收入更低，停止在该城市停留break;}}// 将当前收入m加入优先队列pq.add(m);// 每天收入减少dm -= d;}}// 计算优先队列中所有收入的总和return pq.stream().reduce(Integer::sum).orElse(0);}
}

代码逻辑详解

输入处理：
- 使用Scanner读取输入数据。
- 解析总天数t和城市数量n。
- 解析每两座城市之间的行程天数，并计算总行程时间roadCost。
- 解析每座城市的卖唱收入预期m和递减值d，存储在二维数组mds中。
剩余时间计算：
- 计算剩余可用于卖唱的时间remain = t - roadCost。
- 如果remain <= 0，说明没有时间可用于卖唱，直接返回0。
优先队列的使用：
- 使用PriorityQueue（小顶堆）记录每天赚的钱。
- 遍历每座城市，计算在该城市停留每天的收入，并尝试将其加入优先队列。
收入计算与替换策略：
- 对于每座城市，只要当天收入m > 0，就继续计算。
- 如果优先队列已满（即pq.size() >= remain），则比较当前收入m与优先队列中最小收入pq.peek()：
  - 如果m > pq.peek()，说明当前收入更高，替换掉优先队列中最小收入。
  - 否则，停止在该城市停留，因为继续停留收入会更低。
- 将当前收入m加入优先队列。
- 每天收入减少d，继续计算下一天的收入。
输出结果：
- 计算优先队列中所有收入的总和，返回最大总收入。

示例运行

输入：

运行过程：

计算总行程时间roadCost = 1 + 1 + 2 = 4。
计算剩余时间remain = 10 - 4 = 6。
遍历城市：
- 城市1：收入120, 100, 80，加入优先队列[120, 100, 80]。
- 城市2：收入90, 80, 70，替换优先队列中的最小收入80，最终队列为[120, 100, 90, 80, 70]。
计算总收入120 + 100 + 90 + 80 + 70 = 540。

输出：

总结

代码通过优先队列动态调整收入分配，确保在有限的时间内赚取最大收入。逻辑清晰，注释详细，适合理解贪心算法的应用场景。

四、Python算法源码

以下是Python代码的详细注释和讲解，帮助理解每一部分的逻辑和实现方式：

代码结构

输入处理：
- 使用input()读取输入数据。
- 解析总天数t和城市数量n。
- 解析每两座城市之间的行程天数，并计算总行程时间roadCost。
- 解析每座城市的卖唱收入预期m和递减值d，存储在列表mds中。
剩余时间计算：
- 计算剩余可用于卖唱的时间remain = t - roadCost。
- 如果remain <= 0，说明没有时间可用于卖唱，直接返回0。
优先队列的使用：
- 使用heapq模块实现小顶堆，记录每天赚的钱。
- 遍历每座城市，计算在该城市停留每天的收入，并尝试将其加入优先队列。
收入计算与替换策略：
- 对于每座城市，只要当天收入m > 0，就继续计算。
- 如果优先队列已满（即len(pq) >= remain），则比较当前收入m与优先队列中最小收入pq[0]：
  - 如果m > pq[0]，说明当前收入更高，替换掉优先队列中最小收入。
  - 否则，停止在该城市停留，因为继续停留收入会更低。
- 将当前收入m加入优先队列。
- 每天收入减少d，继续计算下一天的收入。
输出结果：
- 计算优先队列中所有收入的总和，返回最大总收入。

代码逐行注释

import heapq# 输入获取
t, n = map(int, input().split())  # 读取总天数t和城市数量n
roadCost = sum(map(int, input().split()))  # 读取行程天数并计算总行程时间roadCost
mds = [list(map(int, input().split())) for _ in range(n)]  # 读取每座城市的m和d，存储在列表mds中# 算法入口
def getResult():# remain是刨去必要的路程时间后，剩余可以用于赚钱的时间remain = t - roadCost# 如果没有剩余时间，直接返回0if remain <= 0:return 0# 优先队列（小顶堆），记录每天赚的钱pq = []# 遍历每座城市for m, d in mds:# 只要在当前城市还有钱赚（m > 0），就继续停留while m > 0:# 如果优先队列已满（即已经分配了remain天）if len(pq) >= remain:# 比较当前收入m与优先队列中最小收入pq[0]if m > pq[0]:# 如果当前收入更高，替换掉优先队列中最小收入heapq.heappop(pq)else:# 如果当前收入更低，停止在该城市停留break# 将当前收入m加入优先队列heapq.heappush(pq, m)# 每天收入减少dm -= d# 计算优先队列中所有收入的总和return sum(pq)# 算法调用
print(getResult())

代码逻辑详解

输入处理：
- 使用input()读取输入数据。
- 解析总天数t和城市数量n。
- 解析每两座城市之间的行程天数，并计算总行程时间roadCost。
- 解析每座城市的卖唱收入预期m和递减值d，存储在列表mds中。
剩余时间计算：
- 计算剩余可用于卖唱的时间remain = t - roadCost。
- 如果remain <= 0，说明没有时间可用于卖唱，直接返回0。
优先队列的使用：
- 使用heapq模块实现小顶堆，记录每天赚的钱。
- 遍历每座城市，计算在该城市停留每天的收入，并尝试将其加入优先队列。
收入计算与替换策略：
- 对于每座城市，只要当天收入m > 0，就继续计算。
- 如果优先队列已满（即len(pq) >= remain），则比较当前收入m与优先队列中最小收入pq[0]：
  - 如果m > pq[0]，说明当前收入更高，替换掉优先队列中最小收入。
  - 否则，停止在该城市停留，因为继续停留收入会更低。
- 将当前收入m加入优先队列。
- 每天收入减少d，继续计算下一天的收入。
输出结果：
- 计算优先队列中所有收入的总和，返回最大总收入。

示例运行

输入：

运行过程：

计算总行程时间roadCost = 1 + 1 + 2 = 4。
计算剩余时间remain = 10 - 4 = 6。
遍历城市：
- 城市1：收入120, 100, 80，加入优先队列[120, 100, 80]。
- 城市2：收入90, 80, 70，替换优先队列中的最小收入80，最终队列为[120, 100, 90, 80, 70]。
计算总收入120 + 100 + 90 + 80 + 70 = 540。

输出：

总结

代码通过优先队列动态调整收入分配，确保在有限的时间内赚取最大收入。逻辑清晰，注释详细，适合理解贪心算法的应用场景。

五、C/C++算法源码：

以下是C语言和C++代码的实现，包含详细的中文注释和讲解：

C语言代码

#include <stdio.h>
#include <stdlib.h>// 比较函数，用于降序排序
int cmp(const void *a, const void *b) {return *((int *) b) - *((int *) a);
}int main() {int t, n;scanf("%d %d", &t, &n); // 读取总天数t和城市数量n// roadCost是A~B城市必需的路程时间int roadCost = 0;for (int i = 0; i < n + 1; i++) {int cost;scanf("%d", &cost); // 读取每段路程的时间roadCost += cost;   // 累加总路程时间}// remain是刨去必要的路程时间后，剩余可以用于赚钱的时间int remain = t - roadCost;// 如果没有剩余时间可以用，则赚不到钱if (remain <= 0) {puts("0"); // 输出0return 0;}// 优先队列（降序数组）记录赚到的钱, 即数组尾巴是某天赚的最少的钱int pq[remain + 1]; // 数组模拟优先队列int pq_size = 0;    // 优先队列的当前大小for (int i = 0; i < n; i++) {// 第一天卖唱可以赚m，后续每天的收入会减少dint m, d;scanf("%d %d", &m, &d); // 读取当前城市的m和d// 只要在当前城市还有钱赚，那么就继续待while (m > 0) {// 只有remain天可以赚钱，超出的时间不能赚钱，因此需要比较超出的时间赚的钱m，和前面时间中赚的最少的钱pq[pq_size - 1]if (pq_size >= remain) {// pq[pq_size - 1]只可能是某座城市停留的最后一天的赚的钱，因为每座城市都是停留的最后一天赚的钱最少if (m > pq[pq_size - 1]) {// 如果当前城市当天赚的钱m，比前面天里面赚的最少的pq[pq_size - 1]多，那么就赚pq[pq_size - 1]钱的那天时间节约下来，给当天用pq_size--; // 移除最小收入} else {// 如果当前城市当天赚的钱m，比前面天里面赚的最少的pq[pq_size - 1]还少，则当前城市继续待下去赚的钱只会更少，因此没必要呆下去了break;}}// 如果所有城市停留时间没有超出remain天，或者当天是超出的时间，但是比前面赚的最少的一天的赚的更多，则赚m更优pq[pq_size++] = m; // 将当前收入加入优先队列qsort(pq, pq_size, sizeof(int), cmp); // 对优先队列重新排序（降序）// 每天收入减少dm -= d;}}// 计算优先队列中所有收入的总和int ans = 0;for (int i = 0; i < pq_size; i++) {ans += pq[i];}// 输出最大总收入printf("%d\n", ans);return 0;
}

C++代码

#include <iostream>
#include <vector>
#include <algorithm>
using namespace std;// 比较函数，用于降序排序
bool cmp(int a, int b) {return a > b;
}int main() {int t, n;cin >> t >> n; // 读取总天数t和城市数量n// roadCost是A~B城市必需的路程时间int roadCost = 0;for (int i = 0; i < n + 1; i++) {int cost;cin >> cost; // 读取每段路程的时间roadCost += cost; // 累加总路程时间}// remain是刨去必要的路程时间后，剩余可以用于赚钱的时间int remain = t - roadCost;// 如果没有剩余时间可以用，则赚不到钱if (remain <= 0) {cout << 0 << endl; // 输出0return 0;}// 优先队列（降序数组）记录赚到的钱, 即数组尾巴是某天赚的最少的钱vector<int> pq; // 动态数组模拟优先队列for (int i = 0; i < n; i++) {// 第一天卖唱可以赚m，后续每天的收入会减少dint m, d;cin >> m >> d; // 读取当前城市的m和d// 只要在当前城市还有钱赚，那么就继续待while (m > 0) {// 只有remain天可以赚钱，超出的时间不能赚钱，因此需要比较超出的时间赚的钱m，和前面时间中赚的最少的钱pq.back()if (pq.size() >= remain) {// pq.back()只可能是某座城市停留的最后一天的赚的钱，因为每座城市都是停留的最后一天赚的钱最少if (m > pq.back()) {// 如果当前城市当天赚的钱m，比前面天里面赚的最少的pq.back()多，那么就赚pq.back()钱的那天时间节约下来，给当天用pq.pop_back(); // 移除最小收入} else {// 如果当前城市当天赚的钱m，比前面天里面赚的最少的pq.back()还少，则当前城市继续待下去赚的钱只会更少，因此没必要呆下去了break;}}// 如果所有城市停留时间没有超出remain天，或者当天是超出的时间，但是比前面赚的最少的一天的赚的更多，则赚m更优pq.push_back(m); // 将当前收入加入优先队列sort(pq.begin(), pq.end(), cmp); // 对优先队列重新排序（降序）// 每天收入减少dm -= d;}}// 计算优先队列中所有收入的总和int ans = 0;for (int val : pq) {ans += val;}// 输出最大总收入cout << ans << endl;return 0;
}

代码逻辑详解

输入处理：
- 读取总天数t和城市数量n。
- 读取每段路程的时间，并计算总行程时间roadCost。
- 计算剩余可用于卖唱的时间remain = t - roadCost。
优先队列的实现：
- 使用数组（C语言）或vector（C++）模拟优先队列。
- 通过排序（降序）实现优先队列的功能。
收入计算与替换策略：
- 对于每座城市，只要当天收入m > 0，就继续计算。
- 如果优先队列已满（即pq.size() >= remain），则比较当前收入m与优先队列中最小收入pq.back()：
  - 如果m > pq.back()，说明当前收入更高，替换掉优先队列中最小收入。
  - 否则，停止在该城市停留，因为继续停留收入会更低。
- 将当前收入m加入优先队列，并对队列重新排序（降序）。
- 每天收入减少d，继续计算下一天的收入。
输出结果：
- 计算优先队列中所有收入的总和，输出最大总收入。

示例运行

输入：

运行过程：

计算总行程时间roadCost = 1 + 1 + 2 = 4。
计算剩余时间remain = 10 - 4 = 6。
遍历城市：
- 城市1：收入120, 100, 80，加入优先队列[120, 100, 80]。
- 城市2：收入90, 80, 70，替换优先队列中的最小收入80，最终队列为[120, 100, 90, 80, 70]。
计算总收入120 + 100 + 90 + 80 + 70 = 540。

输出：

总结

C语言和C++代码通过数组或vector模拟优先队列，动态调整收入分配，确保在有限的时间内赚取最大收入。
逻辑清晰，注释详细，适合理解贪心算法的应用场景。

六、尾言

什么是华为OD？

华为OD（Outsourcing Developer，外包开发工程师）是华为针对软件开发工程师岗位的一种招聘形式，主要包括笔试、技术面试以及综合面试等环节。尤其在笔试部分，算法题的机试至关重要。

为什么刷题很重要？

机试是进入技术面的第一关：
华为OD机试（常被称为机考）主要考察算法和编程能力。只有通过机试，才能进入后续的技术面试环节。
技术面试需要手撕代码：
技术一面和二面通常会涉及现场编写代码或算法题。面试官会注重考察候选人的思路清晰度、代码规范性以及解决问题的能力。因此提前刷题、多练习是通过面试的重要保障。
入职后的可信考试：
入职华为后，还需要通过“可信考试”。可信考试分为三个等级：
- 入门级：主要考察基础算法与编程能力。
- 工作级：更贴近实际业务需求，可能涉及复杂的算法或与工作内容相关的场景题目。
- 专业级：最高等级，考察深层次的算法以及优化能力，与薪资直接挂钩。

刷题策略与说明：

2024年8月14日之后，华为OD机试的题库转为 E卷，由往年题库（D卷、A卷、B卷、C卷）和全新题目组成。刷题时可以参考以下策略：

关注历年真题：
- 题库中的旧题占比较大，建议优先刷历年的A卷、B卷、C卷、D卷题目。
- 对于每道题目，建议深度理解其解题思路、代码实现，以及相关算法的适用场景。
适应新题目：
- E卷中包含全新题目，需要掌握全面的算法知识和一定的灵活应对能力。
- 建议关注新的刷题平台或交流群，获取最新题目的解析和动态。
掌握常见算法：
华为OD考试通常涉及以下算法和数据结构：
- 排序算法（快速排序、归并排序等）
- 动态规划（背包问题、最长公共子序列等）
- 贪心算法
- 栈、队列、链表的操作
- 图论（最短路径、最小生成树等）
- 滑动窗口、双指针算法
保持编程规范：
- 注重代码的可读性和注释的清晰度。
- 熟练使用常见编程语言，如C++、Java、Python等。

如何获取资源？

官方参考：
- 华为招聘官网或相关的招聘平台会有一些参考信息。
- 华为OD的相关公众号可能也会发布相关的刷题资料或学习资源。
加入刷题社区：
- 找到可信的刷题交流群，与其他备考的小伙伴交流经验。
- 关注知名的刷题网站，如LeetCode、牛客网等，这些平台上有许多华为OD的历年真题和解析。
寻找系统性的教程：
- 学习一本经典的算法书籍，例如《算法导论》《剑指Offer》《编程之美》等。
- 完成系统的学习课程，例如数据结构与算法的在线课程。

积极心态与持续努力：

刷题的过程可能会比较枯燥，但它能够显著提升编程能力和算法思维。无论是为了通过华为OD的招聘考试，还是为了未来的职业发展，这些积累都会成为重要的财富。

考试注意细节

本地编写代码
- 在本地 IDE（如 VS Code、PyCharm 等）上编写、保存和调试代码，确保逻辑正确后再复制粘贴到考试页面。这样可以减少语法错误，提高代码准确性。
调整心态，保持冷静
- 遇到提示不足或实现不确定的问题时，不必慌张，可以采用更简单或更有把握的方法替代，确保思路清晰。
输入输出完整性
- 注意训练和考试时都需要编写完整的输入输出代码，尤其是和题目示例保持一致。完成代码后务必及时调试，确保功能符合要求。
快捷键使用
- 删除行可用 Ctrl+D，复制、粘贴和撤销分别为 Ctrl+C，Ctrl+V，Ctrl+Z，这些可以正常使用。
- 避免使用 Ctrl+S，以免触发浏览器的保存功能。
浏览器要求
- 使用最新版的 Google Chrome 浏览器完成考试，确保摄像头开启并正常工作。考试期间不要切换到其他网站，以免影响考试成绩。
交卷相关
- 答题前，务必仔细查看题目示例，避免遗漏要求。
- 每完成一道题后，点击【保存并调试】按钮，多次保存和调试是允许的，系统会记录得分最高的一次结果。完成所有题目后，点击【提交本题型】按钮。
- 确保在考试结束前提交试卷，避免因未保存或调试失误而丢分。
时间和分数安排
- 总时间：150 分钟；总分：400 分。
- 试卷结构：2 道一星难度题（每题 100 分），1 道二星难度题（200 分）。及格分为 150 分。合理分配时间，优先完成自己擅长的题目。
考试环境准备
- 考试前请备好草稿纸和笔。考试中尽量避免离开座位，确保监控画面正常。
- 如需上厕所，请提前规划好时间以减少中途离开监控的可能性。
技术问题处理
- 如果考试中遇到断电、断网、死机等技术问题，可以关闭浏览器并重新打开试卷链接继续作答。
- 出现其他问题，请第一时间联系 HR 或监考人员进行反馈。