面试官为何重视算法能力
在面试中，算法能力的考察不仅展示候选人的基础编程技能，更关键的是反映其思维模式、解决问题的能力和面对复杂挑战的态度。算法题测试的是有效思考和规划解决方案的过程。面试官希望看到候选人快速理解问题核心并设计高效方案的能力。
大厂非常注重员工的成长潜力及其未来可能带来的贡献。通过评估应聘者处理较难算法题目的表现，可以间接了解到他们应对更加复杂项目或难题时的态度和能力。如果遇到难题无法解决，正确的应对方式是积极沟通向面试官寻求帮助，也许在面试官的提示下你还是把难题攻克了，这时候你展现出来的沟通能力和合作能力正是面试官希望看到的。
面试中的编程题大致可以分为程序逻辑题和算法题。
程序逻辑题
- 理解业务逻辑的能力：程序逻辑题通常反映了实际工作中的业务场景，通过这些问题可以考察我们是否能够正确理解和解析复杂的业务逻辑，并将其转换为有效的计算机程序。
- 代码清晰度和可维护性：这类题目还可以帮助面试官评估我们的代码风格、命名习惯以及是否写出易于理解和维护的代码。
- 解决问题的思路：如何分析问题、拆解问题，进而构建解决方案的过程。这不仅包括最终的答案，还包括思考过程中的假设、边界条件考虑等。
算法题
- 数据结构与算法知识：算法题直接测试候选人对常见数据结构（如数组、链表、栈、队列、树等）的理解程度，以及能否灵活运用这些结构来设计高效算法。
- 优化能力：好的算法应该在时间和空间复杂度上都尽可能地优化。因此，这类题目也用来检验我们对于性能优化的理解和实践能力。
- 编程技巧：解决算法问题往往需要一些特殊的编程技巧或模式识别能力，比如递归、动态规划、贪心算法等，这些都是衡量一个程序员技术水平的重要指标。
- 创造力和创新思维：有时候标准答案之外还有更优美的解法，面试官希望通过此类问题发现具有创造性思维的人才。
案例
理论少讲，咱们用例子来理解，题目很简单：求x的n次方
我一抖机灵，用内置的math.pow函数秒了:
function Pow(x, n) {
return Math.pow(x, n);
}
emmm...显然面试官不是想考察我会多少API，我也很清楚这点于是——
用for循环秒了:
var myPow = function(x, n) {
let result = 1
for(let i = 0; i < n; i++){
result *= x
}
return result
};
面试官开口了：还有别的方法吗？这个时候，我开始思考这个问题的特征，既然它能使用for循环解决，那么它一定是可被拆分的问题，如果一个复杂的问题可以被拆分成多个类似的子问题，可以使用递归的方法解决:
function UseRecursion(x, n) {
if (n === 0) {
return 1;
} else if (n > 0) {
return x * UseRecursion(x, n - 1);
}
}
“还有更好的方法吗？”
听到这句话就说明了前两种方法其实都是很一般的解法，我们应该用算法优化的核心（时间复杂度和空间复杂度）去思考这个问题，如果你已经研究过这个问题，想必你已经知道了快速幂算法:
function func(x,n){
if (n === 0){
return 1
}
let t = func(x,Math.floor(n/2))
if (n % 2 === 0){
return t * t
}else{
return t * t * x
}
}
-
如果
n不为 0，那么函数会递归调用自己，传入的是n的一半（向下取整），并将结果存储在变量t中。 -
接着检查
n是否为偶数：- 如果
n是偶数，那么x^n就等于(x^(n/2))^2，即t*t。 - 如果
n是奇数，那么x^n就等于(x^((n-1)/2))^2 * x，即t*t*x
- 如果
结果固然重要，但更重要的是思考的方式和方法
无论是用for循环还是普通的递归时间复杂度都为O(n)，因此采用哪种区别不大。而通过快速幂算法，函数能够有效地减少需要执行的乘法操作的数量，因为每次递归调用都将问题的规模减小了一半，时间复杂度为O(log n)，你可以这样想，如果n为100，正常递归得100次，而快速幂算法只需要递归10次。
其实递归更像是一种编程策略，它依赖编译器的底层执行机制，虽然递归在处理具有重复结构的问题时特别有用，但是栈溢出的问题一定要注意避免(比如未正确设置终止条件导致无限递归)
点个赞再走吧~
