当前位置： 首页 > article >正文

【2024年华为OD机试】 (C卷,200分)- 机器人走迷宫（JavaScriptJava PythonC/C++）

article 2025/1/29 7:39:59

在这里插入图片描述

一、问题描述

题目描述

房间由X * Y的方格组成，每个方格用坐标(x, y)描述。机器人从(0, 0)出发，只能向东或向北前进，出口在(X-1, Y-1)。房间中有一些墙壁，机器人不能经过。有些方格是陷阱（B），一旦到达就无法走到出口。有些方格是不可达的（A），机器人无法到达这些方格。要求计算陷阱方格和不可达方格的数量。

输入描述

  • 第一行：房间的X和Y（0 < X, Y <= 1000）
  • 第二行：墙壁的个数N（0 <= N < X*Y）
  • 接下来N行：每行一个墙壁的坐标

输出描述

  • 陷阱方格与不可达方格的数量，两个信息在一行中输出，以一个空格隔开。

题目解析

1. 初始化地图

  • 用1标记墙壁，0标记非墙壁。
  • 地图的x轴为行数，y轴为列数。

2. 深度优先搜索（DFS）

  • 从起点(0, 0)开始DFS，标记可达的方格。
  • 对于每个方格，检查其东边和北边的方格是否可达。
  • 如果东边和北边的方格都是死路（墙壁或越界），则当前方格是陷阱。
  • 如果只有一边是死路，继续DFS。

3. 处理终点

  • 在DFS之前，将终点(X-1, Y-1)标记为活路（2），以避免错误判断终点为死路。

4. 统计结果

  • 陷阱方格：标记为-1的方格数量。
  • 不可达方格：标记为0的方格数量。

示例

示例1

输入：

6 4
5
0 2
1 2
2 2
4 1
5 1

输出：

2 3

说明：

  • 陷阱方格有2个，不可达方格有3个。

示例2

输入：

6 4
4
2 0
2 1
3 0
3 1

输出：

0 4

说明：

  • 没有陷阱方格，不可达方格有4个。

注意事项

  • Python代码可能会出现递归过深的问题，可以适当增大递归的最大深度限制。
import sys
sys.setrecursionlimit(2500)

通过以上步骤，可以有效地计算出陷阱方格和不可达方格的数量。

二、JavaScript算法源码

以下是代码的详细注释和讲解，帮助理解每一部分的功能和实现逻辑：

代码结构

  1. 输入处理部分：

    • 使用 readline 模块读取控制台输入。
    • 将输入数据解析为房间大小、墙壁数量以及墙壁坐标。

  2. 核心逻辑部分：

    • 初始化地图矩阵，标记墙壁和终点。
    • 使用深度优先搜索（DFS）从起点开始遍历，标记可达点和陷阱点。
    • 统计陷阱点和不可达点的数量。

  3. DFS 函数：

    • 递归检查当前点的东边和北边是否可达。
    • 根据可达性标记当前点的状态。

代码详细注释

/* JavaScript Node ACM模式 控制台输入获取 */
const readline = require("readline");

// 创建 readline 接口，用于从控制台读取输入
const rl = readline.createInterface({
  input: process.stdin,
  output: process.stdout,
});

// 存储输入的行数据
const lines = [];
let x, y, n, poses; // x: 房间的行数，y: 房间的列数，n: 墙壁数量，poses: 墙壁坐标

// 监听每一行输入
rl.on("line", (line) => {
  lines.push(line); // 将输入的行数据存入 lines 数组

  // 当输入行数为 2 时，解析房间大小和墙壁数量
  if (lines.length === 2) {
    [x, y] = lines[0].split(" ").map(Number); // 解析房间大小
    n = lines[1] - 0; // 解析墙壁数量
  }

  // 当输入行数等于 n + 2 时，解析墙壁坐标并计算结果
  if (n !== undefined && lines.length === n + 2) {
    poses = lines.slice(2).map((line) => line.split(" ").map(Number)); // 解析墙壁坐标
    console.log(getResult()); // 调用 getResult 函数计算结果并输出
    lines.length = 0; // 清空 lines 数组，准备下一次输入
  }
});

// 计算陷阱点和不可达点的数量
function getResult() {
  // 初始化地图矩阵，大小为 x 行 y 列，初始值为 0（非墙）
  const matrix = new Array(x).fill(0).map(() => new Array(y).fill(0));

  // 标记墙壁位置为 1
  for (let [i, j] of poses) {
    matrix[i][j] = 1; // 墙标记为 1
  }

  // 标记终点为 2（可达点）
  matrix[x - 1][y - 1] = 2;

  // 从起点 (0, 0) 开始 DFS 遍历
  dfs(0, 0, matrix);

  let trap = 0; // 陷阱数量
  let unreach = 0; // 不可达点数量

  // 遍历整个矩阵，统计陷阱点和不可达点的数量
  for (let i = 0; i < x; i++) {
    for (let j = 0; j < y; j++) {
      if (matrix[i][j] == 0) unreach++; // 值为 0 表示不可达点
      else if (matrix[i][j] == -1) trap++; // 值为 -1 表示陷阱点
    }
  }

  // 返回结果，格式为 "陷阱数量 不可达点数量"
  return `${trap} ${unreach}`;
}

// 深度优先搜索（DFS）函数
function dfs(cx, cy, matrix) {
  // 如果当前点越界，则不可达
  if (cx >= x || cy >= y) return false;

  // 如果当前点是墙（1），则不可达
  if (matrix[cx][cy] == 1) return false;

  // 如果当前点已经是陷阱点（-1），则不可达
  if (matrix[cx][cy] == -1) return false;

  // 如果当前点已经是可达点（2），则可达
  if (matrix[cx][cy] == 2) return true;

  // 如果当前点是未标记点（0），则进行 DFS 检查
  if (matrix[cx][cy] == 0) {
    // 向东走一步，检查东边点是否可达
    const east = dfs(cx + 1, cy, matrix);
    // 向北走一步，检查北边点是否可达
    const north = dfs(cx, cy + 1, matrix);

    // 如果东边或北边有一个可达，则当前点可达，标记为 2
    if (east || north) {
      matrix[cx][cy] = 2;
    } else {
      // 如果东边和北边都不可达，则当前点是陷阱点，标记为 -1
      matrix[cx][cy] = -1;
    }
  }

  // 返回当前点是否可达
  return matrix[cx][cy] == 2;
}

代码逻辑讲解

  1. 输入处理：

    • 使用 readline 模块逐行读取输入。
    • 解析房间大小 x 和 y，以及墙壁数量 n。
    • 解析墙壁坐标并存储在 poses 数组中。

  2. 地图初始化：

    • 创建一个大小为 x * y 的二维数组 matrix，初始值为 0（表示非墙）。
    • 将墙壁位置标记为 1。
    • 将终点 (x-1, y-1) 标记为 2（表示可达点）。

  3. DFS 遍历：

    • 从起点 (0, 0) 开始递归遍历。
    • 对于每个点，检查其东边和北边的点是否可达。
    • 如果东边或北边有一个可达，则当前点可达，标记为 2。
    • 如果东边和北边都不可达，则当前点是陷阱点，标记为 -1。

  4. 统计结果：

    • 遍历整个矩阵，统计值为 -1 的陷阱点数量和值为 0 的不可达点数量。
    • 返回结果，格式为 陷阱数量 不可达点数量。

关键点总结

  • DFS 递归：通过递归检查每个点的东边和北边，确定当前点的可达性。
  • 标记规则：
    • 0：未标记点（不可达点）。
    • 1：墙壁。
    • 2：可达点。
    • -1：陷阱点。
  • 终点处理：终点 (x-1, y-1) 初始标记为 2，确保其可达性影响前面的点。

通过以上注释和讲解，可以清晰地理解代码的实现逻辑和每一步的作用。

三、Java算法源码

以下是代码的详细注释和讲解，帮助理解每一部分的功能和实现逻辑：

代码结构

  1. 输入处理部分：

    • 使用 Scanner 读取输入数据。
    • 解析房间大小、墙壁数量以及墙壁坐标。

  2. 核心逻辑部分：

    • 初始化地图矩阵，标记墙壁和终点。
    • 使用深度优先搜索（DFS）从起点开始遍历，标记可达点和陷阱点。
    • 统计陷阱点和不可达点的数量。

  3. DFS 函数：

    • 递归检查当前点的东边和北边是否可达。
    • 根据可达性标记当前点的状态。

代码详细注释

import java.util.Scanner;

public class Main {
  static int x; // 房间的行数
  static int y; // 房间的列数
  static int n; // 墙壁的数量
  static int[][] poses; // 墙壁的坐标
  static int[][] matrix; // 地图矩阵

  public static void main(String[] args) {
    Scanner sc = new Scanner(System.in);

    // 读取房间大小
    x = sc.nextInt(); // 行数
    y = sc.nextInt(); // 列数

    // 读取墙壁数量
    n = sc.nextInt();

    // 读取墙壁坐标
    poses = new int[n][2]; // 墙壁坐标数组
    for (int i = 0; i < n; i++) {
      poses[i][0] = sc.nextInt(); // 墙壁的行坐标
      poses[i][1] = sc.nextInt(); // 墙壁的列坐标
    }

    // 调用核心逻辑函数
    getResult();
  }

  // 核心逻辑函数
  public static void getResult() {
    // 初始化地图矩阵，大小为 x 行 y 列，初始值为 0（非墙）
    matrix = new int[x][y];

    // 标记墙壁位置为 1
    for (int[] pos : poses) {
      int i = pos[0]; // 墙壁的行坐标
      int j = pos[1]; // 墙壁的列坐标
      matrix[i][j] = 1; // 墙标记为 1
    }

    // 标记终点为 2（可达点）
    matrix[x - 1][y - 1] = 2;

    // 从起点 (0, 0) 开始 DFS 遍历
    dfs(0, 0);

    int trap = 0; // 陷阱数量
    int unreach = 0; // 不可达点数量

    // 遍历整个矩阵，统计陷阱点和不可达点的数量
    for (int i = 0; i < x; i++) {
      for (int j = 0; j < y; j++) {
        if (matrix[i][j] == 0) unreach++; // 值为 0 表示不可达点
        else if (matrix[i][j] == -1) trap++; // 值为 -1 表示陷阱点
      }
    }

    // 输出结果，格式为 "陷阱数量 不可达点数量"
    System.out.println(trap + " " + unreach);
  }

  // 深度优先搜索（DFS）函数
  public static boolean dfs(int cx, int cy) {
    // 如果当前点越界，则不可达
    if (cx >= x || cy >= y) return false;

    // 如果当前点是墙（1），则不可达
    if (matrix[cx][cy] == 1) return false;

    // 如果当前点已经是陷阱点（-1），则不可达
    if (matrix[cx][cy] == -1) return false;

    // 如果当前点已经是可达点（2），则可达
    if (matrix[cx][cy] == 2) return true;

    // 如果当前点是未标记点（0），则进行 DFS 检查
    if (matrix[cx][cy] == 0) {
      // 向东走一步，检查东边点是否可达
      boolean east = dfs(cx + 1, cy);
      // 向北走一步，检查北边点是否可达
      boolean north = dfs(cx, cy + 1);

      // 如果东边或北边有一个可达，则当前点可达，标记为 2
      if (east || north) {
        matrix[cx][cy] = 2;
      } else {
        // 如果东边和北边都不可达，则当前点是陷阱点，标记为 -1
        matrix[cx][cy] = -1;
      }
    }

    // 返回当前点是否可达
    return matrix[cx][cy] == 2;
  }
}

代码逻辑讲解

  1. 输入处理：

    • 使用 Scanner 读取房间大小 x 和 y，以及墙壁数量 n。
    • 解析墙壁坐标并存储在 poses 数组中。

  2. 地图初始化：

    • 创建一个大小为 x * y 的二维数组 matrix，初始值为 0（表示非墙）。
    • 将墙壁位置标记为 1。
    • 将终点 (x-1, y-1) 标记为 2（表示可达点）。

  3. DFS 遍历：

    • 从起点 (0, 0) 开始递归遍历。
    • 对于每个点，检查其东边和北边的点是否可达。
    • 如果东边或北边有一个可达，则当前点可达，标记为 2。
    • 如果东边和北边都不可达，则当前点是陷阱点，标记为 -1。

  4. 统计结果：

    • 遍历整个矩阵，统计值为 -1 的陷阱点数量和值为 0 的不可达点数量。
    • 输出结果，格式为 陷阱数量 不可达点数量。

关键点总结

  • DFS 递归：通过递归检查每个点的东边和北边，确定当前点的可达性。
  • 标记规则：
    • 0：未标记点（不可达点）。
    • 1：墙壁。
    • 2：可达点。
    • -1：陷阱点。
  • 终点处理：终点 (x-1, y-1) 初始标记为 2，确保其可达性影响前面的点。

通过以上注释和讲解，可以清晰地理解代码的实现逻辑和每一步的作用。

四、Python算法源码

以下是代码的详细注释和讲解，帮助理解每一部分的功能和实现逻辑：

代码结构

  1. 输入处理部分：

    • 使用 input() 读取输入数据。
    • 解析房间大小、墙壁数量以及墙壁坐标。

  2. 核心逻辑部分：

    • 初始化地图矩阵，标记墙壁和终点。
    • 使用深度优先搜索（DFS）从起点开始遍历，标记可达点和陷阱点。
    • 统计陷阱点和不可达点的数量。

  3. DFS 函数：

    • 递归检查当前点的东边和北边是否可达。
    • 根据可达性标记当前点的状态。

代码详细注释

import sys
sys.setrecursionlimit(2500)  # 设置递归深度限制，防止递归过深报错

# 输入获取
x, y = map(int, input().split())  # 读取房间大小 x（行数）和 y（列数）
n = int(input())  # 读取墙壁数量
poses = [list(map(int, input().split())) for _ in range(n)]  # 读取墙壁坐标

# 深度优先搜索（DFS）函数
def dfs(cx, cy, matrix):
    # 如果当前点越界，则不可达
    if cx >= x or cy >= y:
        return False

    # 如果当前点是墙（1），则不可达
    if matrix[cx][cy] == 1:
        return False

    # 如果当前点已经是陷阱点（-1），则不可达
    if matrix[cx][cy] == -1:
        return False

    # 如果当前点已经是可达点（2），则可达
    if matrix[cx][cy] == 2:
        return True

    # 如果当前点是未标记点（0），则进行 DFS 检查
    if matrix[cx][cy] == 0:
        # 向东走一步，检查东边点是否可达
        east = dfs(cx + 1, cy, matrix)
        # 向北走一步，检查北边点是否可达
        north = dfs(cx, cy + 1, matrix)

        # 如果东边或北边有一个可达，则当前点可达，标记为 2
        if east or north:
            matrix[cx][cy] = 2
        else:
            # 如果东边和北边都不可达，则当前点是陷阱点，标记为 -1
            matrix[cx][cy] = -1

    # 返回当前点是否可达
    return matrix[cx][cy] == 2

# 算法入口
def getResult():
    # 初始化地图矩阵，大小为 x 行 y 列，初始值为 0（非墙）
    matrix = [[0 for _ in range(y)] for _ in range(x)]

    # 标记墙壁位置为 1
    for i, j in poses:
        matrix[i][j] = 1  # 墙标记为 1

    # 标记终点为 2（可达点）
    matrix[x - 1][y - 1] = 2

    # 从起点 (0, 0) 开始 DFS 遍历
    dfs(0, 0, matrix)

    trap = 0  # 陷阱数量
    unreach = 0  # 不可达点数量

    # 遍历整个矩阵，统计陷阱点和不可达点的数量
    for i in range(x):
        for j in range(y):
            if matrix[i][j] == 0:
                unreach += 1  # 值为 0 表示不可达点
            elif matrix[i][j] == -1:
                trap += 1  # 值为 -1 表示陷阱点

    # 返回结果，格式为 "陷阱数量 不可达点数量"
    return f"{trap} {unreach}"

# 算法调用
print(getResult())

代码逻辑讲解

  1. 输入处理：

    • 使用 input() 读取房间大小 x 和 y，以及墙壁数量 n。
    • 解析墙壁坐标并存储在 poses 列表中。

  2. 地图初始化：

    • 创建一个大小为 x * y 的二维列表 matrix，初始值为 0（表示非墙）。
    • 将墙壁位置标记为 1。
    • 将终点 (x-1, y-1) 标记为 2（表示可达点）。

  3. DFS 遍历：

    • 从起点 (0, 0) 开始递归遍历。
    • 对于每个点，检查其东边和北边的点是否可达。
    • 如果东边或北边有一个可达，则当前点可达，标记为 2。
    • 如果东边和北边都不可达，则当前点是陷阱点，标记为 -1。

  4. 统计结果：

    • 遍历整个矩阵，统计值为 -1 的陷阱点数量和值为 0 的不可达点数量。
    • 输出结果，格式为 陷阱数量 不可达点数量。

关键点总结

  • DFS 递归：通过递归检查每个点的东边和北边，确定当前点的可达性。
  • 标记规则：
    • 0：未标记点（不可达点）。
    • 1：墙壁。
    • 2：可达点。
    • -1：陷阱点。
  • 终点处理：终点 (x-1, y-1) 初始标记为 2，确保其可达性影响前面的点。

通过以上注释和讲解，可以清晰地理解代码的实现逻辑和每一步的作用。

五、C/C++算法源码：

以下是 C++ 和 C语言 版本的代码实现，包含详细的中文注释和代码讲解。

C++ 版本

代码实现

#include <iostream>
#include <vector>
using namespace std;

int x, y; // 房间的行数和列数
int n;    // 墙壁的数量
vector<vector<int>> matrix; // 地图矩阵

// 深度优先搜索（DFS）函数
bool dfs(int cx, int cy) {
    // 如果当前点越界，则不可达
    if (cx >= x || cy >= y) return false;

    // 如果当前点是墙（1），则不可达
    if (matrix[cx][cy] == 1) return false;

    // 如果当前点已经是陷阱点（-1），则不可达
    if (matrix[cx][cy] == -1) return false;

    // 如果当前点已经是可达点（2），则可达
    if (matrix[cx][cy] == 2) return true;

    // 如果当前点是未标记点（0），则进行 DFS 检查
    if (matrix[cx][cy] == 0) {
        // 向东走一步，检查东边点是否可达
        bool east = dfs(cx + 1, cy);
        // 向北走一步，检查北边点是否可达
        bool north = dfs(cx, cy + 1);

        // 如果东边或北边有一个可达，则当前点可达，标记为 2
        if (east || north) {
            matrix[cx][cy] = 2;
        } else {
            // 如果东边和北边都不可达，则当前点是陷阱点，标记为 -1
            matrix[cx][cy] = -1;
        }
    }

    // 返回当前点是否可达
    return matrix[cx][cy] == 2;
}

// 算法入口
void getResult() {
    // 初始化地图矩阵，大小为 x 行 y 列，初始值为 0（非墙）
    matrix = vector<vector<int>>(x, vector<int>(y, 0));

    // 标记墙壁位置为 1
    for (int i = 0; i < n; i++) {
        int cx, cy;
        cin >> cx >> cy;
        matrix[cx][cy] = 1;
    }

    // 标记终点为 2（可达点）
    matrix[x - 1][y - 1] = 2;

    // 从起点 (0, 0) 开始 DFS 遍历
    dfs(0, 0);

    int trap = 0;   // 陷阱数量
    int unreach = 0; // 不可达点数量

    // 遍历整个矩阵，统计陷阱点和不可达点的数量
    for (int i = 0; i < x; i++) {
        for (int j = 0; j < y; j++) {
            if (matrix[i][j] == 0) unreach++; // 值为 0 表示不可达点
            else if (matrix[i][j] == -1) trap++; // 值为 -1 表示陷阱点
        }
    }

    // 输出结果，格式为 "陷阱数量 不可达点数量"
    cout << trap << " " << unreach << endl;
}

int main() {
    // 读取房间大小
    cin >> x >> y;

    // 读取墙壁数量
    cin >> n;

    // 调用核心逻辑函数
    getResult();

    return 0;
}

C++ 代码讲解

  1. 输入处理：

    • 使用 cin 读取房间大小 x 和 y，以及墙壁数量 n。
    • 使用二维向量 matrix 存储地图信息。

  2. 地图初始化：

    • 将墙壁位置标记为 1。
    • 将终点 (x-1, y-1) 标记为 2（表示可达点）。

  3. DFS 遍历：

    • 从起点 (0, 0) 开始递归遍历。
    • 对于每个点，检查其东边和北边的点是否可达。
    • 如果东边或北边有一个可达，则当前点可达，标记为 2。
    • 如果东边和北边都不可达，则当前点是陷阱点，标记为 -1。

  4. 统计结果：

    • 遍历整个矩阵，统计值为 -1 的陷阱点数量和值为 0 的不可达点数量。
    • 输出结果，格式为 陷阱数量 不可达点数量。

C语言版本

代码实现

#include <stdio.h>
#include <stdbool.h>

int x, y; // 房间的行数和列数
int n;    // 墙壁的数量
int matrix[1000][1000]; // 地图矩阵（假设最大大小为 1000x1000）

// 深度优先搜索（DFS）函数
bool dfs(int cx, int cy) {
    // 如果当前点越界，则不可达
    if (cx >= x || cy >= y) return false;

    // 如果当前点是墙（1），则不可达
    if (matrix[cx][cy] == 1) return false;

    // 如果当前点已经是陷阱点（-1），则不可达
    if (matrix[cx][cy] == -1) return false;

    // 如果当前点已经是可达点（2），则可达
    if (matrix[cx][cy] == 2) return true;

    // 如果当前点是未标记点（0），则进行 DFS 检查
    if (matrix[cx][cy] == 0) {
        // 向东走一步，检查东边点是否可达
        bool east = dfs(cx + 1, cy);
        // 向北走一步，检查北边点是否可达
        bool north = dfs(cx, cy + 1);

        // 如果东边或北边有一个可达，则当前点可达，标记为 2
        if (east || north) {
            matrix[cx][cy] = 2;
        } else {
            // 如果东边和北边都不可达，则当前点是陷阱点，标记为 -1
            matrix[cx][cy] = -1;
        }
    }

    // 返回当前点是否可达
    return matrix[cx][cy] == 2;
}

// 算法入口
void getResult() {
    // 初始化地图矩阵，大小为 x 行 y 列，初始值为 0（非墙）
    for (int i = 0; i < x; i++) {
        for (int j = 0; j < y; j++) {
            matrix[i][j] = 0;
        }
    }

    // 标记墙壁位置为 1
    for (int i = 0; i < n; i++) {
        int cx, cy;
        scanf("%d %d", &cx, &cy);
        matrix[cx][cy] = 1;
    }

    // 标记终点为 2（可达点）
    matrix[x - 1][y - 1] = 2;

    // 从起点 (0, 0) 开始 DFS 遍历
    dfs(0, 0);

    int trap = 0;   // 陷阱数量
    int unreach = 0; // 不可达点数量

    // 遍历整个矩阵，统计陷阱点和不可达点的数量
    for (int i = 0; i < x; i++) {
        for (int j = 0; j < y; j++) {
            if (matrix[i][j] == 0) unreach++; // 值为 0 表示不可达点
            else if (matrix[i][j] == -1) trap++; // 值为 -1 表示陷阱点
        }
    }

    // 输出结果，格式为 "陷阱数量 不可达点数量"
    printf("%d %d\n", trap, unreach);
}

int main() {
    // 读取房间大小
    scanf("%d %d", &x, &y);

    // 读取墙壁数量
    scanf("%d", &n);

    // 调用核心逻辑函数
    getResult();

    return 0;
}

C语言代码讲解

  1. 输入处理：

    • 使用 scanf 读取房间大小 x 和 y，以及墙壁数量 n。
    • 使用二维数组 matrix 存储地图信息。

  2. 地图初始化：

    • 将墙壁位置标记为 1。
    • 将终点 (x-1, y-1) 标记为 2（表示可达点）。

  3. DFS 遍历：

    • 从起点 (0, 0) 开始递归遍历。
    • 对于每个点，检查其东边和北边的点是否可达。
    • 如果东边或北边有一个可达，则当前点可达，标记为 2。
    • 如果东边和北边都不可达，则当前点是陷阱点，标记为 -1。

  4. 统计结果：

    • 遍历整个矩阵，统计值为 -1 的陷阱点数量和值为 0 的不可达点数量。
    • 输出结果，格式为 陷阱数量 不可达点数量。

通过以上代码和注释，可以清晰地理解 C++ 和 C语言 版本的实现逻辑和每一步的作用。

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？

  1. 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。

  2. 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。

  3. 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：

  1. 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。

  2. 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。

  3. 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

  4. 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？

  1. 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。

  2. 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。

  3. 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

  1. 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。

  2. 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。

  3. 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。

  4. 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。

  5. 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。

  6. 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。

  7. 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。

  8. 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。

  9. 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。

祝你考试顺利，取得理想成绩！


http://www.kler.cn/a/520945.html

相关文章：

  • 基于物联网的智能环境监测系统（论文+源码）
  • 如何实现滑动删除功能
  • SET alter system reload
  • LosslessScaling-学习版[steam价值30元的游戏无损放大/补帧工具]
  • (1)SpringBoot入门＋彩蛋
  • 性能测试丨分布式性能监控系统 SkyWalking
  • 董事会办公管理系统的需求设计和实现
  • 基于SMPL的三维人体重建-深度学习经典方法之VIBE
  • React和Vue有什么区别，如何选择？
  • 【2025年数学建模美赛C题】第1-5问F奖解题思路+高级绘图+可运行代码
  • 【Vim Masterclass 笔记26】S11L46：Vim 插件的安装、使用与日常管理
  • 【React】PureComponent 和 Component 的区别
  • C++和Python实现SQL Server数据库导出数据到S3并导入Redshift数据仓库
  • 基于paddleocr的表单关键信息抽取
  • Babylon.js 中的 setHardwareScalingLevel和getHardwareScalingLevel：作用与配合修改内容
  • Edge-TTS在广电系统中的语音合成技术的创新应用
  • Nginx配置中的常见错误：SSL参数解析
  • 自签证书的dockerfile中from命令无法拉取镜像而docker的pull命令能拉取镜像
  • 嵌入式基础 -- PCIe 控制器中断管理之MSI与MSI-X简介
  • 【Linux】线程、线程控制、地址空间布局
  • 【第一天】零基础入门刷题Python-算法篇-数据结构与算法的介绍（持续更新）
  • react native在windows环境搭建并使用脚手架新建工程
  • 深入剖析SpringBoot启动机制：run()方法详尽解读
  • STM32 光敏电阻传感器与蜂鸣器配置
  • Element使用表单重置如果不使用prop，重置无法生效
  • flink写parquet解决timestamp时间格式字段问题