京东2016算法工程师笔试题考完我复盘了三天核心考点与解题思路全拆解如果你正在准备算法工程师的面试或者单纯想看看当年大厂笔试的“水位线”在哪里这份复盘值得花十分钟读一读。2016年的京东笔试说难听点像一场不带武器的特种兵选拔——它不考你背诵能力而是考你在有限时间内能不能用最朴素的语言讲清楚复杂问题的本质。我当年考完之后没有立刻对答案而是花了三天把每道题背后涉及的算法模型重新推导了一遍收获比刷一个月题库都大。今天这篇文章我就把那次笔试的题型结构、核心考点、典型题目解析以及我踩过的坑一次性说清楚。不管你是在校生还是刚转行的新人都能从中提炼出自己该补哪块短板。先说结论那次笔试整体偏向“算法基础机器学习理解”的组合拳编程题占比不低理论和实践五五开。单选题和多选题覆盖范围极广从数据结构、排序、字符串匹配到概率论、最优化方法、甚至简单的图像处理概念全都有涉及。编程题则集中在动态规划、贪心、图论最短路径这类经典套路上。如果你平时刷题只刷“热题100”没系统整理过底层原理那这场笔试会把你打回原形。1. 笔试题型的整体盘点与拆解1.1 选择题基础功底决定你能不能活到编程题京东那年的选择题分单选和多选加起来大概20道出头覆盖的面非常广。我印象最深的是好几道题都在考查“你知不知道这个算法在什么场景下不可用”而不是“你知不知道这个算法”。这个出题角度很刁钻。比如它给你一段归并排序的代码问你空间复杂度是多少选项里会有O(1)、O(logn)、O(n)、O(nlogn)。很多人看到归并排序就条件反射选O(nlogn)但归并排序的空间复杂度其实是O(n)因为合并过程中需要额外数组。如果你只是背了“快速排序平均O(nlogn)、归并排序稳定”这种结论没有真正理解合并过程的开销这道题就白送了。再比如字符串匹配的KMP算法当年题目里直接给了一个模式串让你算next数组。我印象中那题的模式串是“abacaba”这类结构如果你手上没有一张“前缀函数手动推导表”现场算很容易算错。next数组的计算原理不复杂对每个位置inext[i]表示模式串前i个字符组成的子串中最长相等前后缀的长度。但实际操作时一个下标错位就能让你整道题报废。所以选择题部分准备的核心思路不是刷题量而是把每种经典算法的时间复杂度、空间复杂度、稳定性、适用场景像背乘法口诀一样刻进脑子里并且能够在纸上手动模拟小规模样例。1.2 编程题全都是经典套路但藏在场景里编程题我记得是两道还是三道时间非常紧基本上每道题留给你的思考时间不超过十五分钟。有一道是典型的动态规划题包装成了“京东仓库配送最优路径”的场景。大意是有一个n行m列的网格每个格子上的数字代表配送耗时你要从左上角走到右下角每次只能向右或向下走求最小耗时。这题本质上就是LeetCode 64题的最小路径和唯一的变化是它要求输出路径而不仅仅是最小值。如果你只会写二维dp数组不会倒推路径就会卡在最后一步。还有一道题跟贪心算法有关具体场景我记得是“区间调度”的变种给你一堆任务区间问最多能安排多少个不冲突的任务。经典解法是先把区间按结束时间排序然后逐个选择。但当年那道题稍微加了点难度区间的开始和结束时间是浮点数很多人排序时直接用了浮点比较结果精度问题导致边界判断出错。这种细节不亲自踩一遍坑看再多经验帖都记不住。说到底京东笔试的编程题难度并不在于算法本身有多偏多怪而在于你能否在高压环境下快速识别出题人的“马甲”。动态规划、贪心、图论最短路、二分答案这四类题型是绝对的高频考点每一种都必须达到“不用想手就能动”的熟练度。2. 核心算法考点深入分析——从真题看大厂到底想考你什么2.1 字符串算法KMP与next数组的现场推导KMP算法是那几年大厂笔试的“必备曲目”京东自然不会放过。它考查的核心不是你能不能写出KMP的代码而是你理不理解next数组构建过程中“回溯”的含义。我建议准备这类题时别只停留在背代码要自己手动模拟至少三个不同类型模式串的next数组推导过程普通重复型如“abab”、无重复型如“abcde”、以及边界型如“aaaa”。以“abacaba”为例当年热词里也出现了类似模式串我们手动算一遍。先写出前缀表即每个位置的最长相等前后缀长度子串“a”没有真前后缀prefix[0]0。子串“ab”前缀“a”后缀“b”不相等prefix[1]0。子串“aba”前缀“a”和后缀“a”相等prefix[2]1。子串“abac”前缀“a”和后缀“c”不相等但前缀“ab”和后缀“ac”也不相等最长相等前后缀长度为0prefix[3]0。子串“abaca”前缀“a”和后缀“a”相等prefix[4]1。子串“abacab”前缀“ab”和后缀“ab”相等prefix[5]2。子串“abacaba”前缀“aba”和后缀“aba”相等prefix[6]3。如果你对KMP里的next数组定义是“next[i]表示模式串前i个字符组成的子串中最长相等前后缀的长度”那上面的prefix表就是next数组。但有些教材把next[i]定义为“当匹配失败时模式串应该回退到的位置”那就要把上面的表整体右移一位再把next[0]置为-1。这两种定义在笔试里都出现过你必须在读题时立刻判断它用的是哪种定义否则结果全错。我的经验是凡是题目里明确写了“next[i]定义为...”就按它的定义来如果没写默认使用“最长相等前后缀长度”这种定义。2.2 图论与最短路Dijkstra不只是会写模板选择题里有一道关于Dijkstra算法的题问的是“当图中存在负权边时Dijkstra算法是否会失效为什么”。这题很多人觉得是送分题但选项里挖了坑——它没有让你直接回答“失效”而是给你四个场景负权边不在最短路径上、负权边在最短路径上但起点到该边前一点的距离未被松弛、等等。你需要真正理解Dijkstra贪心策略的前提每次从优先队列中弹出的节点其距离已经是最终最短距离这个结论依赖于“所有边权非负”这个条件。如果有负权边早期弹出的节点可能并不是全局最优后续通过负权边反而能更短算法就崩了。至于编程题里的图论题虽然那年没有单独考一道“裸Dijkstra”但如果你准备面试我强烈建议把Dijkstra、SPFA、Floyd三者区分清楚Dijkstra适用于无负权边SPFA适用于有负权边但无负环Floyd适用于多源最短路且节点数较少一般n500。京东笔试的难度不会让你直接默写模板而是会让你在一道场景题里判断“这个图的规模适合用什么算法”。我记得有一道选择题的图有1000个节点、10000条边问求单源最短路用什么算法最合适。答案是堆优化的Dijkstra因为SPFA在稠密图上可能退化Floyd则直接O(n^3)扛不住。2.3 排序与数据结构从笔试反推平时该积累什么排序算法是选择题的重灾区几乎每场笔试都会出。京东那年出了一道“下列排序算法中哪些是稳定的”多选题选项包括冒泡排序、快速排序、堆排序、归并排序、选择排序。如果你记忆力够好答案是冒泡和归并。但如果你只记住了结论下一个问题“堆排序建堆的时间复杂度”你可能就懵了——堆排序建堆是O(n)而不是O(nlogn)因为从最后一个非叶节点开始向下调整每个节点的调整代价与其高度成正比总和是O(n)。这类“反直觉”的复杂度是笔试最喜欢挖的坑。数据结构方面二叉树的前中后序遍历、层次遍历、二叉搜索树的插入删除、平衡调整这些是基本功。我当时复习时用了一个笨办法把每个操作都画一遍图特别是AVL树的四种旋转LL、RR、LR、RL必须画到条件反射。京东笔试的选择题里出现过“给一棵AVL树插入一个节点后如何旋转平衡”的题如果你没有亲手画过几次旋转光靠想象是做不对的。3. 机器学习与数学基础——算法工程师笔试的另一条腿3.1 机器学习基础从LR到SVM从偏差方差到交叉验证京东毕竟是电商公司算法工程师的笔试里机器学习相关内容占比不低。我记得当年的选择题里有一道关于逻辑回归LR的问的是“LR的损失函数如果用均方误差会有什么问题”。答案是均方误差损失函数不是凸函数用梯度下降容易陷入局部最优。而交叉熵损失函数是凸的所以LR一般用交叉熵。这题至少能筛掉一半只会“调库”的候选人因为很多人从没想过“为什么LR用交叉熵而不用MSE”。还有一道关于随机森林的题问“随机森林的多样性来源于哪些方面”。选项里有样本采样、特征采样、树的不同深度、不同决策树算法。正确答案是样本采样和特征采样也就是Bagging的思想和随机子空间。这个考点如果不实际调过参很难答全。我当时因为用过sklearn的RandomForestClassifier知道每次分裂时都会随机挑选一部分特征所以答对了。这也印证了一件事算法工程师的笔试越来越看重“你真的动手跑过模型”的痕迹。3.2 数学基础概率论与最优化方法一个都不能少京东那年有一道概率题我印象特别深一个袋子里有红球和蓝球红球数量是蓝球的两倍随机抽一个球放回重复五次问“至少抽到一次红球”的概率。这题本质上是1减去“五次全抽到蓝球”的概率也就是1-(1/3)^5。很多人错在把“红球数量是蓝球两倍”理解成概率是1/2这就是语文理解问题了。还有一道题考了贝叶斯公式给了一个先验概率和一个似然概率求后验概率这几乎是算法岗笔试的标配。最优化方法那块我记得出了梯度下降的变种对比批量梯度下降、随机梯度下降、小批量梯度下降。问的是“当训练数据量很大时为什么不建议使用批量梯度下降”。答案是每轮迭代要计算所有样本的梯度计算开销太大。这题不能只背结论你得能说出SGD虽然引入了噪声但收敛速度快而且往往能跳出局部最优点。另外那道关于“学习率过大会发生什么”的题也很有迷惑性选项里有损失函数发散、收敛速度变慢、陷入局部最优、完全无法收敛。学习率过大会导致发散而不是简单的“收敛变慢”很多人被“局部最优”这个选项带跑了。3.3 一道加分项K-Means与聚类评估聚类算法在那年笔试里出现过一次问的是K-Means的初始点选择对最终结果的影响。答案是初始点选择不当会导致收敛到局部最优不同的初始点可能得到不同的聚类结果。这题表面考K-Means实际在考你对EM算法思想的初步理解——K-Means本质上是EM算法的一个特例E步是分配样本到最近中心M步是重新计算中心。京东不太可能直接考EM推导但通过K-Means这种入口来试探你对“迭代优化”的敏感度是很有可能的。我建议准备这个考点时把K-Means的优缺点、K值怎么选肘部法则、对异常值敏感的问题都整理一遍因为大厂笔试经常从“这个算法有什么缺点”切入。4. 实战经验——做题节奏、踩坑记录与三个月冲刺建议4.1 考场上的时间分配策略京东的笔试时间我记得是两小时左右题量不小包含选择题、多选题、编程题可能还有简答题。我个人吃过亏的地方在于前面的多选题太纠结导致后面编程题时间不够。多选题多选、少选、错选都不得分所以不确定的选项宁可少选也不要蒙。我的复盘建议是选择题整体控制在四十分钟内完成遇到卡壳超过两分钟的题立刻标记跳走。编程题先做最有把握的那道哪怕它分值不是最高先拿保底分。不要在一道题目上死磕因为后面往往有更有把握的题在等你。另外编程题的环境如果支持本地编译器一定要先把样例跑通再提交。我当年犯过一个低级的错写快排时用了递归但没有处理最坏情况下的栈溢出导致在大数据用例上直接崩溃。虽然平时刷题时LeetCode不会管你递归栈深但笔试环境往往会跑极端数据。所以尽量用迭代或尾递归来规避栈溢出写完代码后花十秒钟检查一下边界条件数组长度为0、1、2的情况。4.2 我踩过的三个具体坑第一个坑是KMP的next数组定义不统一。我用的教材和网上流行的写法有差异直接导致我现场推导时越推越乱。从那以后我给自己立了一个规矩不管在哪个平台刷题先把next数组的定义用注释写在代码里再开始写实现。第二个坑是Dijkstra里“节点出队时仍需要判断是否已访问”这一步。很多人写Dijkstra时更新距离后直接压入优先队列没有检查旧的距离是否比当前大这样同一个节点会被处理多次虽然结果通常没错但性能会退化在笔试的极端用例上可能超时。第三个坑是动态规划路径的输出。做“最小路径和”这类题时如果只开一个dp数组而不记录转移方向最后要输出路径就得再开一个二维数组存来源节点或者用递归回溯。我当年就是因为省事没记录路径最后只能眼看着会做的题拿不到满分。4.3 考前的准备策略如何高效刷题与整理如果你离笔试还有三个月我建议你按这样来分配时间第一个月主攻数据结构和基础算法按类型刷题数组、链表、树、图、排序、二分、贪心、DP每类至少10道经典题但不要只刷题必须写题解重点写“为什么这个解法是对的”这是训练自己结构化表达的第一步。第二个月开始刷机器学习和数学基础的选择题同时每天抽半小时手动推导一个经典算法比如KMP的next数组、Dijkstra的一个小规模图、AVL树的一次旋转。这个阶段的目标是把知识从“眼球记忆”变成“肌肉记忆”。第三个月做整套的模拟题严格计时模拟考场氛围。做完之后不急于对答案先自己复盘每道题考的是什么知识点再对照解析。另外针对京东这个级别的大厂笔试强烈建议提前熟悉它的在线笔试系统。不同公司的笔试题型不一样有的支持多语言、有的只支持特定IDE、有的代码提交后要等待很长的判题排队时长。提前用牛客网或赛码网的模拟环境练练手能避免考场上因为操作不熟浪费时间。4.4 关于“刷题数量”和“刷题质量”的一点反思有人喜欢搞“题海战术”一天刷十道刷完就过。但据我观察大厂笔试考得好的往往不是刷题最多的人而是能把一道题吃透的人。什么叫吃透就是能回答出三个问题这题考的是什么算法为什么用这个算法而不是另一个如果换一个约束条件比如数据规模变大、维度变多解法还成立吗我见过太多人刷了500道LeetCode却在笔试里栽在一道“最大子序和”上因为他没见过它的变种——环形数组版的Kadane算法。所以我的建议是每刷一道题都试着给自己出一个变种题写一写如果约束变了怎么处理这种习惯比单纯增加刷题量有效得多。5. 回顾京东笔试真题时我发现的两条隐藏主线和几个值得关注的方向5.1 隐藏主线一几乎所有核心考点都能在“面试造飞机、工作拧螺丝”这句话里找到映照京东那次笔试给我的最大感受是它并不指望你什么都会而是想通过有限的题目快速筛选出“具备系统化知识框架”的人。什么叫系统化就是你不用翻书也能在白纸上画出KMP、Dijkstra、AVL旋转、随机森林的流程和复杂度。有位前辈跟我说过一句话我一直记着“算法面试题其实是在模拟你读论文、设计系统、排查bug的过程。”仔细想想确实如此手推next数组是在模拟你调试字符串匹配时的思考过程写堆优化的Dijkstra是在模拟你面对千万级节点图时的优化思路而考你对学习率、过拟合、聚类数的理解则是在检验你有没有建立一套“模型诊断”的方法论。想通这一点后我的备考方向就从“刷题”转向了“复盘”专门做“如果我是面试官我为什么出这题”的思维训练。5.2 隐藏主线二笔试题目背后的行业背景与业务场景京东是电商公司所以它的算法笔试往往带有电商业务色彩。比如配送路径规划、库存调度、商品推荐这些业务对应的算法模型都是它考察的方向。所以准备京东笔试时刷一些“路径规划”“贪心调度”“协同过滤”类的题比单纯刷LeetCode更容易踩中出题人的意图。我当时专门找了一个教程把经典的TSP问题和它的变种带时间窗、带容量约束梳理了一遍虽然笔试没有直接考TSP但那种“用算法解决业务问题”的思维在好几道场景题里都用上了。如果你现在去投电商公司的算法岗我建议你也这样做一次行业梳理把物流、搜索、推荐、广告、风控这几个常见场景的算法选型背熟。5.3 几个值得进一步关注的方向从那次笔试到现在算法岗的考察范围其实一直在拓宽。当年只考LR、SVM、随机森林现在深度学习、注意力机制、大模型微调都已经成为高频考点。如果你还在准备阶段建议关注以下几个方向第一是Transformer的结构和自注意力机制至少要能手画QKV的计算流程第二是强化学习的基本概念状态、动作、奖励、策略梯度哪怕没深入做过项目也要能把思路讲清楚第三是LLM时代的RAG和Agent架构这类内容现在几乎成了大厂面试的必考题。虽然这个建议对“2016年笔试题”来说有些超前但如果你是为了准备当前面试它们绝对值得关注。写在最后的一点个人体会那次京东笔试虽然已经过去很久但它对我职业发展的影响比我想象中大得多。它逼我养成了一个习惯就是每学一个算法一定要亲手推导一遍、画一遍、写一遍、讲一遍。现在不管是在团队内部做技术分享还是和产品经理对需求我都会自然而然地用“类比白板推导”的方式把逻辑讲清楚。笔试考的永远是过去的知识但备考过程中沉淀下来的思维方法和表达习惯却能在之后的工作里反反复复用上。这大概就是笔试真正的价值所在吧。