最近看到一个帖子，直接把我给看笑了。有网友爆料，笔试能作弊，面试也能“操作”，甚至还有人热心传授心得，来了一句：“真没必要自己做！”这话直接把原帖主气到崩溃。网友评论更绝：“简历是假的，笔试是假的，面试是假的，但 offer 是真的。我这边，简历是真的，笔试是真的，面试是真的，所以邮箱是空的。”太扎心了，懂得都懂。😂
听完这事真的满脑子问号：现在面试还能“外挂”了？想想自己当初为了一次面试，刷 LeetCode 刷到怀疑人生，调代码调到凌晨两点，为的就是给面试官展示“真实实力”。结果人家？直接一套“作弊组合拳”，轻轻松松抱回大厂 offer。说实话，这事儿真的让人心态不平衡。但转念一想，靠假简历、假笔试混进去的人，工作中迟早要露馅儿啊。程序员这行能不能干得下去，实力摆在那儿，PPT 做得再漂亮，代码跑不通，迟早得吃瘪。你们对这种事怎么看？是觉得作弊拿到 offer 算“高手”？算法题：分发糖果
今天跟大家聊一个算法题：分发糖果。这是一个挺经典的面试题，考的是逻辑和贪心算法（对，就是那个听着挺“贪”的算法😂）。问题是这样的：有一群小朋友站成一排，每个小朋友都有一个评分。老师要按照以下规则给他们发糖果：
老师的预算显然有限，我们得帮她用最少的糖果满足这些规则。咋整？🤔分析一下问题
看到这个题，我第一反应是——好家伙，这就是标准的贪心算法场景啊！因为每个孩子的糖果分配只跟相邻的孩子有关系，所以可以通过两遍遍历来搞定问题。解题思路
我们先来搞明白要怎么分糖果才能既满足条件，又尽量少浪费糖：- 从左往右遍历：保证每个孩子比左边评分低的拿的糖少。
- 从右往左遍历：保证每个孩子比右边评分低的拿的糖少。
两遍下来，每个孩子的糖果数就是满足规则的最少数量。代码实现
为了直观一点，我给大家撸段Python代码，稍微带点注释，顺便吐槽一下自己写代码时的脑回路😂。def candy(ratings):
n = len(ratings)
candies = [1] * n # 初始化，每人至少有一个糖果
# 从左往右，保证每个孩子比左边分高时多拿糖
for i in range(1, n):
if ratings[i] > ratings[i - 1]:
candies[i] = candies[i - 1] + 1
# 从右往左，保证每个孩子比右边分高时多拿糖
for i in range(n - 2, -1, -1):
if ratings[i] > ratings[i + 1]:
candies[i] = max(candies[i], candies[i + 1] + 1) # 取最大值以满足两个条件
return sum(candies) # 总糖果数
看看运行效果
ratings = [1, 0, 2]
print(candy(ratings)) # 输出：5
咋算的？先初始化每人一个糖果：[1, 1, 1]。最后总共是 2 + 1 + 2 = 5 颗糖果。完美！贪心算法的“贪”
其实，贪心算法的核心思想就是每次只考虑局部最优解。比如在这题里，先从左往右“贪”一遍，再从右往左“补”一遍，两次贪心一结合，全球问题就解决了！其实这题看着不难，但细节真不少。比如你一开始可能觉得初始化糖果数是0，但别忘了规则要求每人至少一颗糖，这一点马虎不得啊！还有个坑点是第二遍遍历的时候，得用 max 来处理冲突，否则可能会不符合规则。算法题就是这样，看着简单，稍不注意就GG了。对编程、职场感兴趣的同学，大家可以联系我微信：golang404，拉你进入“程序员交流群”。
虎哥作为一名老码农，整理了全网最全《python高级架构师资料合集》。
