這篇只保留面經內容，聚焦一題真實 Waymo 面試題。難點不在語法，而是在有限時間內做出正確決策、接住追問，並清楚說明解法依據。
題目原話
面試官給的核心問題是：
「你有另一個長度為 K 的權重陣列 M。在 Q1 的第 i 次 pop 時，被選中的元素分數要乘上 M[i]。你能拿到的最大分數是多少？」
面試情境可這樣理解：
Q1是可被選取的元素集合。- 總共執行
K次 pop。 - 第
i次選到的值會乘以M[i]。 - 目標是最大化總得分。
面試中的第一反應
常見起手式：
Q1由大到小排序M由大到小排序- 大值配大權重
這能很快給 baseline，但面試官通常會接著問：
- 你有沒有做不必要的全量排序？
- 如果
K遠小於Q1長度，如何優化？ - 如果
Q1是串流資料，怎麼處理？
關鍵在於從「把全部都排好」轉成「只維護當下最有價值的資訊」。
主解法：貪心 + 堆
在允許重排配對順序的前提下，主解法是：
- 先把權重
M依降序處理。 - 使用最大堆維護
Q1中可選值。 - 每一步取堆頂最大值，乘上當前最大權重並累加。
這個回答在面試中很穩，因為同時覆蓋：
- 選擇策略（為何每步取最大）
- 資料結構（為何用堆）
- 複雜度（為何可擴展）
複雜度可表述為：
- 建堆
O(N)（或O(N log N)，依建堆方式） K次彈出O(K log N)- 總體
O(N + K log N)或O((N + K) log N)
真實追問與回答方向
1）若 K << N，怎麼優化？
可答：
- 避免反覆全量排序。
- 用堆只做必要的最大值提取。
- 可補充 partial selection（如 quickselect/nth-element）。
2）若 Q1 是串流資料，怎麼做？
可答：
- 維護一個大小為
K的 Top-K 結構。 - 用最小堆保留目前最大的
K個值。 - 每筆新資料以
O(log K)更新。
3）除了貪心，還有其他方法嗎？
可答：
- 可提 DP 作為延伸（當約束改變時）。
- 但要說明 DP 的狀態與時間成本通常更高。
- 在目前目標下，貪心更直接且效率更好。
現場寫碼常見失誤
- Python
heapq預設是最小堆，做最大堆需取負值。 - 權重順序沒和貪心規則對齊，導致結果偏小。
- 忽略
len(Q1) < K的邊界情況。 - 沒交代負值或負權重時的行為定義。
- 寫完程式但沒有補最優性說明。
最優性怎麼講更穩
可用簡短交換論證：
- 較大的未使用權重應匹配較大的未使用值。
- 若把大值放在小權重位置，交換後總分不會更差。
- 重複交換後，會得到「大配大」的配對結構。
- 堆只是高效實現這個選擇規則的工具。
這題真正考的是什麼
這題表面是 Heap + Greedy，實際考察更全面：
- 能否先快速給出正確 baseline
- 能否在追問下迭代成更佳方案
- 能否清楚解釋複雜度與最優性
- 能否在壓力下維持清楚表達
在 Waymo 這類 VO 面試中，寫出正確答案只是起點，能清楚推導、穩定應對追問才是關鍵。
如果你也在準備 Waymo / Google / Amazon 的 OA 或 VO，想要更有系統的題型拆解、追問應對與表達優化，歡迎透過網站聯繫，取得備考資料與練習建議。
需要面試真題？ 立刻聯繫微信 Coding0201，獲得真題。
聯繫方式
Email: [email protected]
Telegram: @OAVOProxy