Amazon New Grad OA 准备：把算法基础变成限时解题能力

这篇文章适合谁

面向正在准备 Amazon New Grad SDE 相关在线测评的同学。本文是 VOPathway 编写的训练指南，不是一次实际测评的题目记录；具体题量、时长和平台以你收到的邀请为准。

刷题时能完成答案，并不意味着限时环境下也能稳定实现。准备的重点是把读题、选算法、编码和验证连接起来，减少临场切换成本。

先从约束判断问题规模

练习时先写下输入规模、数据范围、输出形式与是否允许修改输入。面对连续区间，不要仅凭关键词就使用滑动窗口：能否单调移动边界，取决于数据条件。面对多次查询，也要先判断预处理是否划算。

• 连续片段：区分固定窗口、可变窗口与前缀和。
• 多次出现的对象：考虑计数表或索引映射。
• 依赖关系：明确方向、入度以及环是否可能存在。
• 最优解问题：先定义状态，再讨论转移，而非直接套动态规划模板。

自拟练习：统计目标和的连续区间

给定可含负数的整数数组，统计和等于目标值的非空连续子数组数量。这里用小例子 [2, -1, 2] 与目标 3 练习推理，答案为 1。这是通用算法练习，不标注为任何公司的现行真题。

设当前位置之前的前缀和为 prefix。若历史某个前缀和等于 prefix-target，两者之间的区间就满足条件。计数表必须先记录空前缀 0 出现一次；循环中先查询再更新，避免把空区间算进去。

def count_target_ranges(values, target):
    seen = {0: 1}
    prefix = 0
    count = 0
    for value in values:
        prefix += value
        count += seen.get(prefix - target, 0)
        seen[prefix] = seen.get(prefix, 0) + 1
    return count

平均时间复杂度为 O(n)，额外空间为 O(n)。数组中存在负数时，窗口总和不再随右边界扩大而单调增加，这是不能直接使用常见正数滑动窗口模板的原因。

怎样做一次有效的限时练习

自主设定练习时长，预留最后一段时间检查而非把全部时间用于编码。遇到卡题时，记录卡在理解、推导还是实现；不要频繁在题目之间切换却没有任何可运行版本。

提交前检查清单

• 空输入和单元素输入是否有定义？
• 重复值、全零、负数是否改变计数逻辑？
• 复杂度是否与最大输入规模匹配？
• 输出格式和函数签名是否严格符合要求？

练习结束后隔天换一组题面复测。如果只能背出代码，却解释不了初始化和更新顺序，就应先补充推理，而不是急于增加题量。

联系 VOPathway

希望把这些方法用于自己的准备，可以联系 VOPathway 说明目标岗位、准备阶段、预计时间与当前难点。

• 微信：Coding0201
• 邮箱：[email protected]
• Telegram：@OAVOProxy
• WhatsApp：+86 178 6396 8105

提供 OA辅助、VO辅助与 VO辅导，围绕考前练习、模拟面试和面后复盘制定训练计划。