做疏通什么网站推广好,响应式,企业网站建设的一般要素包括,佛山新网站建设机构前言 首先#xff0c;为什么我会学习数据结构与算法呢#xff0c;其实主要是有两方面 第一#xff0c;是我在今年的flag里明确说到我会学这个东西第二#xff0c;学了这些#xff0c;对自己以后在工作或者面试也会带来许多好处然后#xff0c;本文是最近学习的一个总结文…
前言 首先为什么我会学习数据结构与算法呢其实主要是有两方面 第一是我在今年的flag里明确说到我会学这个东西第二学了这些对自己以后在工作或者面试也会带来许多好处然后本文是最近学习的一个总结文章文中有不足的地方也希望大家在评论区进行指正 文中的算法题大部分都是leetcode中的如不太理解题意可直接去leetcode中找到对应的题。 基本概念 常常听到算法的时候就会有人说到 时间复杂度 空间复杂度。 那么这俩玩意是啥呢下面我就来一一解释 时间复杂度 其实就是一个函数用大 O 表示 比如 O(1)、 O(n)… 它的作用就是用来定义描述算法的运行时间 O(1) let i 0i 1O(n) 如果是 O(1) O(n) 则还是 O(n) for (let i 0; i n; i 1) {console.log(i)}O(n^2) O(n) * O(n), 也就是双层循环自此类推 O(n^3)… for (let i 0; i n; i 1) {for (let j 0; j n; j 1) {console.log(i, j)}}O(logn) 就是求 log 以 2 为底的多少次方等于 n // 这个例子就是求2的多少次方会大于i然后就会结束循环。 这就是一个典型的 O(logn)let i 1while (i n) {console.log(i)i * 2}空间复杂度 和时间复杂度一样空间复杂度也是用大 O 表示比如 O(1)、 O(n)… 它用来定义描述算法运行过程中临时占用的存储空间大小 占用越少 代码写的就越好 O(1) 单个变量所以占用永远是 O(1) let i 0i 1O(n) 声明一个数组 添加 n 个值 相当于占用了 n 个空间单元 const arr []for (let i 0; i n; i 1) {arr.push(i)}O(n^2) 类似一个矩阵的概念就是二维数组的意思 const arr []for (let i 0; i n; i 1) {arr.push([])for (let j 0; j n; j 1) {arr[i].push(j)}}数据结构 栈 一个先进后出的数据结构 按照常识理解就是有序的挤公交最后上车的人会在门口然后门口的人会最先下车 js中没有栈的数据类型但我们可以通过Array来模拟一个 const stack [];stack.push(1); // 入栈
stack.push(2); // 入栈const item1 stack.pop(); //出栈的元素十进制转二进制 // 时间复杂度 O(n) n为二进制的长度
// 空间复杂度 O(n) n为二进制的长度
const dec2bin (dec) {// 创建一个字符串let res ;// 创建一个栈let stack []// 遍历数字 如果大于0 就可以继续转换2进制while (dec 0) {// 将数字的余数入栈stack.push(dec % 2);// 除以2dec dec 1;}// 取出栈中的数字while (stack.length) {res stack.pop();}// 返回这个字符串return res;
};判断字符串的有效括号 // 时间复杂度O(n) n为s的length
// 空间复杂度O(n)
const isValid (s) {// 如果长度不等于2的倍数肯定不是一个有效的括号if (s.length % 2 1) return false;// 创建一个栈let stack [];// 遍历字符串for (let i 0; i s.length; i) {const c s[i];// 如果是左括号就入栈if (c ( || c { || c [) {stack.push(c);} else {// 如果不是左括号 且栈为空 肯定不是一个有效的括号 返回falseif (!stack.length) return false// 拿到最后一个左括号const top stack[stack.length - 1];// 如果是右括号和左括号能匹配就出栈if ((top ( c )) || (top { c }) || (top [ c ])) {stack.pop();} else {// 否则就不是一个有效的括号return false}}}return stack.length 0;
};队列 和栈相反是先进先出的一种数据结构 按照常识理解就是银行排号办理业务, 先去领号排队的人, 先办理业务 同样 js中没有队列的数据类型但我们可以通过 Array来模拟一个 const queue [];// 入队
queue.push(1);
queue.push(2);// 出队
const first queue.shift();
const end queue.shift();最近的请求次数 var RecentCounter function () {// 初始化队列this.q [];
};// 输入 inputs [[],[1],[100],[3001],[3002]] 请求间隔为 3000ms
// 输出 outputs [null,1,2,3,3] // 时间复杂度 O(n) n为剔出老请求的长度
// 空间复杂度 O(n) n为最近请求的次数
RecentCounter.prototype.ping function (t) {// 如果传入的时间小于等于最近请求的时间则直接返回0if (!t) return null// 将传入的时间放入队列this.q.push(t);// 如果队头小于 t - 3000 则剔除队头while (this.q[0] t - 3000) {this.q.shift();}// 返回最近请求的次数return this.q.length;
};链表 多个元素组成的列表元素存储不连续通过 next 指针来链接, 最底层为 null 就类似于 父辈链接关系 吧 比如 你爷爷的儿子是你爸爸你爸爸的儿子是你而你假如目前还没有结婚生子那你就暂时木有儿子 js中类似于链表的典型就是原型链, 但是js中没有链表这种数据结构我们可以通过一个object来模拟链表 const a {val: a
}const b {val: b
}const c {val: c
}const d {val: d
}a.next b;
b.next c;
c.next d;// const linkList {
// val: a,
// next: {
// val: b,
// next: {
// val: c,
// next: {
// val: d,
// next: null
// }
// }
// }
// }// 遍历链表
let p a;
while (p) {console.log(p.val);p p.next;
}// 插入
const e { val: e };
c.next e;
e.next d;// 删除
c.next d;手写instanceOf const myInstanceOf (A, B) {// 声明一个指针let p A;// 遍历这个链表while (p) {if (p B.prototype) return true;p p.__proto__;}return false
}myInstanceOf([], Object)删除链表中的节点 // 时间复杂和空间复杂度都是 O(1)
const deleteNode (node) {// 把当前链表的指针指向下下个链表的值就可以了node.val node.next.val;node.next node.next.next
}删除排序链表中的重复元素 // 1 - 1 - 2 - 3 - 3
// 1 - 2 - 3 - null// 时间复杂度 O(n) n为链表的长度
// 空间复杂度 O(1)
const deleteDuplicates (head) {// 创建一个指针let p head;// 遍历链表while (p p.next) {// 如果当前节点的值等于下一个节点的值if (p.val p.next.val) {// 删除下一个节点p.next p.next.next} else {// 否则继续遍历p p.next}}// 最后返回原来链表return head
}反转链表 // 1 - 2 - 3 - 4 - 5 - null
// 5 - 4 - 3 - 2 - 1 - null// 时间复杂度 O(n) n为链表的长度
// 空间复杂度 O(1)
var reverseList function (head) {// 创建一个指针let p1 head;// 创建一个新指针let p2 null;// 遍历链表while (p1) {// 创建一个临时变量const tmp p1.next;// 将当前节点的下一个节点指向新链表p1.next p2;// 将新链表指向当前节点p2 p1;// 将当前节点指向临时变量p1 tmp;}// 最后返回新的这个链表return p2;
}reverseList(list集合 一种无序且唯一的数据结构 ES6中有集合 Set类型 const arr [1, 1, 1, 2, 2, 3];// 去重
const arr2 [...new Set(arr)];// 判断元素是否在集合中
const set new Set(arr);
set.has(2) // true// 交集
const set2 new Set([1, 2]);
const set3 new Set([...set].filter(item set.has(item)));两个数组的交集 // 时间复杂度 O(n^2) n为数组长度
// 空间复杂度 O(n) n为去重后的数组长度
const intersection (nums1, nums2) {// 通过数组的filter选出交集// 然后通过 Set集合 去重 并生成数组return [...new Set(nums1.filter(item nums2.includes(item)))];
}字典 与集合类似一个存储唯一值的结构,以键值对的形式存储 js中有字典数据结构 就是 Map 类型 两数之和 // nums [2, 7, 11, 15] target 9// 时间复杂度O(n) n为nums的length
// 空间复杂度O(n)
var twoSum function (nums, target) {// 建立一个字典数据结构来保存需要的值const map new Map();for (let i 0; i nums.length; i) {// 获取当前的值和需要的值const n nums[i];const n2 target - n;// 如字典中有需要的值就匹配成功if (map.has(n2)) {return [map.get(n2), i];} else {// 如没有则把需要的值添加到字典中map.set(n, i);}}
};两个数组的交集 // nums1 [1,2,2,1], nums2 [2,2]
// 输出[2]// 时间复杂度 O(m n) m为nums1长度 n为nums2长度
// 空间复杂度 O(m) m为交集的数组长度
const intersection (nums1, nums2) {// 创建一个字典const map new Map();// 将数组1中的数字放入字典nums1.forEach(n map.set(n, true));// 创建一个新数组const res [];// 将数组2遍历 并判断是否在字典中nums2.forEach(n {if (map.has(n)) {res.push(n);// 如果在字典中则删除该数字map.delete(n);}})return res;
};字符的有效的括号 // 用字典优化// 时间复杂度 O(n) n为s的字符长度
// 空间复杂度 O(n)
const isValid (s) {// 如果长度不等于2的倍数肯定不是一个有效的括号if (s.length % 2 ! 0) return false// 创建一个字典const map new Map();map.set((, ));map.set({, });map.set([, ]);// 创建一个栈const stack [];// 遍历字符串for (let i 0; i s.length; i) {// 取出字符const c s[i];// 如果是左括号就入栈if (map.has(c)) {stack.push(c)} else {// 取出栈顶const t stack[stack.length - 1];// 如果字典中有这个值 就出栈if (map.get(t) c) {stack.pop();} else {// 否则就不是一个有效的括号return false}}}return stack.length 0;
};最小覆盖字串 // 输入s ADOBECODEBANC, t ABC
// 输出BANC// 时间复杂度 O(m n) m是t的长度 n是s的长度
// 空间复杂度 O(k) k是字符串中不重复字符的个数
var minWindow function (s, t) {// 定义双指针维护一个滑动窗口let l 0;let r 0;// 建立一个字典const need new Map();// 遍历tfor (const c of t) {need.set(c, need.has(c) ? need.get(c) 1 : 1)}let needType need.size// 记录最小子串let res // 移动右指针while (r s.length) {// 获取当前字符const c s[r];// 如果字典里有这个字符if (need.has(c)) {// 减少字典里面的次数need.set(c, need.get(c) - 1);// 减少需要的值if (need.get(c) 0) needType - 1;}// 如果字典中所有的值都为0了 就说明找到了一个最小子串while (needType 0) {// 取出当前符合要求的子串const newRes s.substring(l, r 1)// 如果当前子串是小于上次的子串就进行覆盖if (!res || newRes.length res.length) res newRes;// 获取左指针的字符const c2 s[l];// 如果字典里有这个字符if (need.has(c2)) {// 增加字典里面的次数need.set(c2, need.get(c2) 1);// 增加需要的值if (need.get(c2) 1) needType 1;}l 1;}r 1;}return res
};树 一种分层数据的抽象模型 比如DOM树、树形控件等 js中没有树 但是可以用 Object 和 Array 构建树 普通树 // 这就是一个常见的普通树形结构
const tree {val: a,children: [{val: b,children: [{val: d,children: [],},{val: e,children: [],}],},{val: c,children: [{val: f,children: [],},{val: g,children: [],}],}],
}深度优先遍历 尽可能深的搜索树的分支,就比如遇到一个节点就会直接去遍历他的子节点不会立刻去遍历他的兄弟节点口诀访问根节点对根节点的 children 挨个进行深度优先遍历// 深度优先遍历
const dfs (tree) {tree.children.forEach(dfs)
};广度优先遍历 先访问离根节点最近的节点, 如果有兄弟节点就会先遍历兄弟节点再去遍历自己的子节点口诀 1.新建一个队列 并把根节点入队 2.把队头出队并访问 3.把队头的children挨个入队 4.重复第二 、三步 直到队列为空// 广度优先遍历
const bfs (tree) {const q [tree];while (q.length 0) {const n q.shift()console.log(n.val);n.children.forEach(c q.push(c))}
};二叉树 树中每个节点 最多只能有两个子节点 const bt {val: 1,left: {val: 2,left: null,right: null},right: {val: 3,left: {val: 4,left: null,right: null},right: {val: 5,left: null,right: null}}
}二叉树的先序遍历 访问根节点对根节点的左子树进行先序遍历对根节点的右子树进行先序遍历// 先序遍历 递归
const preOrder (tree) {if (!tree) returnconsole.log(tree.val);preOrder(tree.left);preOrder(tree.right);
}// 先序遍历 非递归
const preOrder2 (tree) {if (!tree) return// 新建一个栈const stack [tree];while (stack.length 0) {const n stack.pop();console.log(n.val);// 负负为正if (n.right) stack.push(n.right);if (n.left) stack.push(n.left);}
}二叉树的中序遍历 对根节点的左子树进行中序遍历访问根节点对根节点的右子树进行中序遍历// 中序遍历 递归
const inOrder (tree) {if (!tree) return;inOrder(tree.left)console.log(tree.val);inOrder(tree.right)
}// 中序遍历 非递归
const inOrder2 (tree) {if (!tree) return;// 新建一个栈const stack [];// 先遍历所有的左节点let p tree;while (stack.length || p) {while (p) {stack.push(p)p p.left}const n stack.pop();console.log(n.val);p n.right;}
}二叉树的后序遍历 对根节点的左子树进行后序遍历对根节点的右子树进行后序遍历访问根节点// 后序遍历 递归
const postOrder (tree) {if (!tree) returnpostOrder(tree.left)postOrder(tree.right)console.log(tree.val)
};// 后序遍历 非递归
const postOrder2 (tree) {if (!tree) returnconst stack [tree];const outputStack [];while (stack.length) {const n stack.pop();outputStack.push(n)// 负负为正if (n.left) stack.push(n.left);if (n.right) stack.push(n.right);}while (outputStack.length) {const n outputStack.pop();console.log(n.val);}
};二叉树的最大深度 // 给一个二叉树需要你找出其最大的深度从根节点到叶子节点的距离// 时间复杂度 O(n) n为树的节点数
// 空间复杂度 有一个递归调用的栈 所以为 O(n) n也是为二叉树的最大深度
var maxDepth function (root) {let res 0;// 使用深度优先遍历const dfs (n, l) {if (!n) return;if (!n.left !n.right) {// 没有叶子节点就把深度数量更新res Math.max(res, l);}dfs(n.left, l 1)dfs(n.right, l 1)}dfs(root, 1)return res
}二叉树的最小深度 // 给一个二叉树需要你找出其最小的深度 从根节点到叶子节点的距离// 时间复杂度O(n) n是树的节点数量
// 空间复杂度O(n) n是树的节点数量
var minDepth function (root) {if (!root) return 0// 使用广度优先遍历const q [[root, 1]];while (q.length) {// 取出当前节点const [n, l] q.shift();// 如果是叶子节点直接返回深度就可if (!n.left !n.right) return lif (n.left) q.push([n.left, l 1]);if (n.right) q.push([n.right, l 1]);}}二叉树的层序遍历 // 需要返回 [[1], [2,3], [4,5]]// 时间复杂度 O(n) n为树的节点数
// 空间复杂度 O(n)
var levelOrder function (root) {if (!root) return []// 广度优先遍历const q [root];const res [];while (q.length) {let len q.lengthres.push([])// 循环每层的节点数量次while (len--) {const n q.shift();res[res.length - 1].push(n.val)if (n.left) q.push(n.left);if (n.right) q.push(n.right);}}return res
};图 图是网络结构的抽象模型, 是一组由边连接的节点 js中可以利用Object和Array构建图 // 上图可以表示为
const graph {0: [1, 2],1: [2],2: [0, 3],3: [3]
}// 深度优先遍历对根节点没访问过的相邻节点挨个进行遍历
{// 记录节点是否访问过const visited new Set();const dfs (n) {visited.add(n);// 遍历相邻节点graph[n].forEach(c {// 没访问过才可以进行递归访问if(!visited.has(c)){dfs(c)}});}// 从2开始进行遍历dfs(2)
}// 广度优先遍历
{const visited new Set();// 新建一个队列 根节点入队 设2为根节点const q [2];visited.add(2)while (q.length) {// 队头出队并访问const n q.shift();console.log(n);graph[n].forEach(c {// 对没访问过的相邻节点入队if (!visited.has(c)) {q.push(c)visited.add(c)}})}
}有效数字 // 生成数字关系图 只有状态为 3 5 6 的时候才为一个数字
const graph {0: { blank: 0, sign: 1, .: 2, digit: 6 },1: { digit: 6, .: 2 },2: { digit: 3 },3: { digit: 3, e: 4 },4: { digit: 5, sign: 7 },5: { digit: 5 },6: { digit: 6, .: 3, e: 4 },7: { digit: 5 },
}// 时间复杂度 O(n) n是字符串长度
// 空间复杂度 O(1)
var isNumber function (s) {// 记录状态let state 0;// 遍历字符串for (c of s.trim()) {// 把字符进行转换if (c 0 c 9) {c digit;} else if (c ) {c blank;} else if (c || c -) {c sign;} else if (c E || c e) {c e;}// 开始寻找图state graph[state][c];// 如果最后是undefined就是错误if (state undefined) return false}// 判断最后的结果是不是合法的数字if (state 3 || state 5 || state 6) return truereturn false
}; 堆 一种特殊的完全二叉树, 所有的节点都大于等于最大堆,或者小于等于最小堆的子节点 js通常使用数组来表示堆 左侧子节点的位置是 2index 1*右侧子节点的位置是 2index 2*父节点的位置是 (index - 1) / 2 , 取余数JS实现一个最小堆 // js实现最小堆类
class MinHeap {constructor() {// 元素容器this.heap [];}// 交换节点的值swap(i1, i2) {[this.heap[i1], this.heap[i2]] [this.heap[i2], this.heap[i1]]}// 获取父节点getParentIndex(index) {// 除以二 取余数return (index - 1) 1;}// 获取左侧节点索引getLeftIndex(i) {return (i 1) 1;}// 获取右侧节点索引getRightIndex(i) {return (i 1) 2;}// 上移shiftUp(index) {if (index 0) return;// 获取父节点const parentIndex this.getParentIndex(index);// 如果父节点的值大于当前节点的值 就需要进行交换if (this.heap[parentIndex] this.heap[index]) {this.swap(parentIndex, index);// 然后继续上移this.shiftUp(parentIndex);}}// 下移shiftDown(index) {// 获取左右节点索引const leftIndex this.getLeftIndex(index);const rightIndex this.getRightIndex(index);// 如果左子节点小于当前的值if (this.heap[leftIndex] this.heap[index]) {// 进行节点交换this.swap(leftIndex, index);// 继续进行下移this.shiftDown(leftIndex)}// 如果右侧节点小于当前的值if (this.heap[rightIndex] this.heap[index]) {this.swap(rightIndex, index);this.shiftDown(rightIndex)}}// 插入元素insert(value) {// 插入到堆的底部this.heap.push(value);// 然后上移 将这个值和它的父节点进行交换知道父节点小于等于这个插入的值this.shiftUp(this.heap.length - 1)}// 删除堆项pop() {// 把数组最后一位 转移到数组头部this.heap[0] this.heap.pop();// 进行下移操作this.shiftDown(0);}// 获取堆顶元素peek() {return this.heap[0]}// 获取堆大小size() {return this.heap.length}}数组中的第k个最大元素 // 输入 [3,2,1,5,6,4] 和 k 2
// 输出 5// 时间复杂度 O(n * logK) K就是堆的大小
// 空间复杂度 O(K) K是参数k
var findKthLargest function (nums, k) {// 使用上面js实现的最小堆类来构建一个最小堆const h new MinHeap();// 遍历数组nums.forEach(n {// 把数组中的值依次插入到堆里h.insert(n);if (h.size() k) {// 进行优胜劣汰h.pop();}})return h.peek()
};前 K 个高频元素 // nums [1,1,1,2,2,3], k 2
// 输出: [1,2]// 时间复杂度 O(n * logK)
// 空间复杂度 O(k)
var topKFrequent function (nums, k) {// 统计每个元素出现的频率const map new Map();// 遍历数组 建立映射关系nums.forEach(n {map.set(n, map.has(n) ? map.get(n) 1 : 1);})// 建立最小堆const h new MinHeap();// 遍历映射关系map.forEach((value, key) {// 由于插入的元素结构发生了变化所以需要对 最小堆的类 进行改造一下,改造的方法我会写到最后h.insert({ value, key })if (h.size() k) {h.pop()}})return h.heap.map(item item.key)
};// 改造上移和下移操作即可
// shiftUp(index) {
// if (index 0) return;
// const parentIndex this.getParentIndex(index);
// if (this.heap[parentIndex] this.heap[parentIndex].value this.heap[index].value) {
// this.swap(parentIndex, index);
// this.shiftUp(parentIndex);
// }
// }
// shiftDown(index) {
// const leftIndex this.getLeftIndex(index);
// const rightIndex this.getRightIndex(index);// if (this.heap[leftIndex] this.heap[leftIndex].value this.heap[index].value) {
// this.swap(leftIndex, index);
// this.shiftDown(leftIndex)
// }// if (this.heap[rightIndex] this.heap[rightIndex].value this.heap[index].value) {
// this.swap(rightIndex, index);
// this.shiftDown(rightIndex)
// }
// }常见算法及算法思想 排序 把某个乱序的数组变成升序序或者降序的数组 js比较常用sort方法进行排序 冒泡排序 比较所有相邻元素如果第一个比第二个大就交换他们执行一次后可以保证最后一个数字是最大的重复执行 n-1 次就可以完成排序// 时间复杂度 O(n ^ 2) n为数组长度
// 空间复杂度 O(1)
Array.prototype.bubbleSort function () {for (i 0; i this.length - 1; i) {for (let j 0; j this.length - 1 - i; j) {if (this[j] this[j 1]) {// 交换数据[this[j], this[j 1]] [this[j 1], this[j]];}}}
}选择排序 找到数组中最小的值,选中它并放到第一位接着找到数组中第二小的值,选中它并放到第二位重复上述步骤执行 n-1 次// 时间复杂度O(n ^ 2) n为数组长度
// 空间复杂度O(1)
Array.prototype.selectionSort function () {for (let i 0; i this.length - 1; i) {let indexMin i;for (let j i; j this.length; j) {// 如果当前这个元素 小于最小值的下标 就更新最小值的下标if (this[j] this[indexMin]) {indexMin j;}}// 避免自己和自己进行交换if (indexMin ! i) {// 进行交换数据[this[i], this[indexMin]] [this[indexMin], this[i]];}}
}插入排序 从第二个数开始往前比较如它大就往后排以此类推进行到最后一个数// 时间复杂度 O(n ^ 2)
Array.prototype.insertionSort function () {// 遍历数组 从第二个开始for (let i 1; i this.length; i) {// 获取第二个元素const temp this[i];let j i;while (j 0) {// 如果当前元素小于前一个元素 就开始往后移动if (this[j - 1] temp) {this[j] this[j - 1];} else {// 否则就跳出循环break}// 递减j--;}// 前一位置赋值为当前元素this[j] temp;}
}归并排序 分 把数组劈成两半 在递归的对子数组进行分操作直到分成一个个单独的数合 把两个树合并为有序数组再对有序数组进行合并 直到全部子数组合并为一个完整的数组// 时间复杂度 O(nlogn) 分需要劈开数组所以是logn 合则是n
// 空间复杂度 O(n)
Array.prototype.mergeSort function () {const rec (arr) {// 递归终点if (arr.length 1) return arr// 获取中间索引const mid arr.length 1;// 通过中间下标,进行分割数组const left arr.slice(0, mid);const right arr.slice(mid);// 左边和右边的数组进行递归,会得到有序的左数组,和有序的右数组const orderLeft rec(left);const orderRight rec(right);// 存放结果的数组const res [];while (orderLeft.length || orderRight.length) {// 如左边和右边数组都有值if (orderLeft.length orderRight.length) {// 左边队头的值小于右边队头的值 就左边队头出队,否则就是右边队头出队res.push(orderLeft[0] orderRight[0] ? orderLeft.shift() : orderRight.shift())} else if (orderLeft.length) {// 把左边的队头放入数组res.push(orderLeft.shift())} else if (orderRight.length) {// 把右边的队头放入数组res.push(orderRight.shift())}}return res}const res rec(this)// 把结果放入原数组res.forEach((n, i) this[i] n)
}合并两个有序链表 // 时间复杂度O(n) n为链表1和链表2的长度之和
// 空间复杂度O(1)
var mergeTwoLists function (list1, list2) {// 新建一个新链表 作为返回值const res {val: 0,next: null}// 指向新链表的指针let p res;// 建立两个指针let p1 list1;let p2 list2;// 遍历两个链表while (p1 p2) {// 如果链表1 小于 链表2的值 就接入链表1的值if (p1.val p2.val) {p.next p1;// 需要往后移动p1 p1.next;} else {// 否则接入链表2的值p.next p2;// 需要往后移动p2 p2.next;}// p永远要往后移动一位p p.next;}// 如果链表1或者链表2还有值,就把后面的值全部接入新链表if (p1) {p.next p1;}if (p2) {p.next p2;}return res.next;
};快速排序 分区 从数组中任意选择一个 基准 所有比基准小的元素放在基准前面比基准大的元素放在基准后面递归 递归的对基准前后的子数组进行分区// 时间复杂度 O(nlogN)
// 空间复杂度 O(1)
Array.prototype.quickSort function () {const rec (arr) {// 如果数组长度小于等于1 就不用排序了if (arr.length 1) { return arr }// 存放基准前后的数组const left [];const right [];// 取基准const mid arr[0];for (let i 1; i arr.length; i) {// 如果当前值小于基准就放到基准前数组里面if (arr[i] mid) {left.push(arr[i]);} else {// 否则就放到基准后数组里面right.push(arr[i]);}}// 递归调用两边的子数组return [...rec(left), mid, ...rec(right)];};const res rec(this);res.forEach((n, i) this[i] n);
}搜索 找出数组中某个元素的下标js中通常使用indexOf方法进行搜索 顺序搜索 就比如indexOf方法 从头开始搜索数组中的某个元素二分搜索 从数组中的中间位置开始搜索如果中间元素正好是目标值则搜索结束如果目标值大于或者小于中间元素则在大于或者小于中间元素的那一半数组中搜索数组必须是有序的如不是则需要先进行排序// 时间复杂度O(log n)
// 空间复杂度O(1)
Array.prototype.binarySearch function (item) {// 代表数组的最小索引let low 0;// 和最大索引let higt this.length - 1;while (low higt) {// 获取中间元素索引const mid (low higt) 1;const element this[mid];// 如果中间元素小于于要查找的元素 就把最小索引更新为中间索引的下一个if (element item) {low mid 1} else if (element item) {// 如果中间元素大于要查找的元素 就把最大索引更新为中间索引的前一个higt mid - 1;} else {// 如果中间元素等于要查找的元素 就返回索引return mid;}}return -1
}猜数字大小 // 时间复杂度 O(logn) 分割成两半的 基本都是logn
// 空间复杂度 O(1)
var guessNumber function (n) {// 定义范围最小值和最大值const low 1;const high n;while (low high) {// 获取中间值const mid (low high) 1;// 这个方法是 leetcode 中的方法// 如果返回值为-1 就是小了// 如果返回值为1 就是大了// 如果返回值为0 就是找到了 const res guess(mid);// 剩下的操作就和二分搜索一样if (res 0) {return mid} else if (res 1) {low mid 1;} else {high mid - 1;}}
};分而治之 算法设计中的一种思想将一个问题分成多个子问题递归解决子问题然后将子问题的解合并成最终的解 归并排序 分把数组从中间一分为二解递归地对两个子数组进行归并排序合合并有序子数组快速排序 分选基准按基准把数组分成两个子数组解递归地对两个子数组进行快速排序合对两个子数组进行合并二分搜索 二分搜索也属于分而治之这种思想分而治之思想 猜数字大小 // 时间复杂度 O(logn)
// 空间复杂度 O(logn) 递归调用栈 所以是logn
var guessNumber function (n) {// 递归函数 接受一个搜索范围const rec (low, high) {// 递归结束条件if (low high) return;// 获取中间元素const mid (low high) 1;// 判断是否猜对const res guess(mid)// 猜对if (res 0) {return mid} else if (res 1) {// 猜大了return rec(mid 1, high)} else {// 猜小了return rec(low, mid - 1)}}return rec(1, n)
};分而治之思想 翻转二叉树 // 时间复杂度 O(n) n为树的节点数量
// 空间复杂度 O(h) h为树的高度
var invertTree function (root) {if (!root) return nullreturn {val: root.val,left: invertTree(root.right),right: invertTree(root.left)}
};分而治之思想 相同的树 // 时间复杂度 o(n) n为树的节点数量
// 空间复杂度 o(h) h为树的节点数
var isSameTree function (p, q) {if (!p !q) return trueif (p q p.val q.val isSameTree(p.left, q.left) isSameTree(p.right, q.right)) return truereturn false
};分而治之思想 对称二叉树 // 时间复杂度 O(n)
// 空间复杂度 O(n)
var isSymmetric function (root) {if (!root) return trueconst isMirror (l, r) {if (!l !r) return trueif (l r l.val r.val isMirror(l.left, r.right) isMirror(l.right, r.left)) return truereturn false}return isMirror(root.left, root.right)
};动态规划 动态规划是算法设计中的一种思想将一个问题分解为相互重叠的子问题通过反复求解子问题来解决原来的问题 斐波那契数列 // 时间复杂度 O(n)
// 空间复杂度 O(n)
function fib(n) {let dp [0, 1, 1];for (let i 3; i n; i) {// 当前值等于前两个值之和dp[i] dp[i - 1] dp[i - 2];}return dp[n];
}爬楼梯 // 正在爬楼梯, 需要n阶才能到达楼顶
// 每次只能爬 1 或者 2 个台阶, 有多少中不同的方法可以到达楼顶// 时间复杂度 O(n) n是楼梯长度
// 空间复杂度 O(1)
var climbStairs function (n) {if (n 2) return 1let dp0 1;let dp1 1for (let i 2; i n; i) {[dp0, dp1] [dp1, dp1 dp0]}return dp1
};贪心算法 贪心算法是算法设计中的一种思想期盼通过每个阶段的局部最优选择从而达到全局的最优但 结果并不一定是最优 分发饼干 // 每个孩子都有一个胃口g. 每个孩子只能拥有一个饼干
// 输入: g [1,2,3], s [1,1]
// 输出: 1
// 三个孩子胃口值分别是1,2,3 但是只有两个饼干,所以只能让胃口1的孩子满足// 时间复杂度 O(nlogn)
// 空间复杂度 O(1)
var findContentChildren function (g, s) {// 对饼干和孩子胃口进行排序g.sort((a, b) a - b)s.sort((a, b) a - b)// 是第几个孩子let i 0s.forEach((n) {// 如果饼干能满足第一个孩子if (n g[i]) { // 就开始满足第二个孩子i 1}})return i
}买卖股票的最佳时机Ⅱ // 时间复杂度 O(n) n为股票的数量
// 空间复杂度 O(1)
var maxProfit function (prices) {// 存放利润const profit 0;for (let i 1; i prices.length; i) {// 不贪 如有更高的利润就直接卖出if (prices[i] prices[i - 1]) {profit prices[i] - prices[i - 1]}}return profit
};回溯算法 回溯算法是算法设计中的一种思想一种渐进式寻找并构建问题解决方式的策略会先从一个可能的动作开始解决问题如不行就回溯选择另外一个动作直到找到一个解 全排列 // 输入 [1, 2, 3]
// 输出 [[1, 2, 3], [1, 3, 2], [2, 1, 3], [2, 3, 1], [3, 1, 2], [3, 2, 1]]// 时间复杂度 O(n!) n! 1 * 2 * 3 * ··· * (n-1) * n;
// 空间复杂度 O(n)
var permute function (nums) {// 存放结果const res [];const backTrack (path) {// 递归结束条件 if (path.length nums.length) {res.push(path)return}// 遍历传入数组nums.forEach(n {// 如果子数组中有这个元素就是死路 需要回溯回去走其他路if (path.includes(n)) return;// 加入到子数组里backTrack(path.concat(n))})}backTrack([])return res;
};子集 // 输入 [1,2,3]
// 输出 [ [3], [1], [2], [1,2,3], [1,3], [2,3], [1,2], [] ]// 时间复杂度 O(2 ^ N) 每个元素都有两种可能
// 空间复杂度 O(N)
var subsets function (nums) {// 存放结果数组const res [];const backTrack (path, l, start) {// 递归结束条件if (path.length l) {res.push(path)return}// 遍历输入的数组长度 起始位置是startfor (let i start; i nums.length; i) {// 递归调用 需要保证子集的有序, start为 i1backTrack(path.concat(nums[i]), l, i 1)}};// 遍历输入数组长度for (let i 0; i nums.length; i) {// 传入长度 起始索引backTrack([], i, 0)}return res
};结语 本文中仅对常见和常用的数据结构与算法进行了演示 算法这个东西平时还是要 多练。 记得看完后多刷一刷leetcode 文中如有错误欢迎大家在评论区指正如果本文对你有帮助 记得点赞和关注❤️ --------------------- 作者guxin_duyin 来源CSDN 原文https://blog.csdn.net/guxin_duyin/article/details/125120120 版权声明本文为作者原创文章转载请附上博文链接 内容解析ByCSDN,CNBLOG博客文章一键转载插件
