- 自动生成随机数或手动输入数
- 点击"start",再点击起始方格,点击"end",再点击结束方格,来定义起始和结束位置。
- 点击"shortestPath",会画出最短路径。方格数字表示经过这格的距离,数字越大,距离越大。
- 点击"clear"会清除路线,然后可重新定义起始和结束位置。
- 设置格子长款个数,绘制表格
- 点击格子设置和取消障碍
- 点击"搜索路径"进行搜索
- 感谢作者zwseaman
- 点击"start"自动寻找出路
- 点击"reset"重置迷宫
- 感谢作者欧阳蒜苗
- 修改 input 值
- 感谢作者0giant
- 准备信息
- 一共有 vertex 个点
- 起始点为第 a 个点,结束点为第 b 个点
- 把问题模型转化为:点与点之间距离的邻接矩阵 adj[][]
- 记录起点到每个顶点的最短路径的信息数组 dis[]
- 信息数组 dis[]的每项信息对象 msg,path 文字记录起始点到每个点,value 记录这段路径的距离,visit 记录是否已经访问
- 定义最远距离为 infinate
- 邻接矩阵初始化(问题模型转化)
- 全部初始化为 infinate
- 自身到自身距离为 0,对角线为 0
- 计算点到点的距离,非直连点距离记为 infinate
- 初始化信息数组
- 记录 path 为“va-->vi”
- 根据 adj[a][i]记录 value
- visit 除自身点为 true 以外,其余全为 false
- 计算过程
- a 找出最近直连点 x,路径为 pathAX
具体操作为循环每一个没访问过的直连点,比较 dis[i]得出最小值,并获得序号 x,标记 x 已经访问
- x 找出最近直连点 y,路径为 pathXY,如果有路径 pathAX + pathXY < pathAY,则更新 pathAY 距离
具体操作为循环每一个没访问过的直连点,如果 dis[x] + adj[x][i] < dis[i],更新 dis[i]信息
- 循环以上过程,即每一个点,使得信息数组填充完备,其中 dis[b]包含最短路径信息
- 更多操作
- 可打印最短距离,经过的路径信息等
- 思考
- 最短路径是 1 维寻找最小数 的 2 维版本
- 1 维寻找最小数可实现排序,路径也可以进行排序
- 3 维的最短路径,只需计算出周围 8 个点的路径,坐标计算变为 3 维,其余思想不变
- 思想
记录第一个数,通过调整数组,先不管排序,比它小的放左边,比它大的放右边,以它为切割点,分割成 2 个数组,重复以上操作,直到不可分割出数组
- 操作
- 如何扫描?
while (i != j) {
while (i < j && arr[j] > temp) {
//从右往左扫描到一个小于temp的元素
j--;
}
if (i < j) {
arr[i] = arr[j]; //把j的元素放在i的位置上(temp的左边)
i++; //i右移一位
}
while (i < j && arr[i] < temp) {
//从左往右扫描找到一个大于temp的元素
i++;
}
if (i < j) {
arr[j] = arr[i]; //把i的元素放在j的位置上(temp的右边)
j--;
}
}
arr[i] = temp; //将temp放在最终位置
- 结束条件(持续条件)
左索引大于等于右索引(左索引小于右索引)
- 复杂度
- 时间:最优 O(nlog2n),最差 O(n^2),平均 O(nlog2n)
- 空间:最优 O(logn)每一次都平分数组的情况,最差 O(n)退化为冒泡排序的情况
- 稳定性
- 不稳定
- 优化
-
快速排序的多种写法
-
填充法:元素比较基准值,把元素值填入当前位置
let quickSort = (arr, l, r) => {
let pivot,
left = l,
right = r;
if (left < right) {
//避免栈溢出风险
pivot = arr[left];
while (left != right) {
while (left < right && arr[right] > pivot) {
right--;
}
if (left < right) {
arr[left] = arr[right];
left++;
}
while (left < right && arr[left] < pivot) {
left++;
}
if (left < right) {
arr[right] = arr[left];
right--;
}
}
arr[left] = pivot;
quickSort(arr, l, left - 1);
quickSort(arr, left + 1, r);
}
};
- 交换法:元素比较基准值左右均完成后,交换左右位置
let quickSort = (arr, l, r) => {
if (l < r) {
var pivot = arr[l],
left = l,
right = r;
while (left < right) {
while (left < right && arr[right] >= pivot) {
right--;
}
while (left < right && arr[left] <= pivot) {
left++;
}
if (left < right) {
let tmp = arr[left];
arr[left] = arr[right];
arr[right] = tmp;
}
}
let tmp2 = arr[left];
arr[left] = arr[l];
arr[l] = tmp2;
quickSort(arr, l, left - 1);
quickSort(arr, left + 1, r);
}
};
- 非递归法:解决数据量大导致栈溢出的问题,因此把[left,right]保存到数组
let quickSort = function (num, left, right) {
let list = [[left, right]]; // 将[left,right]存入数组中,类似于递归入栈
while (list.length > 0) {
// 若list不为空,循环弹出list最后一个数组进行快排
let now = list.pop(); // 弹出list末尾。(也可用list.shift()取出list第一个数组,但在数据量较大时,这种方式效率较低)
if (now[0] >= now[1]) {
// 若左右指针相遇,待排序数组长度小宇1,则无需进行快排(注意不能写成now[0]==now[1],这里now[0]是有可能大于now[1]的
continue;
}
let i = now[0],
j = now[1],
flag = now[0]; // 以下与递归方法相同,请参考上面的递归详解
while (i < j) {
while (num[j] >= num[flag] && j > flag) j--;
if (i >= j) {
break;
}
while (num[i] <= num[flag] && i < j) i++;
let temp = num[flag];
num[flag] = num[j];
num[j] = num[i];
num[i] = temp;
flag = i;
}
list.push([now[0], flag - 1]); // 将flag左边数组作为待排序数组,只需将左右指针放入list即可。
list.push([flag + 1, now[1]]); // 将flag右边数组作为待排序数组,只需将左右指针放入list即可。
}
};
- 任意基准:第一个数与随机一个数交换位置,再把第一个数作为主元,其余算法同理
- 三数(左中右)取中值作为主元:第一个数、中间数、末尾数取排第二大的数与第一个数交换位置,再把第一个数作为主元,其余算法同理
let GetMid = (array, left, right) => {
var mid = left + (right - left) / 2;
if (array[left] <= array[right]) {
if (array[mid] < array[left]) return left;
else if (array[mid] > array[right]) return right;
else return mid;
} else {
if (array[mid] > array[left]) return left;
else if (array[mid] < array[right]) return right;
else return mid;
}
};
- 数组长度小到指定长度,用插入排序
- 思想
相邻元素两两对比,把较大数放后面
- 操作
for (let i = 0; i < len; i++) {
for (let j = 0; j < len - 1 - i; j++) {
if (arr[j] > arr[j + 1]) {
//相邻元素两两对比
let temp = arr[j + 1]; //元素交换
arr[j + 1] = arr[j];
arr[j] = temp;
}
}
}
- 复杂度
- 时间:最优 O(n),最差 O(n^2),平均 O(n^2)
- 空间:O(1)
- 稳定性
- 稳定
- 思想
随着索引移动,不断寻找最小的数,与索引处元素交换
- 操作
for (let i = 0; i < len - 1; i++) {
minIndex = i;
for (let j = i + 1; j < len; j++) {
if (arr[j] < arr[minIndex]) {
//寻找最小的数
minIndex = j; //将最小数的索引保存
}
}
temp = arr[i];
arr[i] = arr[minIndex];
arr[minIndex] = temp;
}
- 复杂度
- 时间:最优 O(n),最差 O(n^2),平均 O(n^2)
- 空间:O(1)
- 稳定性
- 不稳定
- 思想
有一个已经有序的数据序列,要求在这个已经排好的数据序列中插入一个数,但要求插入后此数据序列仍然有序
- 操作
for (let i = 1; i < len; i++) {
preIndex = i - 1;
current = arr[i];
while (preIndex >= 0 && arr[preIndex] > current) {
arr[preIndex + 1] = arr[preIndex];
preIndex--;
}
arr[preIndex + 1] = current;
}
- 复杂度
- 时间:最优 O(n),最差 O(n^2),平均 O(n^2)
- 空间:O(1)
- 稳定性
- 稳定
- 思想
递减间隔分组插入排序
- 操作
while (gap >= 1) {
for (let i = gap; i < arr.length; i++) {
let j,
temp = arr[i];
for (j = i - gap; j >= 0 && temp < arr[j]; j = j - gap) {
arr[j + gap] = arr[j];
}
arr[j + gap] = temp;
}
gap = Math.floor(gap / 2);
}
- 复杂度
- 时间:最优 O(nlog2n),最差 O(n^2),平均 O(n^1.5)
- 空间:O(1)
- 稳定性
- 不稳定
- 思想
相当于二叉树,每个根节点表示一个数,两两归并排序到其上一个节点,直到根节点完全排好
- 操作
function mergeSort(arr) {
if (arr.length < 2) return arr;
let middle = Math.floor(arr.length / 2);
let arrLeft = arr.slice(0, middle);
let arrRight = arr.slice(middle);
return merge(mergeSort(arrLeft), mergeSort(arrRight));
}
function merge(arrLeft, arrRight) {
// 这里arrLeft和arrRight都是排好序的数组
let i = 0;
let j = 0;
let newArr = [];
while (i < arrLeft.length && j < arrRight.length) {
if (arrLeft[i] < arrRight[j]) {
newArr.push(arrLeft[i]);
i++;
} else {
newArr.push(arrRight[j]);
j++;
}
}
if (i === arrLeft.length) {
//如果arrLeft已经遍历完,则直接把arrRight数组中剩余的元素放入newArr
newArr = newArr.concat(arrRight.slice(j));
} else {
newArr = newArr.concat(arrLeft.slice(i));
}
return newArr;
}
- 操作
- 细节排序方法
对比左右两个有序序列,只需比较两边第一个元素,把较小的取出并放入新数组,使归并数组有序
- 结束递归条件
数组长度为 1(二叉树分到根节点)
- 复杂度
- 时间:最优 O(nlog2n),最差 O(nlog2n),平均 O(nlog2n)
- 空间:O(n)
- 稳定性
- 稳定
- 优化
- TimSort
检测序列中的天然有序子段,若检测到严格降序子段则翻转序列为升序子段,在最好情况下无论升序还是降序都可以使时间复杂度降至为 O(n)
- 原地归并
原本需要一个辅助数组,所以归并排序的空间复杂度是 O(n),优化后可以进行原地排序,额外空间为 O(1)。
核心思想是“交换两段相邻内存块”。
具体操作:起始左右索引为各自的第一个元素,比较两边索引,不产生逆序,则两边索引向前走,否则,把右边产生逆序的数据段插入到左边索引之前,直到其中一个数组遍历完成。
- 其它应用
- 逆序数对
//修改上面的merge
function merge(arrLeft, arrRight) {
let i = 0;
let j = 0;
let newArr = [];
while (i < arrLeft.length && j < arrRight.length) {
if (arrLeft[i] <= arrRight[j]) {
//改为<=
newArr.push(arrLeft[i]);
i++;
} else {
newArr.push(arrRight[j]);
for (var index = i; index < arrLeft.length; index++) {
console.log("pairs:(" + arrLeft[index] + "," + arrRight[j] + ")");
}
//此位置的逆序数对长度为:arrLeft.length - i
//总逆序数对:把这里出现的逆序数对累加即可
j++;
}
}
if (i === arrLeft.length) {
//如果arrLeft已经遍历完,则直接把arrRight数组中剩余的元素放入newArr
newArr = newArr.concat(arrRight.slice(j));
} else {
newArr = newArr.concat(arrLeft.slice(i));
}
return newArr;
}
- 概念
堆实际上是一个完全二叉树,并且其左右子节点都不大于父节点(父节点大于子节点) 最大堆是父节点>左节点>右节点
父节点索引为 i,其左子节点索引为 2i+1,其右子节点索引为 2i+2
最后一个父节点的索引为 floor(length/2-1)
- 思想
从后往前遍历一次每个父节点来构造堆(父节点>子节点),遍历后根节点(0)一定是最大的数,与最后一个节点(length-1)交换位置,数组长度-1,接下来的操作不影响最后一个元素,重复以上操作。
- 操作
let len; //因为声明的多个函数都需要数据长度,所以把len设置成为全局变量
let buildMaxHeap = (arr) => {
//建立大顶堆
len = arr.length;
for (let i = Math.floor(len / 2 - 1); i >= 0; i--) {
heapify(arr, i);
}
//从最后一个父节点开始排,一旦底层排好,上层则不会产生递归,复杂度O(n)
};
let heapify = (arr, i) => {
//堆调整
let left = 2 * i + 1, //左节点
right = 2 * i + 2, //右节点
largest = i; //父节点
if (left < len && arr[left] > arr[largest]) {
largest = left;
}
if (right < len && arr[right] > arr[largest]) {
largest = right;
}
if (largest != i) {
swap(arr, i, largest);
heapify(arr, largest); //其子节点变父节点,再次调整,只需调整被改动的半边,复杂度O(log2 n)
}
};
let swap = (arr, i, j) => {
let temp = arr[i];
arr[i] = arr[j];
arr[j] = temp;
};
let heapSort = (arr) => {
//初始化,i从最後一个父节点开始调整
buildMaxHeap(arr); //复杂度O(n)
//先将第一个元素和已经排好的元素前一位做交换,再从新调整(刚调整的元素之前的元素),直到排序完毕
for (let i = arr.length - 1; i > 0; i--) {
//复杂度O(n)
swap(arr, 0, i);
len--;
heapify(arr, 0); //从根节点开始递归,复杂度O(log2 n)
}
//总复杂度O(n+nlog2 n)->O(nlog2 n)
return arr;
};
测试:
let heapSort = (array) => {
let len = array.length;
buildMaxHeap(array);
while (len > 0) {
swap(array, 0, len - 1);
len--;
heapJustify(array, 0, len);
}
};
let buildMaxHeap = (array) => {
let len = array.length;
for (let i = Math.floor(len / 2 - 1); i >= 0; i--) {
heapJustify(array, i, len);
}
};
let heapJustify = (array, currentNodeIndex, subLength) => {
let leftIndex = 2 * currentNodeIndex + 1;
let rightIndex = 2 * currentNodeIndex + 2;
let maxIndex = currentNodeIndex;
if (leftIndex < subLength && array[leftIndex] > array[maxIndex]) {
maxIndex = leftIndex;
}
if (rightIndex < subLength && array[rightIndex] > array[maxIndex]) {
maxIndex = rightIndex;
}
if (maxIndex != currentNodeIndex) {
swap(array, maxIndex, currentNodeIndex);
heapJustify(array, maxIndex, subLength);
}
};
let swap = (array, i, j) => {
let temp = array[i];
array[i] = array[j];
array[j] = temp;
};
$(() => {
let array = [5, 1, 2, 3, 4, 6, 7];
//hj(array,0,array.length);//[5, 1, 2, 3, 4, 6, 7]
//bmh(array);//[7, 4, 6, 3, 1, 5, 2]
heapSort(array); //[1, 2, 3, 4, 5, 6, 7]
console.log(array);
});
- 处理数组越界
在堆调整时,需要判断左右节点索引是否超过要处理的长度
- 初始化和重复操作
初始化建立堆,使父节点>子节点,后形成循环过程:交换数值,长度减一,根节点调整堆(由于堆性质,每次比较 3 个数,即可把最大数调至父节点,无需考虑子孙节点比父节点大)。
- 为什么不一开始就每次建立堆,交换,然后长度减一?
这样做和选择排序,每次找到最大数,放到最后的操作一样了
- 复杂度
- 时间:初始化堆 O(n),调整堆(nlog2n),总体 O(nlog2n)
- 空间:O(1)
- 稳定性
- 不稳定
- 思想
把数存入数组索引,遍历数组即完成排序
- 复杂度
- 时间:O(n+k)
- 空间:O(n+k)
- 稳定性
- 稳定
- 概念
- 桶的个数:按需定义
- 桶的数据范围步长:(数组最大值-数组最小值)/桶个数
- 数映射到哪个桶:floor((当前数-数组最小值)/步长)
- 思想
把数映射到每个桶中,再对每个桶内的数据进行排序,排序方法可选择插入排序,最后把桶拼接在一起
- 复杂度
- 时间:最优 O(n+k),最差 O(n^2),平均 O(n+k)
- 空间:O(n*k)
- 稳定性
- 稳定(因为插入排序稳定)
- 思想
以十进制为例,有 0-9 十个桶,把个位数为 x 的数放入第 x 个桶,序号由小到大收集桶的数据,其它位数重复以上操作(每次操作完成都能保证那一位数的较大值能排在后面),直至最大位数排完
- 操作
let mod = 10;
let dev = 1;
for (let i = 0; i < maxDigit; i++, dev *= 10, mod *= 10) {
for (let j = 0; j < arr.length; j++) {
let bucket = parseInt((arr[j] % mod) / dev);
if (counter[bucket] == null) {
counter[bucket] = [];
}
counter[bucket].push(arr[j]);
}
let pos = 0;
for (let j = 0; j < counter.length; j++) {
let value = null;
if (counter[j] != null) {
while ((value = counter[j].shift()) != null) {
arr[pos++] = value;
}
}
}
}
- 复杂度
-
时间:O(d(n+r)) r 为进制数(基数),分配的时间复杂度为 O(n)收集的的时间复杂度为 O(radix),分配和收集共需要 distance 趟
-
空间:O(n+r)
- 稳定性
- 稳定
- 思想
一条道路走到黑,走不通就回到上一个分叉点,换一条路走
- 操作
- 建立邻接矩阵,1 表示可直达,0 表示不可直达
- 准备一个 visit 数组表示每个点是否访问
- 循环邻接矩阵,从第一个点开始,对遇到的每一个没访问过的点进行深度优先搜索,形成递归,递归条件结束为这个点没有下一个点或下一个点已经被访问,结束条件为所有点被访问
void DFS(int v)
{
int n=vertexNum;//顶点数目
if(v<0||v>=n) throw "位置出错";
cout<<vertex[v]<<" ";//输出顶点v
visited[v]=1;//被访问过
for(int j=0;j<n;j++)
if(visited[j]==0&&adj[v][j]==1)//没被访问过且存在边(v,j)
DFS(j);
}
- 复杂度
时间:O(n^2)
- 样例
- 思想
水波扩散
- 操作
- 建立邻接矩阵,1 表示可直达,0 表示不可直达
- 准备一个 visit 数组表示每个点是否访问
- 准备一个队列来把新进来的数顶替旧的数
- 准备一个数组记录被顶替的数
- 循环邻接矩阵,从第一个点开始,进入队列,把第一个点取出放入数组,把第一个点的所有直连点放入队列,重复以上操作,直至所有点访问过或队列为空
void BFS(Graph G, void (*visit)(int v))
{
int v = 0;
//初始化访问标记的数组
for (v = 0; v < G.vexnum; v++)
{
visited[v] = false;
}
//依次遍历整个图的结点
for (v = 0; v < G.vexnum; v++)
{
//如果v尚未访问,则访问 v
if (!visited[v])
{
//把 v 顶点对应的数组下标处的元素置为真,代表已经访问了
visited[v] = true;
//然后v入队列,利用了队列的先进先出的性质
q.push(v);
//访问 v,打印处理
cout << q.back() << " ";
//队不为空时
while (!q.empty())
{
//队头元素出队,并把这个出队的元素置为 u,类似层序遍历
Graph *u = q.front();
q.pop();
//w为u的邻接顶点
for (int w = FirstAdjVex(G, u); w >= 0; w = NextAdjVex(G,u,w))
{
//w为u的尚未访问的邻接顶点
if (!visited[w])
{
visited[w] = true;
//然后 w 入队列,利用了队列的先进先出的性质
q.push(w);
//访问 w,打印处理
cout << q.back() << " ";
}
}
}
}
}
}
来源:dashuai
- 复杂度
时间:O(n^2)
- 样例
- 思想
从第一点开始,寻找边最小的点连通为树,再从它们能直连到其它点中,寻找边最小的未访问过的点连通为树,直至所有点连在一起或所有点访问过
- 操作
- 把图转化为邻接矩阵 adj[][]
- visit 数组记录每个点的访问情况
- lowcost 数组记录记录每 2 个点间最小权值,初始化为第一个点到每个点的权值,不直连的记为 infinate
- pos 记录最短边下标
- 循环每一个点 i,循环找出未访问过的最短边 mindis(j),点为 j,标记 j 已访问,把 j 可直连的未访问过的点 adj[j][x]与记录在案的每一个最小权值 lowcost[x]比较,如果 adj[j][x]较小,则刷新 lowcost[x]
- 把每次 mindis(j)相加可求总最小权值
#include <iostream>
#include <vector>
using namespace std;
//Prim算法实现
void prim_test()
{
int n;
cin >> n;
vector<vector<int> > A(n, vector<int>(n));
for(int i = 0; i < n ; ++i) {
for(int j = 0; j < n; ++j) {
cin >> A[i][j];
}
}
int pos, minimum;
int min_tree = 0;
//lowcost数组记录每2个点间最小权值,visited数组标记某点是否已访问
vector<int> visited, lowcost;
for (int i = 0; i < n; ++i) {
visited.push_back(0); //初始化为0,表示都没加入
}
visited[0] = 1; //最小生成树从第一个顶点开始
for (int i = 0; i < n; ++i) {
lowcost.push_back(A[0][i]); //权值初始化为0
}
for (int i = 0; i < n; ++i) { //枚举n个顶点
minimum = max_int;
for (int j = 0; j < n; ++j) { //找到最小权边对应顶点
if(!visited[j] && minimum > lowcost[j]) {
minimum = lowcost[j];
pos = j;
}
}
if (minimum == max_int) //如果min = max_int表示已经不再有点可以加入最小生成树中
break;
min_tree += minimum;
visited[pos] = 1; //加入最小生成树中
for (int j = 0; j < n; ++j) {
if(!visited[j] && lowcost[j] > A[pos][j]) lowcost[j] = A[pos][j]; //更新可更新边的权值
}
}
cout << min_tree << endl;
}
int main(void)
{
prim_test();
return 0;
}
来源:JoshuaMK
- 思想
对所有权值进行从小到大排序,每次选取最小的权值,如果和已有点集构成环则跳过(通过并查集检查),否则加到该点集中。
- 操作
- 根据图建立类,记录图信息,点 a,点 b,ab 权值,并按 ab 权值升序排序
- 初始化并查集 father[i]=i
- 循环每一个点,寻找每一个点在并查集中的根,判断的条件为如果 father[i]=i 它就是根,否则就让 i =father[i],向上寻找,直到其相等
- 如果点同源,则跳过,否则 a 和 b 不同源,则 father[b]=a,那么 b 就挂载在 a 下
#include <stdio.h>
#include <stdlib.h>
#define Max 50
typedef struct road *Road;
typedef struct road
{
int a , b;
int w;
}road;
typedef struct graph *Graph;
typedef struct graph
{
int e , n;
Road data;
}graph;
Graph initGraph(int m , int n)
{
Graph g = (Graph)malloc(sizeof(graph));
g->n = m;
g->e = n;
g->data = (Road)malloc(sizeof(road) * (g->e+1));
return g;
}
void create(Graph g)
{
int i;
for(i = 1 ; i <= g->e ; i++)
{
int x , y, w;
scanf("%d %d %d",&x,&y,&w);
if(x < y)
{
g->data[i].a = x;
g->data[i].b = y;
}
else
{
g->data[i].a = y;
g->data[i].b = x;
}
g->data[i].w = w;
}
}
int getRoot(int v[], int x)
{
while(v[x] != x)
{
x = v[x];
}
return x;
}
void sort(Road data, int n)
{
int i , j;
for(i = 1 ; i <= n-1 ; i++)
{
for(j = 1 ; j <= n-i ; j++)
{
if(data[j].w > data[j+1].w)
{
road t = data[j];
data[j] = data[j+1];
data[j+1] = t;
}
}
}
}
int Kruskal(Graph g)
{
int sum = 0;
//并查集
int v[Max];
int i;
//init
for(i = 1 ; i <= g->n ; i++)
{
v[i] = i;
}
sort(g->data , g->e);
//main
for(i = 1 ; i <= g->e ; i++)
{
int a , b;
a = getRoot(v,g->data[i].a);
b = getRoot(v,g->data[i].b);
if(a != b)
{
v[a] = b;
sum += g->data[i].w;
}
}
return sum;
}
int main()
{
int m , n , id = 1;
while(scanf("%d %d",&m,&n) != EOF)
{
int r , i;
Graph g = initGraph(m,n);
create(g);
r = Kruskal(g);
printf("Case %d:%d\n",id++,r);
free(g);
}
return 0;
}
来源:mgsky1
- 思想
可通过 bfs,dfs,并查集计算连通块数量
- 样例
来源:力扣(LeetCode)
朋友圈
班上有 N 名学生。其中有些人是朋友,有些则不是。他们的友谊具有是传递性。如果已知 A 是 B 的朋友,B 是 C 的朋友,那么我们可以认为 A 也是 C 的朋友。所谓的朋友圈,是指所有朋友的集合。
给定一个 N * N 的矩阵 M,表示班级中学生之间的朋友关系。如果M[i][j] = 1,表示已知第 i 个和 j 个学生互为朋友关系,否则为不知道。你必须输出所有学生中的已知的朋友圈总数。
输入:
[[1,1,0],
[1,1,0],
[0,0,1]]
输出: 2
说明:已知学生0和学生1互为朋友,他们在一个朋友圈。
第2个学生自己在一个朋友圈。所以返回2。
bfs
let findCircleNum = (M) => {
//bfs
let count = 0;
let visited = new Array(M.length).fill(0);
let queue = [];
for (let i = 0; i < M.length; i++) {
if (visited[i] == 0) {
queue.push(i);
visited[i] = 1;
} else {
continue;
}
while (queue.length > 0) {
let current = queue.shift();
for (let j = 0; j < M[current].length; j++) {
if (j != current && M[current][j] == 1 && visited[j] == 0) {
queue.push(j);
visited[j] = 1;
}
}
}
count++;
}
return count;
};
let M = [
[1, 1, 0, 0, 0, 0],
[1, 1, 0, 0, 0, 0],
[0, 0, 1, 1, 1, 0],
[0, 0, 1, 1, 0, 0],
[0, 0, 1, 0, 1, 0],
[0, 0, 0, 0, 0, 1],
];
console.log(findCircleNum(M));
dfs
let findCircleNum = (M) => {
//dfs
let count = 0;
let visited = new Array(M.length).fill(0);
for (let i = 0; i < M.length; i++) {
if (visited[i] == 0) {
visited[i] = 1;
dfs(i, visited, M);
count++;
}
}
return count;
};
let dfs = (i, visited, M) => {
for (let j = 0; j < M[i].length; j++) {
if (i != j && M[i][j] == 1 && visited[j] == 0) {
visited[j] = 1;
dfs(j, visited, M);
}
}
};
并查集(时间复杂度 O(n^3))
let findCircleNum = (M) => {
//并查集
let count = 0;
let parent = new Array(M.length).fill(-1);
for (let i = 0; i < M.length; i++) {
for (let j = 0; j < M.length; j++) {
if (i != j && M[i][j] == 1) {
union(parent, i, j);
}
}
}
//console.log(parent)
for (let i = 0; i < parent.length; i++) {
if (parent[i] == -1) count++;
}
return count;
};
let find = (parent, i) => {
//寻找根节点
if (parent[i] == -1) return i;
return find(parent, parent[i]);
};
let union = (parent, x, y) => {
//x,y连通,则设置parent[y] = x,表示y的父节点为x
let xset = find(parent, x);
let yset = find(parent, y);
if (xset != yset) parent[yset] = xset;
};
- 思想
-
朴素算法 子串在第一位与主串开始比较,在第 j 位与主串失配,把子串后移一位,继续重新比较。 复杂度 O(m*n)
-
改进算法 失配时,不要浪费前 j-1 位匹配成功的资源,子串向前移动到子串前后缀重复的地方,如果重复后的子串和主串不匹配,则在不匹配的下一位重新比较。
- 操作
- 求 next 数组(子串向前移动到子串前后缀重复的地方)
public static int[] getNext(String ps) {
char[] p = ps.toCharArray();
int[] next = new int[p.length];
next[0] = -1;
int j = 0;
int k = -1;
while (j < p.length - 1) {
if (k == -1 || p[j] == p[k]) {
next[++j] = ++k;
} else {
k = next[k];
}
}
return next;
}
- 求 next 数组(如果重复后的子串和主串不匹配,则在不匹配的下一位重新比较)
public static int[] getNext(String ps) {
char[] p = ps.toCharArray();
int[] next = new int[p.length];
next[0] = -1;
int j = 0;
int k = -1;
while (j < p.length - 1) {
if (k == -1 || p[j] == p[k]) {
if (p[++j] == p[++k]) { // 当两个字符相等时要跳过
next[j] = next[k];
} else {
next[j] = k;
}
} else {
k = next[k];
}
}
return next;
}
- KMP
public static int KMP(String ts, String ps) {
char[] t = ts.toCharArray();
char[] p = ps.toCharArray();
int i = 0; // 主串的位置
int j = 0; // 模式串的位置
int[] next = getNext(ps);
while (i < t.length && j < p.length) {
if (j == -1 || t[i] == p[j]) { // 当j为-1时,要移动的是i,当然j也要归0
i++;
j++;
} else {
// i不需要回溯了
// i = i - j + 1;
j = next[j]; // j回到指定位置
}
}
if (j == p.length) {
return i - j;
} else {
return -1;
}
}
来源:
- 储存方式
- 数组:按完全二叉树层次遍历 1-n 填入数组,在不完全的地方填 null
["a", "b", "c", "d", "e", "f", null, "g", null, null, null, "h"]
- 链表:节点对象:值、左、右、(父)、插入左方法、插入右方法
- 节点位置关系
按数组关系
- 父:i,左:2i+1,右:2i+2
- 每层最左:2^i,每层最右:2^(i+1)-1
- 遍历方法
- 前序遍历(深度优先搜索):中左右
- 中序遍历:左中右
- 后序遍历:左右中
- 层序遍历(广度优先搜索):队列
- 代码示例
//二叉树节点对象
function binaryTreeNode(data = null, parent = null, left = null, right = null) {
this.data = data;
this.parent = parent;
this.left = left;
this.right = right;
this.appendLeft = function (node) {
this.left = node;
node.parent = this;
};
this.appendRight = function (node) {
this.right = node;
node.parent = this;
};
}
//储存方式:数组转链表
function arrayBinaryTreeToLinkBinaryTree(arrayBinaryTree) {
//console.log(arrayBinaryTree)
var len = arrayBinaryTree.length;
var root = null;
var nodeArray = new Array(len).fill(null);
//console.log(len,Math.floor(len / 2));
//只需遍历一半即可生成整棵树
for (var i = 0; i < Math.floor(len / 2); i++) {
//console.log('i:' + i);
if (arrayBinaryTree[i] != null) {
if (nodeArray[i] == null) {
nodeArray[i] = new binaryTreeNode({
key: arrayBinaryTree[i],
value: i,
});
//console.log('create node ' + arrayBinaryTree[i]);
}
//父子位置关系:i,2i+1,2i+2
//console.log('2 * i + 1:' + (2 * i + 1) + ',len:'+len);
if (2 * i + 1 <= len && arrayBinaryTree[2 * i + 1] != null) {
if (nodeArray[2 * i + 1] == null) {
nodeArray[2 * i + 1] = new binaryTreeNode({
key: arrayBinaryTree[2 * i + 1],
value: 2 * i + 1,
});
//console.log('create node ' + arrayBinaryTree[2 * i + 1]);
}
nodeArray[i].appendLeft(nodeArray[2 * i + 1]);
//console.log('node ' + nodeArray[i].data.key + ' append left node ' + arrayBinaryTree[2 * i + 1]);
}
//console.log('2 * i + 2:' + (2 * i + 2) + ',len:' + len);
if (2 * i + 2 <= len && arrayBinaryTree[2 * i + 2] != null) {
if (nodeArray[2 * i + 2] == null) {
nodeArray[2 * i + 2] = new binaryTreeNode({
key: arrayBinaryTree[2 * i + 2],
value: 2 * i + 2,
});
//console.log('create node ' + arrayBinaryTree[2 * i + 2]);
}
nodeArray[i].appendRight(nodeArray[2 * i + 2]);
//console.log('node ' + nodeArray[i].data.key + ' append right node ' + arrayBinaryTree[2 * i + 2]);
}
}
if (i == 0) {
root = nodeArray[0];
if (root == null) {
return null;
}
}
}
//去除原数组null值,使储存空间不再连续
nodeArray = nodeArray.filter((s) => s);
//console.log(nodeArray);
return root;
}
//储存方式:链表转数组
function linkBinaryTreeToArrayBinaryTree(root) {
//console.log('root:',root);
var queue = [];
var arrayBinaryTree = [];
if (root != null) {
queue.push(root);
arrayBinaryTree.push(root.data.key);
} else {
return [];
}
//广度优先转换
//console.log('queueInit:', queue);
while (queue.length > 0) {
//console.log('queue:',queue[0],queue.length);
if (queue[0].left != null) {
arrayBinaryTree.push(queue[0].left.data.key);
//console.log('left:', queue[0].left);
queue.push(queue[0].left);
} else {
arrayBinaryTree.push(null);
}
if (queue[0].right != null) {
arrayBinaryTree.push(queue[0].right.data.key);
//console.log('right:', queue[0].right);
queue.push(queue[0].right);
} else {
arrayBinaryTree.push(null);
}
queue.shift();
//console.log(arrayBinaryTree);
}
//console.log(arrayBinaryTree);
//去除末尾没必要的null值
var lastNotNull = -1;
for (var len = arrayBinaryTree.length - 1; len >= 0; len--) {
if (arrayBinaryTree[len] != null) {
lastNotNull = len;
//console.log(len);
break;
}
}
return arrayBinaryTree.slice(0, len + 1);
}
//前序遍历
var preOrder = [];
function preOrderLoop(root) {
if (root == null) {
return;
}
//console.log(root.data.key);
preOrder.push(root.data.key);
preOrderLoop(root.left);
preOrderLoop(root.right);
}
//中序遍历
var inOrder = [];
function inOrderLoop(root) {
if (root == null) {
return;
}
inOrderLoop(root.left);
//console.log(root.data.key);
inOrder.push(root.data.key);
inOrderLoop(root.right);
}
//后序遍历
var postOrder = [];
function postOrderLoop(root) {
if (root == null) {
return;
}
postOrderLoop(root.left);
postOrderLoop(root.right);
//console.log(root.data.key);
postOrder.push(root.data.key);
}
$(function () {
var arrayTree = [
"a",
"b",
"c",
"d",
"e",
"f",
null,
"g",
null,
null,
null,
"h",
];
var linktree = arrayBinaryTreeToLinkBinaryTree(arrayTree);
console.log(linktree);
preOrder = [];
preOrderLoop(linktree);
console.log(preOrder);
inOrder = [];
inOrderLoop(linktree);
console.log(inOrder);
postOrder = [];
postOrderLoop(linktree);
console.log(postOrder);
var arrayTree2 = linkBinaryTreeToArrayBinaryTree(linktree);
console.log(arrayTree2);
});
- 思想
- 找规律(数学归纳法)
- 状态变量:哪些变量有递推关系
- 状态转移方程:上一个状态与下一个状态的关系
- 边界条件
- 优化:由前向后?由后向前?
- 样例
-
来源:力扣(LeetCode)
-
最长上升子序列(线性 dp)
输入: [10,9,2,5,3,7,101,18] 输出: 4 解释: 最长的上升子序列是 [2,3,7,101],它的长度是 4。 返回长度,尽可能输出其中一种可能的序列。 动态规划的时间复杂度为 O(n2) 。
普通动态规划
let lis = (nums) => { let len = nums.length; if (len == 0) return 0; let dp = new Array(len).fill(1); let pos = []; let res = 0; //i表示最新的一位数 for (let i = 0; i < nums.length; i++) { //j表示i前面的所有数 for (let j = 0; j < i; j++) { //找出i前比i小的位置的最长递增子序列的最大值(找到以nums[i]结尾的最长递增子序列),虽然此处不一定是整个数组中的最大值 if (nums[j] < nums[i]) { //改变运算符可变型为最长不减子序列,最长下降子序列等 dp[i] = Math.max(dp[i], dp[j] + 1); //状态转移方程 } } //找出整个数组中的最大值 res = Math.max(res,dp[i]); } console.log(dp); //[1, 1, 2, 3, 4, 5, 2, 3, 3, 4, 6, 5, 6, 7, 8, 5, 9, 10, 3] //dp必然出现1~res的连续整数,从后向前找出res,res-1,res-2...所在位置代表的数即可 return res;//10 }; $(() => { let numbers = [5, 1, 3, 6, 7, 9, 2, 4, 3, 4, 10, 5, 6, 7, 8, 5, 9, 10, 3]; console.log(lis(numbers)); //10 });
抽牌二分查找,改进时间复杂度为 O(n log n)
let lis = (nums) => { //二分查找:决定新来的牌插入哪一个牌堆(插入到刚好比这牌大的牌堆中) //牌堆顶:1 2 3 4 5 6 7 8 -> 新牌:3 //1 2 3 4 //3 4 //4 //牌堆顶:1 2 3 3 5 6 7 8 -> 替换 //牌堆顶:1 2 3 3 5 6 7 8 -> 新牌:9 //5 6 7 8 //7 8 //8 //牌堆顶:1 2 3 3 5 6 7 8 9 -> 新建 let pins = []; for(let i = 0;i < nums.length;i++){ let left = 0,right = pins.length,middle = 0; while(left < right){ middle = Math.floor((left+right)/2); if(nums[i] <= pins[middle]){ right = middle; } else{ left = middle+1; } } pins[left] = nums[i]; console.log(left,middle,right,nums[i],pins) } return pins.length; };
题目变型:vue3最长不减子序列(索引)
解析Vue3.0的dom-diff核心算法——最长递增子序列
//vue3最长不减子序列索引(核心思想:贪心,二分查找,前驱节点) //注意vue的nodeId不会出现重复项 //nums: [2, 3, 1, 5, 6, 8, 7, 9, 4] // result: [2(0)] // preIndex: [undefined] // result: [2(0), 3(1)] // preIndex: [undefined, 0] // result: [1(2), 3(1)] // preIndex: [undefined, 0, undefined] // result: [1(2), 3(1), 5(3)] // preIndex: [undefined, 0, undefined, 1] // result: [1(2), 3(1), 5(3), 6(4)] // preIndex: [undefined, 0, undefined, 1, 3] // result: [1(2), 3(1), 5(3), 6(4), 8(5)] // preIndex: [undefined, 0, undefined, 1, 3, 4] // result: [1(2), 3(1), 5(3), 6(4), 7(6)] // preIndex: [undefined, 0, undefined, 1, 3, 4, 4] // result: [1(2), 3(1), 5(3), 6(4), 7(6), 9(7)] // preIndex: [undefined, 0, undefined, 1, 3, 4, 4, 6] // result: [1(2), 3(1), 4(8), 6(4), 7(6), 9(7)] // preIndex: [undefined, 0, undefined, 1, 3, 4, 4, 6, 1] // result: [9(7)] // result: [preIndex[6] = 7(6), 9(7)] // result: [preIndex[4] = 6(4), 7(6), 9(7)] // result: [preIndex[3] = 5(3), 6(4), 7(6), 9(7)] // result: [preIndex[1] = 3(1), 5(3), 6(4), 7(6), 9(7)] // result: [preIndex[0] = 2(0), 3(1), 5(3), 6(4), 7(6), 9(7)] // result: [2(0), 3(1), 5(3), 6(4), 7(6), 9(7)] var getSequence = function (nums) { let result = [],// 最长不减子序列索引结果 preIndex = [] // nums中每个位置对应结果集的前驱节点 for (let i = 0; i < nums.length; i++) { let last = nums[result[result.length - 1]],// 结果集最后一位代表的数 current = nums[i]// 当前的数 if (current >= last || last === undefined) {// 当前项大于等于最后一项(注意vue的nodeId不会出现重复项,可不考虑值相同的情况,即current > last亦可) preIndex[i] = result[result.length - 1]// 创建当前位置,前一个数的索引 result.push(i)// 结果集新增这个数 } else { // 当前项小于最后一项,二分查找+替换,取上确界的数的索引 let start = 0, end = result.length - 1, middle while (start < end) { // 重合就说明找到了 对应的值,时间复杂度O(logn) middle = Math.floor((start + end) / 2)// 找到中间位置的前一个 if (nums[result[middle]] > current) { end = middle// 不使用end = middle - 1为了下方使用start时是上确界 } else { start = middle + 1 } } // 如果相同(nodeId不会相同) 或者 比当前的还大就不换了 // 上确界大于当前值时需替换前驱节点和结果集 if (current < nums[result[start]]) {// 上方current >= last取了等号,那么此处上确界必然大于当前值 preIndex[i] = result[start - 1] result[start] = i // 上确界替换成一个更小的数的索引 } } } // 利用前驱节点重新计算result let length = result.length, //总长度 prev = result[length - 1] // 最后一项 while (length-- > 0) {// 根据前驱节点一个个向前查找 result[length] = prev prev = preIndex[result[length]] } return result } let numbers = [ [3, 5, 6, 2, 5, 4, 19, 5, 6, 7, 12], [2, 3, 1, 5, 6, 8, 7, 9, 4], [7, 7, 7, 7, 77, 7, 7, 7, 7, 7, 7] ]; console.log(getSequence(numbers[1]))// [0, 1, 3, 4, 6, 7]
题目升级变型:俄罗斯套娃信封问题
给定一些标记了宽度和高度的信封,宽度和高度以整数对形式 (w, h) 出现。当另一个信封的宽度和高度都比这个信封大的时候,这个信封就可以放进另一个信封里,如同俄罗斯套娃一样。 请计算最多能有多少个信封能组成一组“俄罗斯套娃”信封(即可以把一个信封放到另一个信封里面)。 说明: 不允许旋转信封。 输入: envelopes = [[5,4],[6,4],[6,7],[2,3]] 输出: 3 解释: 最多信封的个数为 3, 组合为: [2,3] => [5,4] => [6,7]。
let maxEnvelopes = (envelopes) => { //先按第0位顺序排序,再按第一位逆序排序,根据第一位求最长递增子序列 envelopes = envelopes.sort((a, b) => { console.log(a, b); //a是第二个数,b是第一个数 console.log(a[0] < b[0] || (a[0] == b[0] && a[1] > b[1])); if (a[0] < b[0] || (a[0] == b[0] && a[1] > b[1])) { return -1; } else { return 1; } }); console.log(envelopes); let numbers = envelopes.map((value, index, arr) => { return value[1]; }); console.log(numbers); return lis(numbers); //见上面 }; $(() => { let envelopes = [ [5, 4], [6, 4], [6, 7], [2, 3], ]; console.log(maxEnvelopes(envelopes)); });
-
0/1 背包问题(树状 dp)
-
最短路径(矩阵 dp)
-
最大为 N 的数字组合(数位 dp)
我们有一组排序的数字 D,它是 {'1','2','3','4','5','6','7','8','9'} 的非空子集。(请注意,'0' 不包括在内。) 现在,我们用这些数字进行组合写数字,想用多少次就用多少次。例如 D = {'1','3','5'},我们可以写出像 '13', '551', '1351315' 这样的数字。 返回可以用 D 中的数字写出的小于或等于 N 的正整数的数目。 输入:D = ["1","3","5","7"], N = 100 输出:20 解释: 可写出的 20 个数字是: 1, 3, 5, 7, 11, 13, 15, 17, 31, 33, 35, 37, 51, 53, 55, 57, 71, 73, 75, 77
let atMostNGivenDigitSet = (D, N) => { //数位digit比N的数位小,则含有digit数位的数有pow(D.length,digit)个 //数位digit与N相等时, //1.第一个数位比N小的D数有d个,数有d*pow(D.length,digit-1)个 //2.第一个数位与N相等,则累加比较后面的位数,数有+=d[i]*pow(D.length,digit-1)个 let stringLen = N.toString().length; let dp = new Array(stringLen + 1).fill(0); dp[stringLen] = 1; //N的len - i 位数的合法数个数,表示完全与N相等的数有1个 //统计数位与N相等的情况 for (let i = stringLen - 1; i >= 0; i--) { let Ni = N.toString()[i]; for (let d of D) { if (parseInt(d) < Ni) { //console.log('less',parseInt(d),Ni,stringLen-i-1,dp) //D中小于N中前digit位数,累加Math.pow(D.length, digit-1) dp[i] += Math.pow(D.length, stringLen - i - 1); //console.log('less2',dp) } else if (parseInt(d) == Ni) { //console.log('equal',parseInt(d),Ni,dp) //数位相等,则加上上一次统计(数位更短)的合法数 dp[i] += dp[i + 1]; //console.log('equal2',dp) } } } //统计数位小于N的情况 for (let i = 1; i < stringLen; i++) { //数位digit比N的数位小,则含有digit数位的数有pow(D.length,digit)个,把这些数加进来 dp[0] += Math.pow(D.length, i); } return dp[0]; }; let D = ["3", "4", "5", "6"], N = 64; console.log(atMostNGivenDigitSet(D, N));
- 算法识别与思想
一个数组中,对一些连续数据的操作,形成窗口
- 样例 1
-
来源:力扣(LeetCode)
-
和为 K 的子数组
给定一个整数数组和一个整数 k,你需要找到该数组中和为 k 的连续的子数组的个数,并输出所有子数组。
示例:
输入:nums = [1,1,1], k = 2
输出: 2 , [1,1] 与 [1,1] 为两种不同的情况。
说明 :
数组的长度为 [1, 20,000]。
数组中元素的范围是 [-1000, 1000] ,且整数 k 的范围是 [-1e7, 1e7]。
二重循环
let subarraySum = (nums, k) => {
let count = 0;
let position = [];
for (let start = 0; start < nums.length; start++) {
let sum = 0;
for (let end = start; end < nums.length; end++) {
sum += nums[end];
if (sum == k) {
count++;
position.push({
start: start,
end: end,
});
}
}
}
console.log(position);
return count;
};
$(() => {
let nums = [3, 4, 7, 2, -3, 1, 4, 2];
let k = 7;
console.log(subarraySum(nums, k));
//0: {start: 0, end: 1}
//1: {start: 2, end: 2}
//2: {start: 2, end: 5}
//3: {start: 5, end: 7}
//4
});
哈希表
let subarraySum = (nums, k) => {
let hashmap = [
{
position: [0],
count: 1,
},
];
let sum = 0,
count = 0;
for (let i = 0; i < nums.length; i++) {
sum += nums[i];
if (!hashmap[sum]) {
hashmap[sum] = {
position: [i],
count: 1,
};
} else {
hashmap[sum].position.push(i);
hashmap[sum].count++;
}
if (hashmap[sum - k]) {
count += hashmap[sum - k].count;
}
}
console.log(hashmap);
return count;
};
$(() => {
let nums = [3, 4, 7, 2, -3, 1, 4, 2];
let k = 7;
console.log(subarraySum(nums, k));
// 0: {position: Array(1), count: 1}
// 3: {position: Array(1), count: 1}
// 7: {position: Array(1), count: 1}
// 13: {position: Array(1), count: 1}
// 14: {position: Array(2), count: 2}
// 16: {position: Array(1), count: 1}
// 18: {position: Array(1), count: 1}
// 20: {position: Array(1), count: 1}
// 4
});
- 算法识别与思想
判断链表成环等单向追及问题,来源于龟兔赛跑,快的再次追及慢的,表示成环。
- 判断链表成环
class ListNode {
constructor(val) {
this.val = val;
this.next = null;
}
}
let hasCycle = (head) => {
if (head == null || head.next == null) {
return false;
}
let slow = head;
let fast = head.next;
while (slow != fast) {
if (fast == null || fast.next == null) {
return false;
}
slow = slow.next;
fast = fast.next.next;
}
return true;
};
$(() => {
let head = new ListNode(1);
let node1 = new ListNode(2);
let node2 = new ListNode(3);
let node3 = new ListNode(4);
let node4 = new ListNode(5);
head.next = node1;
node1.next = node2;
node2.next = node3;
node3.next = node4;
//node4.next = node1;
console.log(hasCycle(head));
});
附:找出环入口的方法
快慢指针相遇后,把其中一个指针拉回起点,快慢指针均变为慢指针,相遇的地方为入口
参考:LeetCode 142. 单链表如何寻找环的入口点(绝对是史上最简单的解法!)
- 判断链表回文
class ListNode {
constructor(val) {
this.val = val;
this.next = null;
}
}
let isPalindrome = (head) => {
if (head == null || head.next == null) {
return true;
}
let slow = head,
fast = head;
let current = head,
previous = null;
while (fast != null && fast.next != null) {
//翻转一半链表,记录中间位置
current = slow; //当前位置指向下一位,结束时current会去到中间位置(奇偶情况都满足),指向为反向,即翻转一半链表
slow = slow.next; //结束时slow会去到中间位置,指向为正向
fast = fast.next.next;
current.next = previous; //当前节点的下一节点为已翻转的子链表
previous = current; //记录当前节点位置
}
if (fast != null) {
//节点为奇数时,后半段的起始位置,位于中间节点的下一位
slow = slow.next;
}
while (current != null && slow != null) {
//从中间开始向外扩散,对比正反链表每一位值是否一样
if (current.val != slow.val) {
return false;
}
current = current.next;
slow = slow.next;
}
return true;
};
let head = new ListNode(1);
let a = new ListNode(2);
let b = new ListNode(3);
let c = new ListNode(2);
let d = new ListNode(1);
head.next = a;
a.next = b;
b.next = c;
c.next = d;
console.log(isPalindrome(head));
- 算法识别与思想
一个数组中,对不连续数据或单个数据的操作,两指针左右移动,直到满足条件,如相遇、到达边界等。
- 样例 1
-
来源:力扣(LeetCode)
-
两数之和
给定一个整数数组 nums 和一个目标值 target,在该数组中找出和为目标值的那 两个 整数,并返回他们的数组下标。
不能重复利用这个数组中同样的元素。
示例:
给定 nums = [2, 7, 11, 15], target = 9
因为 nums[0] + nums[1] = 2 + 7 = 9
所以返回 [0, 1]
二重指针循环
let twoSum = (nums, target) => {
let len = nums.length;
for (let previous = 0; previous < len; previous++) {
for (let next = previous + 1; next < len; next++) {
if (nums[previous] + nums[next] == target) {
return [previous, next];
}
}
}
};
$(() => {
let nums = [2, 7, 11, 15],
target = 9;
console.log(twoSum(nums, target));
});
哈希表
let twoSum = (nums, target) => {
let len = nums.length;
let hashmap = [];
for (let i = 0; i < len; i++) {
if (hashmap[target - nums[i]] >= 0 && hashmap[target - nums[i]] < len) {
return [hashmap[target - nums[i]], i];
}
hashmap[nums[i]] = i;
}
};
$(() => {
let nums = [2, 7, 11, 15],
target = 9;
console.log(twoSum(nums, target));
});
- 样例 2
-
来源:力扣(LeetCode)
-
三数之和
给定一个包含 n 个整数的数组 nums 和一个目标值 target,判断 nums 中是否存在三个元素 a,b,c ,使得 a + b + c = target ?找出所有满足条件且不重复的三元组。
注意:不可以包含重复的三元组。
例如, 给定数组 nums = [-1, 0, 1, 2, -1, -4],target = 0
满足要求的三元组集合为:
[
[-1, 0, 1],
[-1, -1, 2]
]
排序+双指针
let threeSum = function (nums, target) {
let ans = [];
const len = nums.length;
if (nums == null || len < 3) return ans;
nums.sort((a, b) => a - b); // 排序O(nlog2n)
if (nums[0] + nums[1] + nums[2] > target) return ans;
if (nums[len - 1] + nums[len - 2] + nums[len - 3] < target) return ans;
for (let i = 0; i < len - 2; i++) {
//O(n2)
if (i > 0 && nums[i] == nums[i - 1]) continue; // 去重
if (nums[i] + nums[i + 1] + nums[i + 2] > target) break; //和尽可能小的数相加,过大则不适合
//if(nums[i]+nums[len-1]+nums[len-2] < target) continue;//和尽可能大的数相加,过小则不适合
let L = i + 1; //下一个数
let R = len - 1; //最后一个数
while (L < R) {
const sum = nums[i] + nums[L] + nums[R];
if (sum == target) {
ans.push([nums[i], nums[L], nums[R]]);
while (L < R && nums[L] == nums[L + 1]) L++; // 去重
while (L < R && nums[R] == nums[R - 1]) R--; // 去重
L++;
R--;
} else if (sum < target) L++;
else if (sum > target) R--;
}
}
return ans;
};
$(() => {
let nums = [-1, 0, 1, 2, -1, -4, 0, 0];
let target = 0;
console.log(threeSum(nums, target));
});
-
样例 3
-
来源:力扣(LeetCode)
-
四数之和
给定一个包含 n 个整数的数组 nums 和一个目标值 target,判断 nums 中是否存在四个元素 a,b,c 和 d ,a + b + c + d = target ?找出所有满足条件且不重复的四元组。
注意:不可以包含重复的四元组。
示例:
给定数组 nums = [1, 0, -1, 0, -2, 2],和 target = 0。
满足要求的四元组集合为:
[
[-1, 0, 0, 1],
[-2, -1, 1, 2],
[-2, 0, 0, 2]
]
排序+化简+双指针
let fourSum = function (nums, target) {
let ans = [];
const len = nums.length;
if (nums == null || len < 4) return ans;
nums.sort((a, b) => a - b); // 排序O(nlog2n)
for (let i = 0; i < len - 3; i++) {
//O(n)
if (i > 0 && nums[i] == nums[i - 1]) continue; // 去重
// 先直接和其它三个数可能的最小值相加,还是过大就说明这个i不合适
if (nums[i] + nums[i + 1] + nums[i + 2] + nums[i + 3] > target) continue;
// 与其它三个数可能的最大值相加,还是过小就继续下个循环
if (nums[i] + nums[len - 1] + nums[len - 2] + nums[len - 3] < target)
continue;
//化简为三数之和
const target2 = target - nums[i];
const nums2 = nums.slice(i + 1);
for (let arr of threeSum(nums2, target2)) {
//O(n2)
let array = JSON.parse(JSON.stringify(arr));
array.unshift(nums[i]);
ans.push(array);
}
}
return ans;
};
let threeSum = function (nums, target) {
let ans = [];
const len = nums.length;
if (nums == null || len < 3) return ans;
//nums.sort((a, b) => a - b); // 已经有序,无需再排
for (let i = 0; i < len - 2; i++) {
if (i > 0 && nums[i] == nums[i - 1]) continue; // 去重
if (nums[i] + nums[i + 1] + nums[i + 2] > target) continue; //和尽可能小的数相加,过大则不适合
if (nums[i] + nums[len - 1] + nums[len - 2] < target) continue; //和尽可能大的数相加,过小则不适合
let L = i + 1; //下一个数
let R = len - 1; //最后一个数
while (L < R) {
const sum = nums[i] + nums[L] + nums[R];
if (sum == target) {
ans.push([nums[i], nums[L], nums[R]]);
while (L < R && nums[L] == nums[L + 1]) L++; // 去重
while (L < R && nums[R] == nums[R - 1]) R--; // 去重
L++;
R--;
} else if (sum < target) L++;
else if (sum > target) R--;
}
}
return ans;
};
$(() => {
let nums = [1, 0, -1, 0, -2, 2];
let target = 0;
console.log(fourSum(nums, target));
});
- 算法识别与思想
产生没有交集的空间
-
样例
-
来源:力扣(LeetCode)
-
合并区间
给出一个区间的集合,请合并所有重叠的区间。
示例 1:
输入: [[1,3],[2,6],[8,10],[15,18]]
输出: [[1,6],[8,10],[15,18]]
解释: 区间 [1,3] 和 [2,6] 重叠, 将它们合并为 [1,6].
首数字排序+合并
let merge = function (intervals) {
let result = [];
let len = intervals.length;
if (len == 0) {
return [];
}
if (len == 1) {
return intervals;
}
intervals.sort((a, b) => a[0] - b[0]); //对第一位进行升序排列
let i = 0;
while (i < len) {
let currentLeft = intervals[i][0];
let currentRight = intervals[i][1];
//对于[a,b],[c,d],如果b>=c,则合并为[a,max(b,d)]
while (i < len - 1 && intervals[i + 1][0] <= currentRight) {
i++;
currentRight = Math.max(intervals[i][1], currentRight);
}
result.push([currentLeft, currentRight]);
i++;
}
return result;
};
$(() => {
let intervals = [
[1, 3],
[2, 6],
[8, 10],
[15, 18],
];
let intervals2 = [
[1, 4],
[4, 5],
];
let intervals3 = [
[1, 9],
[2, 5],
[19, 20],
[10, 11],
[12, 20],
[0, 3],
[0, 1],
[0, 2],
];
console.log(merge(intervals3)); //[[0, 9],[10, 11],[12, 20]]
});
- 算法识别与思想
每次摘取当前链表头部,反向连接
- 单向链表翻转
class ListNode {
constructor(val) {
this.val = val;
this.next = null;
}
}
let reverseLinkList = (head) => {
let previous = null;
let current = head;
while (current != null) {
let next = current.next; //将下一个节点位置保存起来 2(next)-3-4-5 3(next)-4-5 ...
current.next = previous; //当前节点的下一节点为已翻转的子链表:null 1-null 2-1-null ...
previous = current; //记录当前节点位置 1(previous)-null 2(previous)-1-null ...
current = next; //记录当前位置位于下一节点 2(current)-3-4-5 3(current)-4-5 ...
}
return previous;
};
$(() => {
let head = new ListNode(1);
let a = new ListNode(2);
let b = new ListNode(3);
let c = new ListNode(4);
let d = new ListNode(5);
head.next = a;
a.next = b;
b.next = c;
c.next = d;
console.log(reverseLinkList(head));
});
- 单向链表每 k 个元素进行翻转
class ListNode {
constructor(val) {
this.val = val;
this.next = null;
}
}
let reverseKGroup = (head, k) => {
let dummy = new ListNode(0);
dummy.next = head;
let pre = dummy;
let end = dummy;
while (end.next != null) {
for (let i = 0; i < k && end != null; i++) end = end.next; //把end移到每一组的最后一位
if (end == null) break;
let start = pre.next;
let next = end.next;
end.next = null; //断开end的后续连接
pre.next = reverseLinkList(start); //设置每组头部指向这组翻转的链表
start.next = next; //原本组的头部变为尾部,尾部连接上end的下一位
pre = start; //设置遍历位置到达这组的末尾位置
end = pre;
}
return dummy.next; //返回改变后链表的头部
};
let reverseLinkList = (head) => {
let previous = null;
let current = head;
while (current != null) {
let next = current.next; //将下一个节点位置保存起来 2(next)-3-4-5 3(next)-4-5 ...
current.next = previous; //当前节点的下一节点为已翻转的子链表:null 1-null 2-1-null ...
previous = current; //记录当前节点位置 1(previous)-null 2(previous)-1-null ...
current = next; //记录当前位置位于下一节点 2(current)-3-4-5 3(current)-4-5 ...
}
return previous;
};
$(() => {
let head = new ListNode(1);
let a = new ListNode(2);
let b = new ListNode(3);
let c = new ListNode(4);
let d = new ListNode(5);
head.next = a;
a.next = b;
b.next = c;
c.next = d;
let group = 2;
console.log(reverseKGroup(head, group));
});
- 算法识别与思想
处理数组中的数值限定在一定区间的问题,寻找丢失的/重复的/最小的元素,使用索引作为哈希键值,脏环境处理的方法。
- 样例 1
-
来源:力扣(LeetCode)
-
寻找重复数
给定一个包含 n + 1 个整数的数组 nums,其数字都在 1 到 n 之间(包括 1 和 n),可知至少存在一个重复的整数。假设只有一个重复的整数,找出这个重复的数。
输入: [1,3,4,2,2]
输出: 2
排序遍历和哈希表统计略过,看循环检测(哈希数组下标-链表成环-快慢指针)
findDuplicate(nums) {
//[1,3,5,2,2,4]
//1->3->2(1)->5->4->2(2)
let slow = nums[0];
let fast = nums[0];
do {//找到链表成环的起始位置5
slow = nums[slow];
fast = nums[nums[fast]];
} while (slow != fast);
let ptr1 = nums[0];
let ptr2 = slow;
while (ptr1 != ptr2) {//找到链表成环的重复数
ptr1 = nums[ptr1];
ptr2 = nums[ptr2];
}
return ptr1;
}
2. 样例 2
- 来源:[力扣(LeetCode)](https://leetcode-cn.com)
- 缺失数字
```txt
给定一个包含 0, 1, 2, ..., n 中 n 个数的序列,找出 0 .. n 中没有出现在序列中的那个数。
输入: [3,0,1]
输出: 2
排序遍历
let missingNumber = (nums) => {
nums.sort((a, b) => a - b);
for (let i = 0; i < nums.length; i++) {
if (nums[i] != i) {
return i;
}
}
return nums.length;
};
哈希表或桶排序遍历
let missingNumber = (nums) => {
let arr = new Array(nums.length).fill(0);
for (let i = 0; i < nums.length; i++) {
arr[nums[i]]++;
}
for (let i = 0; i < arr.length; i++) {
if (arr[i] == 0) {
return i;
}
}
return nums.length;
};
位运算
let missingNumber = (nums) => {
let missing = nums.length;
for (let i = 0; i < nums.length; i++) {
missing ^= i ^ nums[i];
}
return missing;
};
脑筋急转弯:公式求和再减掉所有数
let missingNumber = (nums) => {
let len = nums.length;
let total = (len * (len + 1)) / 2;
for (let i = 0; i < len; i++) {
total -= nums[i];
}
if (total >= 0) {
return total;
} else {
return len;
}
};
- 样例 3
-
来源:力扣(LeetCode)
-
寻找重复数
给定一个未排序的整数数组,找出其中没有出现的最小的正整数。
输入: [1,2,0]
输出: 3
输入: [3,4,-1,1]
输出: 2
输入: [7,8,9,11,12]
输出: 1
脏环境哈希,正负表示访问情况,绝对值表示原值
let firstMissingPositive = (nums) => {
let len = nums.length;
//下面需要用通过变负数的方式看数组下标是否被访问,所以先排除下标为1的情况
let hasOne = false;
for (let i = 0; i < len; i++) {
if (nums[i] == 1) {
hasOne = true;
break;
}
}
if (!hasOne) {
return 1;
}
if (len == 1) {
return 2;
}
//把小于1和大于数组长度的数变为1
for (let i = 0; i < len; i++) {
if (nums[i] < 1 || nums[i] > len) {
nums[i] = 1;
}
}
//某一位的值为负数,表示访问过,并且其绝对值即为原值
for (let i = 0; i < len; i++) {
let a = Math.abs(nums[i]);
if (a == len) {
//把值为len的数放到0位
nums[0] = -Math.abs(nums[0]);
} else {
//把哈希位置的数变为负数,表示访问过
nums[a] = -Math.abs(nums[a]);
}
}
//从1号位开始,后面出现的第一个正数,即为缺失的数字
for (let i = 1; i < len; i++) {
if (nums[i] > 0) {
return i;
}
}
//1号位后的全被访问过,但0号位未访问过,即为数组长度的数字
if (nums[0] > 0) {
return len;
}
//全部都访问过,即为数组长度的数字+1
return len + 1;
};
- 算法识别与思想
需要把数字分成两队的问题,一边最大堆找最大元素,一边最小堆找最小元素,也可求中位数,使用优先队列(先进最大数先出,如医院急诊室排队)
-
来源:力扣(LeetCode)
-
数据流的中位数
设计一个支持以下两种操作的数据结构:
void addNum(int num) - 从数据流中添加一个整数到数据结构中。
double findMedian() - 返回目前所有元素的中位数。
示例:
addNum(1)
addNum(2)
findMedian() -> 1.5
addNum(3)
findMedian() -> 2
优先队列(最大堆,最小堆):push(加入一个数,堆调整,log2n),pop(移除顶元素,堆调整,log2n)。若要求排序,则使用二分插入排序,二分插入 O(log2n+n),log2n 用于找位置,n 用于移位,取出 O(1)。所以速度上优先队列 O(log2n)+O(log2n)>二分插入 O(log2n+n)+O(1)
class PriorityQueue {
constructor(compareFunction) {
if (compareFunction) {
this.compareFunction = compareFunction;
} else {
this.compareFunction = (a, b) => a > b;
}
this.heap = [];
this.size = 0;
}
//获取父节点下标
parent(index) {
let parent = Math.floor((index - 1) / 2);
if (index > this.size - 1 || parent < 0) return null;
return parent;
}
//获取左节点下标
leftChild(index) {
let left = 2 * index + 1;
if (left > this.size - 1) return null;
return left;
}
//获取右节点下标
rightChild(index) {
let right = 2 * index + 2;
if (right > this.size - 1) return null;
return right;
}
//元素下沉 对下标为i的元素向下进行调整,使堆保持其性质
downward(index) {
let left = this.leftChild(index);
let right = this.rightChild(index);
let largest = null;
if (left != null) {
//左孩子为空则右孩子一定为空
if (right == null) {
largest = left;
} else {
largest = this.compareFunction(this.heap[left], this.heap[right])
? left
: right;
}
if (this.compareFunction(this.heap[index], this.heap[largest])) {
return; //父节点大于子节点,则不需要调整
} else {
//父节点小于子节点,交换节点值,递归继续调整
let tmp = this.heap[index];
this.heap[index] = this.heap[largest];
this.heap[largest] = tmp;
this.downward(largest);
}
}
}
//元素上浮 对下标为i的元素进行向上调整,使堆保持其性质
upward(index) {
let parent = this.parent(index);
while (
index > 0 &&
this.compareFunction(this.heap[index], this.heap[parent])
) {
//当前元素比父元素大,则向上调整
let tmp = this.heap[index];
this.heap[index] = this.heap[parent];
this.heap[parent] = tmp;
index = parent;
parent = this.parent(index);
}
}
empty() {
return this.size == 0;
}
push(item) {
//尾部加入元素,堆调整尾部元素
this.size += 1;
if (this.heap.length >= this.size) {
this.heap[this.size - 1] = item;
} else {
this.heap.push(item);
}
this.upward(this.size - 1);
}
top() {
if (this.size == 0) {
return null;
} else {
return this.heap[0];
}
}
pop() {
//取出顶部元素,用最后一个元素代替,堆调整顶部元素
let topItem = this.heap[0];
this.heap[0] = this.heap[this.size - 1];
this.size -= 1;
this.heap.pop();
this.downward(0);
return topItem;
}
}
class MedianFinder {
constructor() {
this.maxHeap = new PriorityQueue();
this.minHeap = new PriorityQueue((a, b) => a < b);
this.count = 0;
}
addNum(num) {
//最小堆取尽量大的元素,最大堆取尽量小的元素,最大堆元素数量保持大于等于最小堆
this.count++;
this.maxHeap.push(num);
this.minHeap.push(this.maxHeap.pop());
if (this.count % 2 == 1) {
this.maxHeap.push(this.minHeap.pop());
}
}
findMedian() {
if (this.count % 2 == 0) {
return (this.maxHeap.top() + this.minHeap.top()) / 2;
} else {
return this.maxHeap.top();
}
}
}
$(() => {
var obj = new MedianFinder();
obj.addNum(41);
console.log(obj.findMedian());
obj.addNum(35);
console.log(obj.findMedian());
obj.addNum(62);
console.log(obj.findMedian());
obj.addNum(4);
console.log(obj.findMedian());
obj.addNum(97);
console.log(obj.findMedian());
obj.addNum(108);
console.log(obj.findMedian());
});
// ---------------------------
// Adding number 41
// MaxHeap: [41]
// MinHeap: []
// Median is 41
// =======================
// Adding number 35
// MaxHeap: [35]
// MinHeap: [41]
// Median is 38
// =======================
// Adding number 62
// MaxHeap: [41, 35]
// MinHeap: [62]
// Median is 41
// =======================
// Adding number 4
// MaxHeap: [35, 4]
// MinHeap: [41, 62]
// Median is 38
// =======================
// Adding number 97
// MaxHeap: [41, 35, 4]
// MinHeap: [62, 97]
// Median is 41
// =======================
// Adding number 108
// MaxHeap: [41, 35, 4]
// MinHeap: [62, 97, 108]
// Median is 51.5
- 算法识别与思想
BFS 处理数字的排列组合问题,或使用回溯算法和 dfs,实际上排列组合问题可转化为树状结构,先固定第一个条件,下面会出现 n-1 个条件,固定第二个条件会出现 n-2 个条件,如此类推。
-
来源:力扣(LeetCode)
-
幂集
给定一个整数数组 nums,返回该数组所有可能的不重复子集(幂集)。
输入: nums = [1,2,3]
输出:
[
[3],
[1],
[2],
[1,2,3],
[1,3],
[2,3],
[1,2],
[]
]
BFS
let twoDimensionUnique = (arr) => {
let set = new Set();
let res = arr.slice(0);
for (let i = 0; i < res.length; i++) {
set.add(res[i].toString());
}
res = [];
for (let value of set) {
res.push(
Array.from(
value
.split(",")
.map((item) => parseInt(item))
.filter((x) => !isNaN(x))
)
);
}
return res;
};
let subsets = (nums) => {
let res = [[]];
nums.sort((a, b) => a - b);
for (let i = 0; i < nums.length; i++) {
let cnt = res.length;
for (let j = 0; j < cnt; j++) {
let tmp = JSON.parse(JSON.stringify(res[j]));
tmp.push(nums[i]);
res.push(tmp);
}
}
return twoDimensionUnique(res);
};
let nums = [1, 2, 3];
console.log(subsets(nums));
回溯(DFS)
let twoDimensionUnique = (arr) => {
let set = new Set();
let res = arr.slice(0);
for (let i = 0; i < res.length; i++) {
set.add(res[i].toString());
}
res = [];
for (let value of set) {
res.push(
Array.from(
value
.split(",")
.map((item) => parseInt(item))
.filter((x) => !isNaN(x))
)
);
}
return res;
};
let subsets = (nums) => {
let res = [];
nums.sort((a, b) => a - b);
traceback(nums, [], 0);
function traceback(arr, tmp, start) {
console.log("-------------------");
console.log("data1", arr, tmp, start);
res.push(tmp.slice(0)); //需要深复制
console.log("res", res);
for (let i = start; i < arr.length; i++) {
if (i > start && nums[i] == nums[i - 1]) {
continue;
}
tmp.push(nums[i]);
console.log("data2", arr, tmp, i);
traceback(arr, tmp, i + 1);
tmp.pop();
console.log("data3", arr, tmp, i);
}
}
return twoDimensionUnique(res);
//固定[]为树的根节点,下面有分叉1,2,3,再下面有(12,123,13),(23)
//遍历树可以得到[ [], [ 1 ], [ 1, 2 ], [ 1, 2, 3 ], [ 1, 3 ], [ 2 ], [ 2, 3 ], [ 3 ] ]
// -------------------
// data1 [ 1, 2, 3 ] [] 0
// res [ [] ]
// data2 [ 1, 2, 3 ] [ 1 ] 0
// -------------------
// data1 [ 1, 2, 3 ] [ 1 ] 1
// res [ [], [ 1 ] ]
// data2 [ 1, 2, 3 ] [ 1, 2 ] 1
// -------------------
// data1 [ 1, 2, 3 ] [ 1, 2 ] 2
// res [ [], [ 1 ], [ 1, 2 ] ]
// data2 [ 1, 2, 3 ] [ 1, 2, 3 ] 2
// -------------------
// data1 [ 1, 2, 3 ] [ 1, 2, 3 ] 3
// res [ [], [ 1 ], [ 1, 2 ], [ 1, 2, 3 ] ]
// data3 [ 1, 2, 3 ] [ 1, 2 ] 2
// data3 [ 1, 2, 3 ] [ 1 ] 1
// data2 [ 1, 2, 3 ] [ 1, 3 ] 2
// -------------------
// data1 [ 1, 2, 3 ] [ 1, 3 ] 3
// res [ [], [ 1 ], [ 1, 2 ], [ 1, 2, 3 ], [ 1, 3 ] ]
// data3 [ 1, 2, 3 ] [ 1 ] 2
// data3 [ 1, 2, 3 ] [] 0
// data2 [ 1, 2, 3 ] [ 2 ] 1
// -------------------
// data1 [ 1, 2, 3 ] [ 2 ] 2
// res [ [], [ 1 ], [ 1, 2 ], [ 1, 2, 3 ], [ 1, 3 ], [ 2 ] ]
// data2 [ 1, 2, 3 ] [ 2, 3 ] 2
// -------------------
// data1 [ 1, 2, 3 ] [ 2, 3 ] 3
// res [ [], [ 1 ], [ 1, 2 ], [ 1, 2, 3 ], [ 1, 3 ], [ 2 ], [ 2, 3 ] ]
// data3 [ 1, 2, 3 ] [ 2 ] 2
// data3 [ 1, 2, 3 ] [] 1
// data2 [ 1, 2, 3 ] [ 3 ] 2
// -------------------
// data1 [ 1, 2, 3 ] [ 3 ] 3
// res [ [], [ 1 ], [ 1, 2 ], [ 1, 2, 3 ], [ 1, 3 ], [ 2 ], [ 2, 3 ], [ 3 ] ]
// data3 [ 1, 2, 3 ] [] 2
// [ [], [ 1 ], [ 1, 2 ], [ 1, 2, 3 ], [ 1, 3 ], [ 2 ], [ 2, 3 ], [ 3 ] ]
};
let nums = [1, 2, 3];
console.log(subsets(nums));
- 算法识别与思想
对于排序好的数组、链表、矩阵,进行二分搜索、插入
- 样例
let binarySearch1 = (nums, key) => {
//查找中间与key相等的元素
let left = 0,
right = nums.length - 1;
while (left <= right) {
let m = left + parseInt((right - left) / 2);
if (nums[m] == key) {
return m;
} else if (nums[m] > key) {
right = m - 1;
} else {
left = m + 1;
}
}
return -1;
};
let binarySearch2 = (nums, key) => {
//查找第一个与key相等的元素
let left = 0,
right = nums.length - 1;
while (left < right) {
let m = left + parseInt((right - left) / 2);
if (nums[m] < key) {
left = m + 1;
} else {
right = m;
}
}
if (nums[left] != key) {
return -1;
}
return left;
};
let binarySearch3 = (nums, key) => {
//查找最后一个与key相等的元素
let left = 0,
right = nums.length - 1;
while (left < right) {
let m = left + parseInt((right - left) / 2);
if (m == left) {
break;
}
if (nums[m] <= key) {
left = m;
} else {
right = m - 1;
}
}
if (nums[right] != key) {
return -1;
}
return right;
};
let binarySearch4 = (nums, key) => {
//查找第一个大于key的元素(上确界)
let left = 0,
right = nums.length - 1;
while (left < right) {
let m = left + parseInt((right - left) / 2);
if (m == left) {
break;
}
if (nums[m] <= key) {
left = m;
} else {
right = m;
}
}
if (nums[right] <= key) {
return -1;
}
return right;
};
let binarySearch5 = (nums, key) => {
//查找最后一个小于key的元素(下确界)
let left = 0,
right = nums.length - 1;
while (left < right) {
let m = left + parseInt((right - left) / 2);
if (m == left) {
break;
}
if (nums[m] < key) {
left = m;
} else {
right = m - 1;
}
}
if (nums[right] >= key) {
return -1;
}
return right;
};
let nums = [1, 2, 2, 2, 2, 2, 2, 3, 4, 5];
let key = 2;
console.log(binarySearch1(nums, key)); // 4
console.log(binarySearch2(nums, key)); // 1
console.log(binarySearch3(nums, key)); // 6
console.log(binarySearch4(nums, key)); // 7
console.log(binarySearch5(nums, key)); // 0
- 算法识别与思想
求解最大/最小/最频繁的 K 个元素,统计排序
-
来源:力扣(LeetCode)
-
前 k 个最频繁的单词
给一非空的单词列表,返回前 k 个出现次数最多的单词。
返回的答案应该按单词出现频率由高到低排序。如果不同的单词有相同出现频率,按字母顺序排序。
输入: ["i", "love", "leetcode", "i", "love", "coding"], k = 2
输出: ["i", "love"]
解析: "i" 和 "love" 为出现次数最多的两个单词,均为2次。
注意,按字母顺序 "i" 在 "love" 之前。。
字典统计+二重排序
let dictionary = new Array();
let topKFrequent = (words, k) => {
//let dictionary = new Array();
for (let i = 0; i < words.length; i++) {
if (!dictionary[words[i]]) {
dictionary[words[i]] = 1;
} else {
dictionary[words[i]]++;
}
}
//console.log(dictionary)
let result = Object.keys(dictionary).sort((a, b) => {
if (dictionary[a] == dictionary[b]) {
if (a > b) {
return 1;
} else {
return -1;
}
}
return dictionary[b] - dictionary[a];
});
for (let value of result) {
console.log(value, dictionary[value]);
}
return result.slice(0, k);
};
let words = [
"rmrypv",
"zgsedk",
"jlmetsplg",
"wnfbo",
"hnnftqf",
"bxlr",
"sviavwoxss",
"jdbgvc",
"zddeno",
"rxgw",
"hnnftqf",
"hdmvplne",
"rlmdt",
"jlmetsplg",
"ous",
"rmrypv",
"fwxulnpit",
"dmhuq",
"rxgw",
"ledleb",
"bxlr",
"indbvb",
"ckqqibnx",
"cub",
"ijww",
"ehd",
"hfhlfqzkcn",
"sviavwoxss",
"rxgw",
"bxjxpfp",
"mgqj",
"oic",
"ptk",
"fwxulnpit",
"ijww",
"sviavwoxss",
"bgfvfa",
"zfkgsudxq",
"alkq",
"dmhuq",
"zddeno",
"rxgw",
"zgsedk",
"amarxpg",
"bgfvfa",
"wnfbo",
"sviavwoxss",
"sviavwoxss",
"alkq",
"nmclxk",
"zgsedk",
"bwowfvira",
"ous",
"bxlr",
"zddeno",
"rxgw",
"ous",
"wnfbo",
"rmrypv",
"sviavwoxss",
"ehd",
"zgsedk",
"jlmetsplg",
"abxvhyehv",
"ledleb",
"wnfbo",
"bgfvfa",
"bwowfvira",
"amarxpg",
"wnfbo",
"bwowfvira",
"dmhuq",
"ouy",
"bxlr",
"rxgw",
"oic",
"hnnftqf",
"ledleb",
"rlmdt",
"oldainprua",
"ous",
"ckqqibnx",
"dmhuq",
"hnnftqf",
"oic",
"jlmetsplg",
"ppn",
"amarxpg",
"jlgfgwb",
"bxlr",
"bwowfvira",
"hdmvplne",
"oic",
"ledleb",
"bwowfvira",
"oic",
"ptk",
"dmhuq",
"abxvhyehv",
"ckqqibnx",
"indbvb",
"ypzfk",
"rmrypv",
"bxjxpfp",
"amarxpg",
"dmhuq",
"sviavwoxss",
"bwowfvira",
"zfkgsudxq",
"wnfbo",
"rxgw",
"jxkvrmajri",
"cub",
"abxvhyehv",
"bwowfvira",
"indbvb",
"ehd",
"ckqqibnx",
"oic",
"ptk",
"hnnftqf",
"ouy",
"oic",
"zgsedk",
"abxvhyehv",
"ypzfk",
"ptk",
"sviavwoxss",
"rmrypv",
"oic",
"ous",
"abxvhyehv",
"hnnftqf",
"hfhlfqzkcn",
"ledleb",
"cub",
"ppn",
"zddeno",
"indbvb",
"oic",
"jlmetsplg",
"ouy",
"bwowfvira",
"bklij",
"gucayxp",
"zfkgsudxq",
"hfhlfqzkcn",
"zddeno",
"ledleb",
"zfkgsudxq",
"hnnftqf",
"bgfvfa",
"jlmetsplg",
"indbvb",
"ehd",
"wnfbo",
"hnnftqf",
"rlmdt",
"bxlr",
"indbvb",
"jdbgvc",
"jlmetsplg",
"cub",
"jlgfgwb",
"ypzfk",
"indbvb",
"dmhuq",
"jlmetsplg",
"zgsedk",
"rmrypv",
"cub",
"rxgw",
"ledleb",
"rxgw",
"sviavwoxss",
"ckqqibnx",
"hdmvplne",
"dmhuq",
"wnfbo",
"jlmetsplg",
"bxlr",
"zfkgsudxq",
"bxjxpfp",
"ledleb",
"indbvb",
"ckqqibnx",
"ous",
"ckqqibnx",
"cub",
"ous",
"abxvhyehv",
"bxlr",
"hfhlfqzkcn",
"hfhlfqzkcn",
"oic",
"ten",
"amarxpg",
"indbvb",
"cub",
"alkq",
"alkq",
"sviavwoxss",
"indbvb",
"bwowfvira",
"ledleb",
];
let k = 41;
let arr = topKFrequent(words, k);
console.log(arr);
- 算法识别与思想
处理 k 个排好序的数据问题,参考归并排序
-
来源:力扣(LeetCode)
-
合并 k 个有序链表
参考归并排序思路,合并 k 个有序链表,返回合并后的排序链表。
输入:
[
1->4->5,
1->3->4,
2->6
]
输出: 1->1->2->3->4->4->5->6
数据归并
class ListNode {
constructor(val) {
this.val = val;
this.next = null;
}
}
let mergeKLists = (lists) => {
let len = lists.length;
if (len == 0) {
return null;
}
if (len == 1) {
return lists[0];
}
let mid = parseInt(len / 2);
let left = lists.slice(0, mid);
let right = lists.slice(mid);
return mergeTwoLists(mergeKLists(left), mergeKLists(right));
};
let mergeTwoLists = (left, right) => {
let head = new ListNode(-1);
let current = head;
while (left && right) {
if (left.val < right.val) {
current.next = left;
left = left.next;
} else {
current.next = right;
right = right.next;
}
current = current.next;
}
if (left) {
current.next = left;
}
if (right) {
current.next = right;
}
return head.next;
};
let head1 = new ListNode(1);
let head1a = new ListNode(4);
let head1b = new ListNode(5);
head1.next = head1a;
head1a.next = head1b;
let head2 = new ListNode(1);
let head2a = new ListNode(3);
let head2b = new ListNode(4);
head2.next = head2a;
head2a.next = head2b;
let head3 = new ListNode(2);
let head3a = new ListNode(6);
head3.next = head3a;
let lists = [head1, head2, head3];
let list = mergeKLists(lists);
while (list) {
console.log(list.val);
list = list.next;
}
- 算法识别与思想
有限的背包容量,装入最大的物品价值总和,动态规划/回溯
- 情景描述(图解:来源 2)
背包容量 C,有 n 件物品,每件价值为 n[i].p,占有容量 n[i].c,求背包能装入的最大价值 P
列表辅助理解:每一行 n[i]表示各物品,每一列 1-C 表示所有子背包容量的数值,每一格 cell[行][列]=max(上一个单元格的值(cell[行-1][列]),当前商品价值+剩余价值(cell[行-1]列-n[i].c]))
- 子集相等
给定一个只包含正整数的非空数组。是否可以将这个数组分割成两个子集,使得两个子集的元素和相等。
每个数组中的元素不会超过 100
数组的大小不会超过 200
输入: [1, 5, 11, 5]
输出: true
解释: 数组可以分割成 [1, 5, 5] 和 [11]
动态规划/回溯
let canPartition = (nums) => {
let sum = nums.reduce(function (prev, curr, idx, arr) {
return prev + curr;
});
if (sum % 2 == 1) {
return false;
} else {
let dividedSum = sum / 2;
//return dp(nums,dividedSum);
return traceback(
nums.sort((a, b) => b - a),
dividedSum,
0
);
}
};
let traceback = (nums, sum, index) => {
if (index >= nums.length || nums[index] > sum) {
return false;
}
if (nums[index] == sum) {
return true;
}
//分是否选择第index个数字入背包2种情况
return (
traceback(nums, sum - nums[index], index + 1) ||
traceback(nums, sum, index + 1)
);
};
let dp = (nums, sum) => {
let arr = new Array(sum + 1).fill(false);
arr[0] = true;
for (let i = 0; i < nums.length; i++) {
for (let j = sum; j >= nums[i]; j--) {
if (arr[j - nums[i]]) {
arr[j] = true;
}
}
}
//console.log(arr)
return arr[sum];
};
let nums = [2, 2, 3, 5];
console.log(canPartition(nums));
- 算法识别与思想
寻找一种线性的顺序,这些元素之间具有依懒性,使用有向无环图(图论),需要遍历图(DFS/BFS)
-
来源:力扣(LeetCode)
-
样例
课程表
总共有 n 门课需要选,记为 0 到 n-1
在选修某些课程之前需要一些先修课程。 例如,想要学习课程 0 ,需要先完成课程 1 ,我们用一个匹配来表示他们: [0,1]
判断是否可能完成所有课程的学习,如果可以,给出一种可能的顺序,如果不能,输出空数组
输入: 2, [[1,0]]
输出: [0,1]
输入: 2, [[1,0],[0,1]]
输出: []
输入: 4, [[1,0],[2,0],[3,1],[3,2]]
输出: [0,1,2,3]或[0,2,1,3]
//bfs/贪心算法
let canFinish2 = (numCourses, prerequisites) => {
//记录入度表
let indegree = new Array(numCourses).fill(0);
for (let i = 0; i < prerequisites.length; i++) {
indegree[prerequisites[i][0]]++;
}
//所有入度为0(起始点)的进入队列
let queue = [];
for (let i = 0; i < numCourses; i++) {
if (indegree[i] == 0) {
queue.push(i);
}
}
let count = 0;
let result = [];
while (queue.length > 0) {
//console.log('当前队列:',queue)
//console.log('入度表:',indegree)
let current = queue.shift(); //移除旧起始点
result.push(current);
//console.log('移出的元素',current)
//console.log('当前队列2:',queue)
count++;
for (let i = 0; i < prerequisites.length; i++) {
//console.log('prerequisites:',prerequisites[i])
//console.log('下一个点入度:',indegree[prerequisites[i][0]])
if (prerequisites[i][1] == current) {
//找到当前起始点的下一个点
indegree[prerequisites[i][0]]--; //下一个点的入度减1
//console.log('下一个点入度2:',indegree[prerequisites[i][0]])
if (indegree[prerequisites[i][0]] == 0) {
//下一个点的入度为0,即成为起始点
queue.push(prerequisites[i][0]); //向队列加入这个起始点
//console.log('当前队列3:',queue)
}
}
}
//console.log('-----------')
}
if (numCourses == count) {
return result;
} else {
return [];
}
};
//dfs
let canFinish = (numCourses, prerequisites) => {
let adjacency = new Array(numCourses)
.fill(0)
.map(() => Array(numCourses).fill(0));
//0表示未被访问,-1表示被其他节点启动的dfs访问,1表示被当前节点启动的dfs访问
let visit = new Array(numCourses).fill(0);
for (let i = 0; i < prerequisites.length; i++) {
adjacency[prerequisites[i][1]][prerequisites[i][0]] = 1;
}
let result = [];
for (let i = 0; i < numCourses; i++) {
if (hasCycle(adjacency, visit, i, result)) return [];
}
return result.reverse();
};
let hasCycle = (adjacency, visit, i, result) => {
if (visit[i] == 1) return true; //二次访问,有环
if (visit[i] == -1) return false; //无环
visit[i] = 1; //预设有环
for (let j = 0; j < adjacency.length; j++) {
if (adjacency[i][j] == 1 && hasCycle(adjacency, visit, j, result))
return true;
}
visit[i] = -1; //设为无环
result.push(i);
return false;
};
let numCourses = 4;
let prerequisites = [
[1, 0],
[2, 0],
[3, 1],
[3, 2],
];
console.log(canFinish(numCourses, prerequisites));
- 算法识别与思想
需要使用到进制(数位统计与运算),取反,补码,加解密,位运算符性质。要求线性时间复杂度和没有额外空间或常数空间,但没有更好的办法。
- 技巧
- 使用 x & 1 == 1 判断奇偶数
- 不使用第三个数,交换两个数。x = x ^ y , y = x ^ y , x = x ^ y
- 两个相同的数异或的结果是 0,一个数和 0 异或的结果是它本身
- x & (x - 1),可以将最右边的 1 设置为 0,用于:
- 将x转化为2进制,看含有的1的个数
func(x)
{
let countx = 0;
while(x)
{
countx ++;
x = x&(x-1);
}
return countx;
}
- 判断一个数(x)是否是2的n次方
func(x)
{
if( (x&(x-1)) == 0 )
return 1;
else
return 0;
}
- 异或可以被当做无进位加法使用,与操作可以用来获取进位
- i+(~i)=-1,i 取反再与 i 相加,相当于把所有二进制位设为1,其十进制结果为-1
- 对于int32而言,使用 n >> 31取得 n 的正负号。并且可以通过 (n ^ (n >> 31)) - (n >> 31) 来得到绝对值。(n为正,n >> 31 的所有位等于0。若n为负数,n >> 31 的所有位等于1,其值等于-1)
- 使用 (x ^ y) >= 0 来判断符号是否相同。(如果两个数都是正数,则二进制的第一位均为0,x^y=0;如果两个数都是负数,则二进制的第一位均为1;x^y=0 如果两个数符号相反,则二进制的第一位相反,x^y=1。有0的情况例外,^相同得0,不同得1)
- 来源:
- 样例 1
缺失数字 1
给定一个包含 0, 1, 2, ..., n 中 n 个数的序列,找出 0 .. n 中没有出现在序列中的那个数。
输入: [3,0,1]
输出: 2
位运算
//由于异或运算(XOR)满足结合律,并且对一个数进行两次完全相同的异或运算会得到原来的数,因此我们可以通过异或运算找到缺失的数字。
//missing =4∧(0∧0)∧(1∧1)∧(2∧3)∧(3∧4)
// =(4∧4)∧(0∧0)∧(1∧1)∧(3∧3)∧2
// =0∧0∧0∧0∧2
// =2
let missingNumber = (nums) => {
let missing = nums.length;
for (let i = 0; i < nums.length; i++) {
missing ^= i ^ nums[i];
}
return missing;
};
- 样例 2
只出现一次的数字 1
给定一个非空整数数组,除了某个元素只出现一次以外,其余每个元素均出现两次。找出那个只出现了一次的元素。算法应该具有线性时间复杂度。
输入: [4,1,2,1,2]
输出: 4
位运算
//由于异或运算(XOR)满足结合律,并且对一个数进行两次完全相同的异或运算会得到原来的数,因此我们可以通过异或运算找到缺失的数字。
//missing =4∧(1∧2)∧(1∧2)
// =(1∧1)∧(2∧2)∧4
// =0∧0∧4
// =4
let singleNumber = (nums) => {
let missing = 0;
for (let i = 0; i < nums.length; i++) {
missing ^= nums[i];
}
return missing;
};
let nums = [4, 1, 2, 1, 2];
console.log(singleNumber(nums));
- 样例 3
只出现一次的数字 2
给定一个非空整数数组,除了某个元素只出现一次以外,其余每个元素均出现了三次。找出那个只出现了一次的元素。算法应该具有线性时间复杂度。
输入: [0,1,0,1,0,1,99]
输出: 99
位运算
//异或运算的含义是二进制下不考虑进位的加法
//因此,此题需要实现三进制的异或运算,用到数位模拟 0 # 1 = 1,1 # 1 = 2,2 # 1 = 0
//ones ^= num:记录至目前元素num,二进制第num个数出现 1 次(当第num个数出现 3 次时有 ones = 1 ,与 twos = 1 共同表示“出现 3 次”);
//twos |= ones & num:记录至目前元素num,二进制第num个数出现 2 次 (当第num个数出现 2 次时,twos = 1 且 ones = 0 );
//threes = ones & twos:记录至目前元素num,二进制第num个数出现 3 次(即当 ones 和 twos 对应位同时为 1 时 three = 1 )。
//one &= ~threes, two &= ~threes:将 ones, twos 中出现了 3 次的对应位清零,实现 “不考虑进位的三进制加法” 。
let singleNumber = (nums) => {
let ones = 0,
twos = 0; //threes = 0
for (let i = 0; i < nums.length; i++) {
//num //n=00 n=01 n=00 n=01 n=00 n=01 n=11
//twos |= ones & nums[i];//i=0,0 i=1,0 i=2,0 i=3,1 i=4,1 i=5,1 i=6,0
//ones ^= nums[i]; //i=0,0 i=1,1 i=2,1 i=3,0 i=4,0 i=5,1 i=6,2
//threes = ones & twos; //i=0,0 i=1,0 i=2,0 i=3,0 i=4,0 i=5,1 i=6,0
//ones &= ~threes; //i=0,0 i=1,1 i=2,1 i=3,0 i=4,0 i=5,0 i=6,2
//twos &= ~threes; //i=0,0 i=1,0 i=2,0 i=3,1 i=4,1 i=5,0 i=6,0
//第num个数出现 1次 2次 3次 4次 5次 6次 ...
//ones 1 0 0 1 0 0 ...
//twos 0 1 0 0 1 0 ...
//threes 0 0 1 0 0 1 ...
//简化为:
ones = ones ^ (nums[i] & ~twos); //当 num = 1 时,只当 ones = twos = 0 时将 ones 置 1,代表出现 3N+1 次;其余置 0,根据 twos 值分别代表出现 3N 次和 3N+2 次;当 num = 0 时,ones 不变;
twos = twos ^ (nums[i] & ~ones); //当 num = 1 时,只当 ones = twos = 0 时将 twos 置 1,代表出现 3N+2 次;其余置 0,根据 ones 值分别代表出现 3N 次和 3N+1 次。当 num = 0 时,twos 不变。
}
return ones;
};
let nums = [0, 1, 0, 1, 0, 1, 2];
console.log(singleNumber(nums));
- 样例 4
只出现一次的数字 3
给定一个整数数组 nums,其中恰好有两个元素只出现一次,其余所有元素均出现两次。 找出只出现一次的那两个元素。算法应该具有线性时间复杂度。
输入: [1,2,1,3,2,5]
输出: [3,5]
位运算
//a^b=两值不同为1的二进制位
//~a+1=-a
//a&(~a+1)=最低位的1
//根据最低位1的不同,分成两组异或,可得单独出现的a、b
let singleNumber = (nums) => {
let sign = 0;
//取得数组中两个唯一数的按位异或结果
for (let i = 0; i < nums.length; i++) {
sign ^= nums[i];
}
//console.log(sign,sign.toString(2))
//获取区分两个唯一数的比特位所代表的值
//也可以写成:sign &= (~sign) + 1
sign &= -sign;
//console.log(sign,sign.toString(2))
let n1 = 0,
n2 = 0;
//通过标识,区分两个数组
for (let i = 0; i < nums.length; i++) {
if ((nums[i] & sign) == sign) {
//console.log(1,nums[i] & sign)
n1 ^= nums[i];
//console.log(12,n1)
} else {
//console.log(2,nums[i] & sign)
n2 ^= nums[i];
//console.log(22,n2)
}
}
return [n1, n2];
};
let nums = [1, 2, 1, 3, 2, 5];
console.log(singleNumber(nums));
- 样例5
有16瓶水,其中只有一瓶水有毒,小白鼠喝一滴之后一小时会死,请问最少用多少只小白鼠,在1小时的时间一定可以找出有毒的水?
答案是至少需要4只小鼠,怎么理解呢?我们可以用二进制去推理一下:
假设有4只小鼠,分别是甲乙丙丁,使用二进制来表示小鼠喝药的顺序,1代表喝药,0代表不喝药
甲: 1111 1111 0000 0000
乙: 1111 0000 1111 0000
丙: 1100 1100 1100 1100
丁: 1010 1010 1010 1010
那么我们就可以这样去判断:
甲乙丙丁都死了,说明第一瓶有毒
甲乙丙死了,说明第二瓶有毒
甲乙丁死了,说明第三瓶有毒
甲乙死了,说明第四瓶有毒
甲丙丁死了,说明第五瓶有毒
依次类推
-
方法 1
从前往后比较所有字符串公共部分,时间复杂度:O(s),s 是所有字符串中字符数量的总和,空间复杂度:O(1)
var longestCommonPrefix = function (strs) {
if (strs === null || strs.length === 0) return "";
let prevs = strs[0];
for (let i = 1; i < strs.length; i++) {
let j = 0;
for (; j < prevs.length && j < strs[i].length; j++) {
if (prevs.charAt(j) !== strs[i].charAt(j)) break;
}
prevs = prevs.substring(0, j);
if (prevs === "") return "";
}
return prevs;
};
- 方法 2
仅需最大、最小字符串的最长公共前缀,时间复杂度:O(n+m),n 是数组的长度,m 是字符串数组中最短字符的长度,空间复杂度:O(1)
var longestCommonPrefix = function (strs) {
if (strs === null || strs.length === 0) return "";
if (strs.length === 1) return strs[0];
let min = 0,
max = 0;
for (let i = 1; i < strs.length; i++) {
if (strs[min] > strs[i]) min = i;
if (strs[max] < strs[i]) max = i;
}
for (let j = 0; j < strs[min].length; j++) {
if (strs[min].charAt(j) !== strs[max].charAt(j)) {
return strs[min].substring(0, j);
}
}
return strs[min];
};
- 方法 3
两两分治归并,时间复杂度:O(s),s 是所有字符串中字符数量的总和,空间复杂度:O(m*logn),n 是数组的长度,m 为字符串数组中最长字符的长度
var longestCommonPrefix = function (strs) {
if (strs === null || strs.length === 0) return "";
return lCPrefixRec(strs);
};
// 若分裂后的两个数组长度不为 1,则继续分裂
// 直到分裂后的数组长度都为 1,
// 然后比较获取最长公共前缀
function lCPrefixRec(arr) {
let length = arr.length;
if (length === 1) {
return arr[0];
}
let mid = Math.floor(length / 2),
left = arr.slice(0, mid),
right = arr.slice(mid, length);
return lCPrefixTwo(lCPrefixRec(left), lCPrefixRec(right));
}
// 求 str1 与 str2 的最长公共前缀
function lCPrefixTwo(str1, str2) {
let j = 0;
for (; j < str1.length && j < str2.length; j++) {
if (str1.charAt(j) !== str2.charAt(j)) {
break;
}
}
return str1.substring(0, j);
}
- 方法 4
Trie 树(字典树),时间复杂度:O(s+m),s 是所有字符串中字符数量的总和,m 为字符串数组中最长字符的长度,构建 Trie 树需要 O(s) ,最长公共前缀查询操作的复杂度为 O(m),空间复杂度:O(s),用于构建 Trie 树
var longestCommonPrefix = function (strs) {
if (strs === null || strs.length === 0) return "";
// 初始化 Trie 树
let trie = new Trie();
// 构建 Trie 树
for (let i = 0; i < strs.length; i++) {
if (!trie.insert(strs[i])) return "";
}
// 返回最长公共前缀
return trie.searchLongestPrefix();
};
// Trie 树
var Trie = function () {
this.root = new TrieNode();
};
var TrieNode = function () {
// next 放入当前节点的子节点
this.next = {};
// 当前是否是结束节点
this.isEnd = false;
};
Trie.prototype.insert = function (word) {
if (!word) return false;
let node = this.root;
for (let i = 0; i < word.length; i++) {
if (!node.next[word[i]]) {
node.next[word[i]] = new TrieNode();
}
node = node.next[word[i]];
}
node.isEnd = true;
return true;
};
Trie.prototype.searchLongestPrefix = function () {
let node = this.root;
let prevs = "";
while (node.next) {
let keys = Object.keys(node.next);
if (keys.length !== 1) break;
if (node.next[keys[0]].isEnd) {
prevs += keys[0];
break;
}
prevs += keys[0];
node = node.next[keys[0]];
}
return prevs;
};
-
方法 1
正则 + JS API
var reverseWords = function (s) {
return s.trim().replace(/\s+/g, " ").split(" ").reverse().join(" ");
};
- 方法 2
双端队列
var reverseWords = function (s) {
let left = 0;
let right = s.length - 1;
let queue = [];
let word = "";
while (s.charAt(left) === " ") left++;
while (s.charAt(right) === " ") right--;
while (left <= right) {
let char = s.charAt(left);
if (char === " " && word) {
queue.unshift(word);
word = "";
} else if (char !== " ") {
word += char;
}
left++;
}
queue.unshift(word);
return queue.join(" ");
};
-
方法 1
前驱节点迭代法,时间复杂度:O(n),空间复杂度:O(1)
var reverseList = function (head) {
if (!head || !head.next) return head;
var prev = null,
curr = head;
while (curr) {
// 用于临时存储 curr 后继节点
var next = curr.next;
// 反转 curr 的后继指针
curr.next = prev;
// 变更prev、curr
// 待反转节点指向下一个节点
prev = curr;
curr = next;
}
head = prev;
return head;
};
- 方法 2
尾递归法,时间复杂度:O(n),空间复杂度:O(n)
var reverseList = function (head) {
if (!head || !head.next) return head;
head = reverse(null, head);
return head;
};
var reverse = function (prev, curr) {
if (!curr) return prev;
var next = curr.next;
curr.next = prev;
return reverse(curr, next);
};
- 方法 3
递归法,时间复杂度:O(n),空间复杂度:O(n)
var reverseList = function (head) {
if (!head || !head.next) return head;
var next = head.next;
// 递归反转
var reverseHead = reverseList(next);
// 变更指针
next.next = head;
head.next = null;
return reverseHead;
};
- 求 2 个数组交集
indexOf O(n*(n+m))=O(n2)
let arr1 = [1, 1, 2, 2, 3, 3, 4];
let arr2 = [2, 3, 4, 5, 6];
let getSame = function (left, right) {
left = left || [];
right = right || [];
let set = new Set();
left.forEach(function (item, index, arr) {
if (right.indexOf(item) !== -1) set.add(item);
});
let result = [...set];
return result;
};
console.log(getSame(arr1, arr2));
set 相当于通过获取 object 的 key O(1*n)=O(n)
let arr1 = [1, 1, 2, 2, 3, 3, 4];
let arr2 = [2, 3, 4, 5, 6];
let getSame = function (arr1, arr2) {
let set = new Set(arr1);
let same = [];
arr2.forEach((item) => {
if (set.has(item)) {
same.push(item);
}
});
return same;
};
console.log(getSame(arr1, arr2));
- 归并多个数组结果
let arr = [
[1, 2, 3, 4, 5, 6, 7, 8, 9],
[2, 2, 4, 5, 6, 7, 3],
[2, 4, 4, 5, 8, 9, 3],
[2, 3, 4, 5, 5, 6, 7, 8, 9, 3],
[2, 3],
[0, 2, 1, 3, 4],
[5, 6, 2, 4, 79, 0, 3],
[2, 2, 2, 2, 2, 2, 3],
[0, 2, 3],
];
let getAllSame = function (allArray) {
let len = allArray.length;
if (len === 1) {
return allArray[0];
} else if (len === 2) {
return getSame(allArray[0], allArray[1]);
} else if (len > 2) {
let mid = len / 2;
let leftPart = allArray.slice(0, mid);
let rightPart = allArray.slice(mid);
return getSame(getAllSame(leftPart), getAllSame(rightPart));
} else {
return [];
}
};
console.log(getAllSame(arr));
-
来源:前端算法渣的救赎之路
-
题目
你是一个专业的小偷,计划偷窃沿街的房屋。每间房内都藏有一定的现金,影响你偷窃的唯一制约因素就是相邻的房屋装有相互连通的防盗系统,如果两间相邻的房屋在同一晚上被小偷闯入,系统会自动报警。
给定一个代表每个房屋存放金额的非负整数数组,计算你在不触动警报装置的情况下,能够偷窃到的最高金额
-
思路
-
先从最简单的情况想起:1 号房间可盗窃最大值为 3 即为 dp[1]=3,2 号房间可盗窃最大值为 4 即为 dp[2]=4,3 号房间自身的值为 2 即为 num=2,那么 dp[3] = MAX(dp[2], dp[1] + num) = MAX(4, 3+2) = 5,3 号房间可盗窃最大值为 5
-
考虑复杂的情况:由于不可以在相邻的房屋闯入,所以在当前位置 n 房屋可盗窃的最大值,要么就是 n-1 房屋可盗窃的最大值,要么就是 n-2 房屋可盗窃的最大值加上当前房屋的值,二者之间取最大值
-
总结得出规律:动态规划方程:dp[n] = num + Max(dp[n-1])
-
实现
var rob = function(nums) {
if(nums.length === 0) return 0;
if(nums.length === 1) return nums[0];
if(nums.length === 2) return Math.max(nums[0],nums[1]);
if(nums.length === 3) return Math.max(nums[0] + nums[2],nums[1]);
let dp = [nums[0],nums[1],Math.max(nums[0] + nums[2],nums[1])];
for(let i = 3;i < nums.length;i++){
dp[i] = Math.max(dp[i-1],dp[i-2]+nums[i]);
}
return Math.max(dp[nums.length-1],dp[nums.length-2]);
};
-
来源:letcode
-
题目
给你一个由 '1'(陆地)和 '0'(水)组成的的二维网格,请你计算网格中岛屿的数量。
岛屿总是被水包围,并且每座岛屿只能由水平方向或竖直方向上相邻的陆地连接形成。
此外,你可以假设该网格的四条边均被水包围。
输入:
[
['1','1','1','1','0'],
['1','1','0','1','0'],
['1','1','0','0','0'],
['0','0','0','0','0']
]
输出: 1
输入:
[
['1','1','0','0','0'],
['1','1','0','0','0'],
['0','0','1','0','0'],
['0','0','0','1','1']
]
输出: 3
解释: 每座岛屿只能由水平和/或竖直方向上相邻的陆地连接而成。
- 思路
标记访问过的节点为0,剩下的就是寻路的算法不同,访问完毕后寻找还没访问过且为1的地方。
dfs:四方检查,直到区域访问完毕
bfs:队列不断添加四方可添加元素,直到区域访问完毕(队列为空)
union:数组顺序遍历,看元素有多少个共同的根
- 实现
- dfs
/**
* @param {character[][]} grid
* @return {number}
*/
let dfs = function (grid, i, j){
// 把当前项变为0, 防止重新查找
grid[i][j] = 0
// 当前项 上下左右检查
if(grid[i - 1] && grid[i - 1][j] == 1) dfs(grid, i - 1, j) // 上
if(grid[i + 1] && grid[i + 1][j] == 1) dfs(grid, i + 1, j) // 下
if(grid[i][j - 1] && grid[i][j - 1] == 1) dfs(grid, i, j - 1) // 左
if(grid[i][j + 1] && grid[i][j + 1] == 1) dfs(grid, i, j + 1) // 右
}
var numIslands = function(grid) {
if(grid.length < 1) return 0
let islands = 0
for(let i = 0; i < grid.length; i++){
for(let j = 0; j < grid[0].length; j++){
if(grid[i][j] == 1){
islands++ // 岛屿加1
dfs(grid, i, j) // 寻找与当前项相邻的 1 并把它们变成0
}
}
}
return islands
};
var numIslands = function(grid) {
const row = grid.length;
if(!row) return 0;
const col = grid[0].length;
let res = 0;
for(let i = 0; i < row; i++) {
for(let j = 0; j < col; j++) {
if(grid[i][j] === '1') {
res++;
dfs(grid, i, j);
}
}
}
function dfs(grid, i, j) {
if(i < 0 || i >= row || j < 0 || j >= col) return;
if(grid[i][j] === '1') {
grid[i][j] = '0';
dfs(grid, i - 1, j);
dfs(grid, i + 1, j);
dfs(grid, i, j - 1);
dfs(grid, i, j + 1);
}
}
return res;
};
- bfs
var numIslands = function(grid) {
if(grid.length < 1) return 0
let m = grid.length
let n = grid[0].length
let islands = 0
for(let i = 0; i < m; i++){
for(let j = 0; j < n; j++){
if(grid[i][j] == 1){
islands++
grid[i][j] = 0 // 把查找过的项变成0 防止重新查找
let queue = []
queue.push([i, j]) // 把当前点加入队列
while(queue.length > 0){ // 当队列不为空时, 继续循环
let cur = queue.shift() // 拿出队列第一项
let x = cur[0], y = cur[1]
// 上下左右检查
if(x - 1 >= 0 && grid[x-1][y] == 1){ // 上
queue.push([x - 1, y])
grid[x - 1][y] = 0
}
if(x + 1 < m && grid[x + 1][y] == 1){ // 下
queue.push([x + 1, y])
grid[x + 1][y] = 0
}
if(y - 1 >= 0 && grid[x][y - 1] == 1){ // 左
queue.push([x, y - 1])
grid[x][y - 1] = 0
}
if(y + 1 < n && grid[x][y + 1] == 1){ // 右
queue.push([x, y + 1])
grid[x][y + 1] = 0
}
}
}
}
}
return islands
};
- 并查集
var numIslands = function(grid) {
let row = grid.length;
if(row === 0) return 0;
let col = grid[0].length;
let parents = [];
for(let i = 0;i < row;i++){
for(let j = 0;j < col;j++){
parents[i*col+j] = i * col + j;
}
}
function find(root){
if(root !== parents[root]) parents[root] = find(parents[root]);
return parents[root];
}
function union(x,y){
x = find(x);
y = find(y);
if(x !== y){
parents[x] = y;
}
}
for(let i = 0;i < row;i++){
for(let j = 0;j < col;j++){
if(grid[i][j] === '1'){
i < row-1 && grid[i+1][j] === '1' && union((i+1)*col+j,i*col+j);
j < col-1 && grid[i][j+1] === '1' && union(i*col+j+1,i*col+j);
}else{
parents[i*col+j] = -parents[i*col+j];
}
}
}
return parents.filter((value,key) => (key === value && Object.is(key,value))).length;
};
-
来源:letcode
-
题目
给定 n 个非负整数表示每个宽度为 1 的柱子的高度图,计算按此排列的柱子,下雨之后能接多少雨水。
数组 [0,1,0,2,1,0,1,3,2,1,2,1] 表示的高度图,在这种情况下,可以接 6 个单位的雨水
- 思路
- 找规律
当前柱子存水量 = 最近最高柱子高度(只看左边到当前柱子)- 当前柱子高度
- 双指针
先去除高度为0的两侧位置,指针位于左右两端,选较低的一端开始,每出现比它更低的,雨水量叠加,直到有比它高的出现,更新此端指针高度,循环此过程直到双指针相遇
- 实现
- 找规律
function trap(arr){
if(!arr.length) return 0;
let left = 0,right = arr.length-1,leftHeight = 0,rightHeight = 0,res = 0;
while(left < right){
if(arr[left] < arr[right]){
leftHeight = Math.max(arr[left],leftHeight);
res += leftHeight - arr[left];
left++;
}else{
rightHeight = Math.max(arr[right],rightHeight);
res += rightHeight - arr[right];
right--;
}
}
return res;
}
- 双指针
function trap(height)
{
let left = 0, right = height.length - 1;
let ans = 0;
let left_max = 0, right_max = 0;
while (left < right) {
if (height[left] < height[right]) {
height[left] >= left_max ? (left_max = height[left]) : ans += (left_max - height[left]);
++left;
}
else {
height[right] >= right_max ? (right_max = height[right]) : ans += (right_max - height[right]);
--right;
}
}
return ans;
}
- 题目
给你一个 m x n 的矩阵,其中的值均为非负整数,代表二维高度图每个单元的高度,请计算图中形状最多能接多少体积的雨水。
给出如下 3x6 的高度图:
[
[1,4,3,1,3,2],
[3,2,1,3,2,4],
[2,3,3,2,3,1]
]
返回 4 。
- 思路
先建立理想矩阵,使矩阵最外圈相同,内层用当前碰到的最大值填充,使理想矩阵的地形没有凹陷,但这并不是地势最低的没凹陷地形,因此接下来需要修正
通过while不断修正内圈理想矩阵,修正方法为遍历内圈每个点:
-
理想高度和现实高度相同,则继续
-
高度不等,则进行四周比较:理想当前点比理想上点高,则取现实当前点与理想上点较高的替换理想当前点,依次对比剩下3周
每一轮达到效果:四周理想点的最低点与现实当前点取较高点来替换当前理想点,实质上就是降低理想高度,达到这一点四周地形刚好没有凹陷的情况
while结束条件为:理想矩阵不再变化(每次替换当前理想点均视为变化)
最后,没凹陷的理想矩阵减去现实矩阵,即为可接雨水量
- 实现
var trapRainWater = function (heightMap) {
if (heightMap.length < 3) {
return 0;
}
else if (heightMap[0].length < 3) {
return 0;
}
var max_height = 0;
var newArr = new Array();
for (var i = 0; i < heightMap.length; i++) {
newArr[i] = new Array();
for (var j = 0; j < heightMap[i].length; j++) {
newArr[i][j] = heightMap[i][j];
//找出最大值
if (heightMap[i][j] > max_height) {
max_height = heightMap[i][j];
}
if (i > 0 && j > 0 && i < heightMap.length - 1 && j < heightMap[i].length - 1) {
if (max_height > heightMap[i][j]) {
newArr[i][j] = max_height;
}
}
}
}
var num_temp = 1;
var count = 0;
while (num_temp != 0) {
num_temp = 0;
for (var i = 1; i < newArr.length - 1; i++) {
for (var j = 1; j < newArr[i].length - 1; j++) {
count++;
var height = newArr[i][j];
var height1 = heightMap[i][j];
if (height == height1) {
continue;
}
var up = newArr[i - 1][j];
var down = newArr[i + 1][j];
var left = newArr[i][j - 1];
var right = newArr[i][j + 1];
if (height > up) {
if (up < heightMap[i][j]) {
height = heightMap[i][j];
}
else {
height = up;
}
num_temp++;
}
if (height > down) {
if (down < heightMap[i][j]) {
height = heightMap[i][j];
}
else {
height = down;
}
num_temp++;
}
if (height > left) {
if (left < heightMap[i][j]) {
height = heightMap[i][j];
}
else {
height = left;
}
num_temp++;
}
if (height > right) {
if (right < heightMap[i][j]) {
height = heightMap[i][j];
}
else {
height = right;
}
num_temp++;
}
newArr[i][j] = height;
}
}
}
var num=0;
for(var i=0;i<heightMap.length;i++){
for(var j=0;j<heightMap[i].length;j++){
num += newArr[i][j]-heightMap[i][j];
}
}
console.log(num);
return num;
};
-
来源:letcode
-
题目
给你 n 个非负整数 a1,a2,...,an,每个数代表坐标中的一个点 (i, ai) 。在坐标内画 n 条垂直线,垂直线 i 的两个端点分别为 (i, ai) 和 (i, 0) 。找出其中的两条线,使得它们与 x 轴共同构成的容器可以容纳最多的水。
- 思路
- 双指针
关键需要比较长度优先还是高度优先的情况
双指针逐步收窄长度,此时盛水量为:长度x较低处的高度,记录下来,哪边短就哪边往前移,不断对比,找出最大值
- 实现
var heights = [2,3,4,5,18,17,6];
var maxArea = function(height) {
if(!height.length) return 0;
let left = 0,right = height.length-1,res = 0;
while(left < right){
if(height[left] <= height[right]){
let cur = height[left] * (right - left);
console.log(`右边较高:左${height[left]}右${height[right]},当前${cur},记录${res}`)
res = Math.max(res,cur);
while(left < right && height[left+1] <= height[left]){
left++;
}
left++;
console.log(`左索引${left},左值${height[left]},右索引${right},右值${height[right]}`)
}else{
let cur = height[right] * (right - left);
console.log(`左边较高:左${height[left]}右${height[right]},当前${cur},记录${res}`)
res = Math.max(res,cur);
while(left < right && height[right-1] <= height[right]){
right--;
}
right--;
console.log(`右索引${right},右值${height[right]},左索引${left},左值${height[left]}`)
}
}
return res;
};
console.log([2,3,4,5,18,17,6]);
console.log(maxArea(heights));//17
64(n*n)匹马8(n)个跑道最少需要多少轮才能选出最快的4(k)匹马?
- 思路
- 计时
共有64匹马,8个跑道,每个跑道一次只能跑一匹马,在计时的情况下,只需让64匹马全部跑完并记录每匹马跑完全程的时间即可,用时最少的4匹马就是跑的最快的四匹马,这样只需比赛8轮,64匹马就能全部跑完,选出最快的4名。
-
不计时
-
把64匹马分8组,各跑一次,然后淘汰掉每组的后四名,这里淘汰后四名是因为只需要跑的最快的四匹马。(花费8轮)
-
取每组第一名进行一次比赛,然后淘汰最后四名所在组的所有马,因为后四名所在的组的第一名没有跑过前四名的马,所以可以直接淘汰。(+1轮)此时得到4*4名次矩阵,a>b>c>d,a1>a2>a3>a4,...,d1>d2>d3>d4,直接淘汰d4,d3,d2,c4,c3,b4,此时a1是最快的马
-
除a1,b1的马赛一轮(+1轮)如果b2或c1进前3,则b1必前3,结束,共花费10轮
-
如果b2或c1均不进前3,加赛b1,a2,a3,a4,取前3,结束,共花费11轮
给定能随机等概率生成1到5的函数,写出能随机等概率生成1到7的函数
- 思路
- 特殊解法
考虑ab有b-a+1个数,现希望在x次ab结果相加后,xa~xb再等区间划分k份,得到新随机数y[k]
要xa~xb等区间划分k份,则xb-xa+1需被k整除,由此有方程:x(b-a)+1=yk,代入为4x+1=7y
求此方程正整数解x和y,使x最小,数论不定方程通解,x=5,y=3
因此,5次15相加再等分为7份,即把525中的21个数等分为7份,3个数1份
注意:rand[1,5]->rand[1,10],列出方程4x+1=10y,显然没有正整数解,此法不通
- 概率遗漏近似法
rand5()*5+rand5()舍弃27-30的情况,剩下21个数等分,但概率相等,相加不为1
rand5()*5^k,只要k足够大,舍弃遗漏的概率就越低
-
来源:letcode
-
题目
输入: nums = [1,3,-1,-3,5,3,6,7], 和 k = 3
输出: [3,3,5,5,6,7]
- 思路
限定空间单调队列
- 实现
let maxSlidingWindow = (nums, k) => {
if (nums == null || nums.length < 2) {
return nums;
}
let left = 0, right = 0;
let queue = [];
let result = [];
for (let i = 0; i < nums.length; i++) {
//队列为空,直接加入,队列非空,即将加入的数比队尾的值大,一直移除队尾的数,最后队列加入新来的数
while (queue.length > 0 && nums[i] >= queue[queue.length - 1].value) {
queue.pop();
}
queue.push({
index: i,
value: nums[i]
});
//通过下标确认最大值是否在有效区间内
if (queue[0].index < left) {
queue.shift();
}
if (right - left < k - 1) {
right++;
} else {
//区间成立,加入结果
result.push(queue[0].value);
left++;
right++;
}
}
return result;
};
window.onload = function () {
let nums = [9,7,8,6,4,2,5,3,1],k = 3;
console.log(maxSlidingWindow(nums,k));
//[9, 8, 8, 6, 5, 5, 5]
}
- 来源:
- 题目
给定一个 没有重复 数字的序列,返回其所有可能的全排列。
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]
]
- 思路
广度优先
- 实现
let permute = (nums) => {
let len = nums.length;
if (len == 0) {
return [];
}
else if(len == 1){
return [[1]];
}
let queue = [], result = [];
for (let i = 0; i < len; i++) {
queue.push([nums[i]]);
}
while (queue.length > 0) {
let originItem = queue.shift();
for (let j = 0; j < len; j++) {
let item = JSON.parse(JSON.stringify(originItem));
if (item.indexOf(nums[j]) == -1) {
item.push(nums[j]);
if (item.length == len) {
result.push(item);
}
else {
queue.push(item);
}
}
}
}
return result;
};
window.onload = function () {
let nums = [1, 2, 3];
console.log(permute(nums));
}
- 题目
给定一个可包含重复数字的序列 nums ,按任意顺序 返回所有不重复的全排列。
输入:nums = [1,1,2]
输出:
[[1,1,2],
[1,2,1],
[2,1,1]]
- 思路
思路1:全排列1+哈希替换
思路2:全排列1+重复值插值
- 实现
思路1
let getHash = (nums) => {
let hash = new Map();
let unique = [];
let diffNum = 0;
for (let i = 0; i < nums.length; i++) {
if (unique.indexOf(nums[i]) == -1) {
unique.push(nums[i]);
}
else {
hash.set(diffNum.toString(), nums[i]);
nums[i] = diffNum.toString();
diffNum++;
}
}
return hash;
}
let permute2 = (nums) => {
let len = nums.length;
if (len == 0) {
return [];
}
else if (len == 1) {
return [[1]];
}
let hash = getHash(nums);
let queue = [], result = [];
for (let i = 0; i < len; i++) {
queue.push([nums[i]]);
}
while (queue.length > 0) {
let originItem = queue.shift();
for (let j = 0; j < len; j++) {
let item = JSON.parse(JSON.stringify(originItem));
if (item.indexOf(nums[j]) == -1) {
item.push(nums[j]);
if (item.length == len) {
result.push(item);
}
else {
queue.push(item);
}
}
}
}
let set = new Set();
for (let i = 0; i < result.length; i++) {
for (let j = 0; j < result[i].length; j++) {
if (typeof result[i][j] == 'string') {
result[i][j] = hash.get(result[i][j]);
}
}
set.add(JSON.stringify(result[i]));
}
result = [...set];
result = result.map(value => value = JSON.parse(value));
return result;
};
window.onload = function () {
let nums = [1, 1, 2];
console.log(permute2(nums));
}
- 来源:
- 题目
给你一个字符串 s,找到 s 中最长的回文子串。
输入:s = "babad"
输出:"bab"
解释:"aba" 同样是符合题意的答案。
输入:s = "cbbd"
输出:"bb"
输入:s = "a"
输出:"a"
输入:s = "ac"
输出:"a"
- 思路
- 动态规划
-
边界条件:
- 长度为1,是回文
- 长度为2,s[i]=s[j]是回文
-
递推关系:
长度为3或以上,s[i]=s[j]且l[i+1]~l[j-1]回文,则是回文
-
优化:
子串不回文,则停止拓展
- Manacher
-
添加井号分隔符,使回文串变为只有奇数长度的回文串
-
每位中心扩散,填表
char # a # b # b # a # b # b # index 0 1 2 3 4 5 6 7 8 9 10 11 12 臂长 0 1 0 1 4 1 0 5 0 1 2 1 0
-
一边填表一边找出最大值,还原实际回文子串
- 实现
var longestPalindrome = function (s) {
let len = s.length;
let dp = new Array(len);
for (var i = 0; i < len; i++) {
dp[i] = new Array(len);
}
let ans = "";
for (let l = 0; l < len; ++l) {
for (let i = 0; i + l < len; ++i) {
// 从i~i+l是否回文串,i为起始位置,i+l为结束位置,l+1为回文长度
let j = i + l;
if (l == 0) {
dp[i][j] = true;
} else if (l == 1) {
dp[i][j] = (s[i] == s[j]);
} else {
dp[i][j] = (s[i] == s[j] && dp[i + 1][j - 1]);
}
if (dp[i][j] && l + 1 > ans.length) {
ans = s.slice(i, i + l + 1);
}
}
}
return ans;
};
window.onload = function () {
let s = "babad";
console.log(longestPalindrome(s));
}
- 来源:
面试了十几个高级前端,竟然连(扁平数据结构转Tree)都写不出来
- 题目
把打平的部门数据树状化
输入:
let arr = [
{ id: 1, name: '部门1', pid: 0 },
{ id: 2, name: '部门2', pid: 1 },
{ id: 3, name: '部门3', pid: 1 },
{ id: 4, name: '部门4', pid: 3 },
{ id: 5, name: '部门5', pid: 4 },
{ id: 6, name: '部门6', pid: 1 },
{ id: 7, name: '部门7', pid: 0 },
{ id: 9, name: '部门9', pid: 8 },
]
输出:
[
{
"id": 1,
"name": "部门1",
"pid": 0,
"children": [
{
"id": 2,
"name": "部门2",
"pid": 1,
"children": []
},
{
"id": 3,
"name": "部门3",
"pid": 1,
"children": [
// 结果 ,,,
]
}
]
},
{
"id": 7,
"name": "部门7",
"pid": 0,
"children": []
},
...
]
- 思路
难点在于找到每条数据所在层级
- 遍历数组+广度队列暴力插入,时间O(n*2^n),空间O(n)
- 每个层级结构一样,考虑递归操作每个children,时间O(2^n),空间O(n)
- 根据id建立映射,快速查找条目,时间O(n),空间O(n)
- 实现
- 遍历数组+广度队列暴力插入
const arrayToTree = (arr) => {
let result = [];
arr.map((value, index) => {
value.children = [];
let positionQueue = [...result];
let flag = true;
while (positionQueue.length !== 0) {
let postion = positionQueue.shift();
if (value.pid === postion.id) {
postion.children.push(JSON.parse(JSON.stringify(value)));
flag = false;
break;
}
else {
for (let i = 0; i < postion.children.length; i++) {
positionQueue.push(postion.children[i]);
}
}
}
if (flag) {
result.push(JSON.parse(JSON.stringify(value)));
}
});
return result;
}
- 递归操作
/**
* 递归查找,每次扫描数组中递增的id:0,1,2...,pid相等则放入对应层数的children,继续对下一个id进行操作
*/
const getChildren = (data, result, pid) => {
for (const item of data) {
if (item.pid === pid) {
const newItem = { ...item, children: [] };
result.push(newItem);
getChildren(data, newItem.children, item.id);
}
}
}
/**
* 转换方法
*/
const arrayToTree2 = (data, pid = 0) => {
const result = [];
getChildren(data, result, pid);
return result;
}
- 先映射再操作
function arrayToTree3(arr) {
const result = []; // 存放结果集
const itemMap = {}; // map存储
// 先转成map存储,抽取部门id作为键
for (const item of arr) {
itemMap[item.id] = { ...item, children: [] }
}
for (const item of arr) {
const treeItem = itemMap[item.id];
if (item.pid === 0) {
result.push(treeItem);
} else {
//没有上级部门对应,也不至于报错children不存在
if (!itemMap[item.pid]) {
itemMap[item.pid] = {
children: [],
}
}
itemMap[item.pid].children.push(treeItem)
}
}
return result;
}
- 一边映射,一边操作
function arrayToTree4(arr) {
const result = []; // 存放结果集
const itemMap = {}; // 一边遍历,一边用map储存
for (const item of arr) {
//没有上级部门对应,也不至于报错children不存在
if (!itemMap[item.id]) {
itemMap[item.id] = {
children: [],
}
}
itemMap[item.id] = {
...item,
children: itemMap[item.id]['children']
}
const treeItem = itemMap[item.id];
if (item.pid === 0) {
result.push(treeItem);
} else {
//没有上级部门对应,也不至于报错children不存在
if (!itemMap[item.pid]) {
itemMap[item.pid] = {
children: [],
}
}
itemMap[item.pid].children.push(treeItem)
}
}
return result;
}
- 来源:
- 题目
已知:一个数组 nums = [1,2,3,4,5,...,51,52,53,54],求解:一个乱序的新数组 radomNums。
- 思路
- 暴力抽取
在 1 至 54 之前随机生成一个整数,然后把它放到新数组里,然后再随机生成一个整数,如果和之前生成的没重复,直接放入新数组,如果和之前重复了,那再随机生成一个
基本上打乱这副扑克牌要洗 200 ~ 300 次!因为越往后,生成随机数重复的概率就越大!
- 交换位置
将牌随机分成两堆,让它们交换,然后再随机分成两堆,再让它们交换,然后再随机分出两堆......这样重复洗十几、二十次后,完成洗牌。
在现实中,我们玩牌,大部分玩家也是这样去洗的,它也叫【印度洗牌法】
显然,只要洗的次数不够多,相邻的牌会扎堆出现
- 交换位置进阶:第i张与i~len之间的随机数交换位置
随机结果【覆盖所有情况】,并且所有随机结果【出现概率相等】
洗 54 张牌,随机结果需覆盖所有情况就应该是 54 张牌的排列方式,A5454,即 54!(54 的阶层)种随机结果。 两两对换: 洗 1 次,会得到 n 种可能的结果; 洗 2 次,会得到 n*(n-1) 种结果; 洗 3 次,会得到 n*(n-1)*(n-2) 种结果; ...... 洗 n 次之后,我们才满足了:随机结果【覆盖所有情况】,并且所有随机结果【出现概率相等】。 所以,必须洗 54 次,才能达到目的。
- Fisher-Yates 洗牌算法:1~len-i之间随机数与len-i交换位置
随机生成 1 至 54 之间的整数,将它和数组的最后一位替换; 然后再在 1 至 53 之间随机生成一位整数,将它和数组的倒数第二位替换; 然后再 1 至 52 之间随机生成一位整数,将它和数组的倒数第三位替换; ...... 直至在 1 至 1 之间随机生成一位整数(即 1),将它和数组第 1 位替换(即替换自身);
这样做,时间复杂度为 O(n),且任意一张牌出现的概率都是 1/52,满足:随机结果覆盖所有情况,随机结果出现概率相等!
数学证明:一张牌被放到第 i 个位置的机率为 P,则 P 会等于前 i-1 个位置都未选到这张牌且第 i 个位置选到这张牌。
- 鸽尾式洗牌法(Riffle Shuffle)
将数组一分为二,再穿插合并,再不断重复这样的操作;
研究表明:用鸽尾式洗牌法【洗七次】是最有效的打乱手法
- 洗乱牌后,按指定区间概率返回牌
将 54 张牌打乱后,抽到区间 [1,10] 的概率为 40%,抽到区间 [11,20] 的概率为 20%,抽到区间 [21,30] 的概率为 20%,抽到区间 [31,40] 的概率为 15%,剩下的抽到 [41,54] 的概率为 5%;
- 实现真正随机而非伪随机
random() 函数产生的值在 [0,1) 之间,具有大致均匀的分布,不用带参数。
在 Windows 系统 chrome V8 引擎下,浏览器最终调用一个 rand_s 函数,rand_s 是 Windows 系统提供的一个随机性足够强的随机数发生器。在其他系统下,也是基于当前系统获取高精度的随机数。所以,随机的根本源头是借助了操作系统的能力。
Math.random 是一个伪随机数,它是不安全的。从 V8 的源码可以看到 Math.random 的值来源是 /dev/random,取 64 位,值的可能个数为 2 ^ 64,随机算法相对简单,只是保证尽可能的随机分布。54 张扑克牌的全排列 54!(阶层)的值远远大于它。
真随机数需要从现实世界采集:random.org 这个网站是通过采集大气噪音生成随机数。
还有:量子随机数,原理是 LED 发出随机数的光子,CMOS 捕获光源散粒噪声产生随机序列,量子芯片通过测量光量子态得到的随机数,再进一步来加密信息。
- 实现
- 暴力抽取
let nums=[]
for(let i=1;i<=54;i++){
nums.push(i)
}
let count = 0
const shuffle = function(nums) {
let radomNums = []
while (radomNums.length < nums.length) {
count++; // count 计数洗牌次数
let rand = randOne()
if(radomNums.includes(rand)){ // 随机数重复
rand = randOne() // 再次生成
}else{
radomNums.push(rand)
}
}
return radomNums
}
// 在 1 至 54 之间任意取一整数;
const randOne= function() {
return Math.floor(Math.random() * 54) + 1;
}
console.log(shuffle(nums))
console.log(count)
// (54) [22, 48, 13, 23, 15, 12, 18, 50, 5, 28, 27, 52, 46, 16, 40, 6, 33, 9, 41, 30, 54, 14, 36, 53, 17, 2, 11, 37, 42, 3, 8, 21, 25, 20, 34, 32, 35, 4, 43, 26, 38, 24, 10, 45, 31, 49, 44, 19, 51, 7, 1, 39, 47, 29]
// 271
- 交换位置
let nums=[]
for(let i=1;i<=54;i++){
nums.push(i)
}
const shuffle = function(nums){
let radomNums = JSON.parse(JSON.stringify(nums))
for(let i = 0;i < 20;i++){
let randIndex1 = randOneIndex()
let randIndex2 = randOneIndex()
if(randIndex2 < randIndex1){ // 若 rand2<rand1,二者替换
randIndex1 = randIndex1 + randIndex2
randIndex2 = randIndex1 - randIndex2
randIndex1 = randIndex1 - randIndex2
}
let radomBlock = radomNums.slice(randIndex1,randIndex2 + 1)
radomNums = radomNums.slice(0,randIndex1).concat(radomNums.slice(randIndex2,53)).concat(radomBlock)
}
return radomNums
}
// 在 0 至 53 之间任意取一整数作数组下标;
const randOneIndex= function() {
return Math.floor(Math.random() * 54);
}
console.log(shuffle(nums))
// (54) [30, 9, 7, 28, 29, 39, 45, 46, 47, 48, 49, 50, 51, 52, 24, 25, 26, 27, 40, 42, 43, 44, 38, 31, 14, 8, 41, 22, 32, 19, 20, 1, 2, 10, 11, 12, 13, 16, 15, 53, 23, 3, 4, 5, 6, 21, 17, 18, 33, 34, 35, 36, 37, 42]
- 交换位置进阶:第i张与i~len之间的随机数交换位置
let nums=[]
for(let i=1;i<=54;i++){
nums.push(i)
}
const shuffle = function(nums) {
const radomNums = nums.slice(0);
let n = radomNums.length;
// 产生的结果有 n! 种可能
for (let i = 0; i < n; i++) {
// 从 i 到 n-1 随机选一个
const rand = randOne(i, n - 1);
// 交换nums数组i和rand下标的两个元素
[ radomNums[i], radomNums[rand] ] = [ radomNums[rand], radomNums[i] ];
}
return radomNums;
};
// 获取闭区间 [n, m] 内的一个随机整数
const randOne= function(n, m) {
return Math.floor(Math.random() * (m - n + 1)) + n;
};
console.log(shuffle(nums))
// (54) [39, 40, 11, 35, 1, 47, 33, 9, 44, 32, 31, 45, 41, 4, 51, 42, 8, 10, 16, 14, 18, 17, 13, 6, 34, 53, 48, 5, 15, 22, 38, 37, 49, 43, 3, 20, 26, 52, 30, 19, 7, 50, 12, 21, 46, 36, 23, 27, 28, 25, 2, 29, 24, 54]
- Fisher-Yates 洗牌算法:1~len-i之间随机数与len-i交换位置
let nums=[]
for(let i=1;i<=54;i++){
nums.push(i)
}
const FYShuffle = function (nums) {
const radomNums = nums.slice(0);
let len = radomNums.length;
while (len > 1) {
let rand = Math.floor(Math.random() * len);
len--;
let temp = radomNums[len];
radomNums[len] = radomNums[rand];
radomNums[rand] = temp;
}
return radomNums;
}
console.log(FYShuffle(nums))
// (54) [47, 17, 33, 13, 37, 26, 20, 39, 45, 44, 25, 40, 49, 7, 36, 38, 6, 15, 31, 18, 52, 46, 28, 11, 43, 1, 22, 19, 53, 9, 14, 27, 35, 8, 51, 42, 50, 2, 23, 5, 30, 54, 4, 21, 29, 16, 10, 24, 48, 34, 32, 12, 41, 3]
- 鸽尾式洗牌法(Riffle Shuffle)
let nums=[]
for(let i=1;i<=54;i++){
nums.push(i)
}
const RShuffle = function (arr) {
let radomNums = nums.slice(0);
for(let i = 0;i < 7;i++){
let randIndex = randOneIndex()
let arr1 = radomNums.slice(0,randIndex)
let arr2 = radomNums.slice(randIndex,55)
radomNums = aryJoinAry(arr1 ,arr2)
}
return radomNums;
}
// 两个数组穿插合并
const aryJoinAry = function (ary,ary2) {
var itemAry=[];
var minLength;
//先拿到两个数组中长度较短的那个数组的长度
if(ary.length>ary2.length){
minLength=ary2.length;
}
else{
minLength=ary.length;
}
//将两个数组中较长的数组记录下来
var longAry=arguments[0].length>arguments[1].length?arguments[0]:arguments[1];
//循环范围为较短的那个数组的长度
for (var i = 0; i < minLength; i++) {
//将数组放入临时数组中
itemAry.push(ary[i]);
itemAry.push(ary2[i])
}
//itemAry和多余的新数组拼接起来并返回。
return itemAry.concat(longAry.slice(minLength));
}
// 在 0 至 53 之间任意取一整数作数组下标;
const randOneIndex= function() {
return Math.floor(Math.random() * 54);
}
console.log(RShuffle(nums))
// (54) [1, 4, 19, 2, 38, 51, 6, 37, 15, 9, 45, 43, 7, 52, 16, 21, 39, 53, 24, 26, 44, 54, 40, 5, 32, 10, 46, 22, 33, 27, 3, 11, 18, 28, 47, 12, 17, 29, 8, 13, 41, 30, 48, 14, 34, 31, 20, 23, 49, 35, 25, 42, 50, 36]
- 洗乱牌后,按指定区间概率返回牌
var radomNums = [21,43,12,3,...,8,6,33] // 共 54 项
var probabilityNums = [0.02,0.015,...,0.04,0.04,0.15] // 共 54 项,和为 1
function randomProbability(arr1, arr2) {
var sum = 0,
factor = 0,
random = Math.random();
for(let i = arr2.length - 1; i >= 0; i--) {
sum += arr2[i]; // 统计概率总和
};
random *= sum; // 生成概率随机数
for(let i = arr2.length - 1; i >= 0; i--) {
factor += arr2[i];
if(random <= factor) return arr1[i]; // 如果在当前的概率范围内,得到的就是当前概率,返回输出
};
return null;
}
const yourCard = randomProbability(radomNums, probabilityNums)
console.log(yourCard)