什么是算法和数据结构
-
数据结构:计算机中存储和组织数据的方式
-
算法:解决办法的逻辑/操作
数组
JS数组就是API的调用
栈
- 栈是受限的线性结构:(生活中类似于自助餐的托盘)
- 只能在一端添加/删除元素(栈顶)
- 进入:进栈(压栈)
- 出去:出栈(退 栈)
-
函数调用栈
- A调用B,B调C,C调D
- D,C,B,A的弹栈顺序
-
一个栈结构面试题
-
有6个元素 6,5,4,3,2,1的顺序进栈(要考虑到可以一边入栈一边出栈)
- 3,4,6,5,2,1不合法
4.使用数组实现栈
-
// Method:和某一个对象实例有关系 // function // 封装栈类 // 1.封装栈类 function Stack() { // 栈中的属性 this.items = [] // 栈的相关操作 // 1.将元素压入栈 // function push(this){ // } 这种方法添加方法不好,因为这样每一个new出来的对象都会有一个push实例,占用内存 Stack.prototype.push = function(element) { return this.items.push(element) } // 2.从栈顶中取出元素 Stack.prototype.pop = function() { return this.items.pop() } // 3.返回栈顶元素,仅仅返回 Stack.prototype.peek = function() { return this.items[this.items.length - 1] } // 4.判断栈是否为空 Stack.prototype.isEmpty = function() { return this.items.length == 0 } // 5.返回栈里的元素个数 Stack.prototype.size = function() { return this.items.length } // 6.将栈结构的内容以字符串形式返回 Stack.prototype.toString = function() { var resultString = '' for (var i = 0; i < this.items.length; i++) { resultString += this.items[i] + '' } return resultString } } // 栈的使用 var s = new Stack() s.push(208) //压栈 s.push(10) s.push(7) s.push(4) s.push(100) s.push(13) console.log(s); s.pop() //弹栈 console.log(s); console.log(s.peek()) //返回栈顶元素,仅仅返回 console.log(s.isEmpty()) //判断栈是否为空 console.log(s.size()); //返回栈里的元素个数 console.log(s.toString()); //将栈结构的内容以字符串形式返回
-
十进制转二进制
利用栈结构来实现
// 函数:将十进制转为二进制 function dec2bin(decNumber) { // 1.定义栈对象 var stack = new Stack() // 2.循环操作 while (decNumber > 0) { // 2.1获取余数并放到栈中 stack.push(decNumber % 2) // 2.2获取整除后的结果作为下一次运行的数字 decNumber = Math.floor(decNumber / 2) } // 3.从栈中取出0和1 var binaryString = '' while (!stack.isEmpty()) { binaryString += stack.pop() } return binaryString }
队列
- 一种受限的线性表,先进先出
- 类似于生活中的电影影院,厕所排队,商场
- 优先排队的人优先处理
- 基于数组实现队列**,基于数组实现性能不高**(因为删除,从前面删除后,每个元素要往前移动)
// 基于数组实现性能不高(因为删除,从前面删除后,每个元素要往前移动) // 封装队列类 function Queue() { // 属性 this.items = [] // 方法 // 1.将元素加入到队列 Queue.prototype.enqueue = function(element) { return this.items.push(element) } // 2.从队列中删除前端元素 Queue.prototype.dequeue = function() { return this.items.shift() } // 3.查看前端元素 Queue.prototype.front = function() { return this.items[0] } // 4.查看队列是否为空 Queue.prototype.isEmpty = function() { return this.items.length == 0 } // 5.查看队列中元素的个数 Queue.prototype.size = function() { return this.items.length } // 6.toString方法 Queue.prototype.toString = function() { var resultString = '' for (var i = 0; i < this.items.length; i++) { resultString += this.items[i] + '' } return resultString } } // 使用队列 var queue = new Queue() queue.enqueue('abc') queue.enqueue('cba') queue.enqueue('nba') queue.enqueue('mba') alert(queue) queue.dequeue() alert(queue) alert(queue.front()) alert(queue.isEmpty()) alert(queue.size()) alert(queue.toString())
-
击鼓传花面试算法题
规则
- 几个朋友一起玩一个游戏,围城一圈,开始叔叔,数到某个数字的人自动出局
- 最后剩下的人会胜利,请问最后剩下的是在哪一个位置的人
function passGame(nameList, num) { // 1.创建一个队列 var queue = new Queue() // 2.将所有人依次加入到队列中 for (var i = 0; i < nameList.length; i++) { queue.enqueue(nameList[i]) } // 3. 开始数数字 while (queue.size() > 1) { // 不是num的时候,重新加入到队列的末尾 // 是num的时候,将其从队列中删除 // 3.1num数字之前的人重新放入到队列的末尾 for (var i = 0; i < num - 1; i++) { queue.enqueue(queue.dequeue()) } // 3.2num对应的人删除掉 queue.dequeue() } var endName = queue.front() return nameList.indexOf(endName) } nameList = ['Lily', 'Tom', 'LiLei', 'carri', 'taozi'] console.log(passGame(nameList, 3));
- 优先级队列
- 如头等舱和商务舱乘客的优先级高于经济舱
- 医院会优先处理病情比较严重的患者
- 每个元素不仅包含元素还包含优先级
// 只有插入方法和数组不同 // 如头等舱和商务舱乘客的优先级高于经济舱 // 医院会优先处理病情比较严重的患者 function PriorityQueue() { // 在PriorityQueue重新创建了一个类,可以理解内部类 function QueueElement(element, priority) { this.element = element this.priority = priority } // 封装属性 this.items = [] //实现插入方法 PriorityQueue.prototype.enqueue = function(element, priority) { // 1.创建QueueElement对象 var queueElement = new QueueElement(element, priority) // 2.判断队列是否为空 if (this.items.length === 0) { this.items.push(queueElement) } else { var added = false for (var i = 0; i < this.items.length; i++) { if (queueElement.priority < this.items[i].priority) { this.items.splice(i, 0, queueElement) added = true break } } if (!added) { this.items.push(queueElement) } } } }
链表
- 数组和链表优缺点
-
链表和数组一样,可以存储一系列的元素,但是链表和数组的实现机制完全不同
-
数组:
- 数组创建通常需要一段连续的内存空间(一整块内存),并且大小是固定的(大多数编程语言是固定的),所以当当前数组不能满足容量需求时,需要扩容(一般情况下申请一个更大的数组,把原来的数组复制过去)
- 而且数组的开头或中间位置插入数据成本很高,需要进行大量的元素位移
- 尽管我们已经学过JavaScript的Array类方法可以帮我们做这些事,但背后的原理依然是这样
-
链表
- 不同于数组,链表中的元素在内存中不必是连续的空间
- 链表的每个元素有一个存储元素本身的节点和一个指向下一个元素的引用
- 链表不必在创建的时候就确定大小
- 链表在插入和删除数据时,时间复杂度可以达到O(1),相对数组效率高很多
- 缺点:链表访问任何一个位置的元素的时候,都需要从头开始访问(无法跳过第一个元素访问任何一个元素),无法通过下标直接访问元素,需要从头一个个访问,直到找到对应的元素
- 链表到底是什么
- 类似火车,一节车厢连着下一节,车厢上有乘客(数据),火车头指向第一个车厢
- 类似火车,一节车厢连着下一节,车厢上有乘客(数据)
- 封装单向链表
// 封装链表类 function LinkedList() { // 内部的类:节点类 function Node(data, next) { this.data = data this.next = null } // 属性 this.head = null this.length = 0 // 1.追加方法 LinkedList.prototype.append = function(data) { // 1.创建新节点 var newNode = new Node(data) // 2.判断是否添加的是不是第一个节点 if (this.length == 0) { //是第一个节点 this.head = newNode } else { // 不是第一个节点 var current = this.head while (current.next) { current = current.next } // 最后节点的next指向新的节点 current.next = newNode } // 3.length加1 this.length += 1 } // 2.toString()方法 LinkedList.prototype.toString = function() { // 1.定义变量 var current = this.head var listString = '' // 2.循环获取一个个节点 while (current) { listString += current.data + " " current = current.next } return listString } // 3.insert方法 LinkedList.prototype.insert = function(position, data) { // 1.对position进行越界判断 if (position < 0 || position > this.length) return false // 2.根据data创建newNode var newNode = new Node(data) // 3.判断插入的位置是否是第一个 if (position == 0) { newNode.next = this.head this.head = newNode } else { var index = 0 var current = this.head var previous = null while (index++ < position) { previous = current current = current.next } newNode.next = current previous.next = newNode } // 4.length+1 this.length += 1 return true } // 4.get方法 LinkedList.prototype.get = function(position) { // 1.对position进行越界判断 if (position < 0 || position >= this.length) return null // 2.获取对应的data var current = this.head var index = 0 while (index++ < position) { current = current.next } return current.data } // 5.indexOf(element)方法 LinkedList.prototype.indexOf = function(element) { // 1.定义变量 var current = this.head var index = 0 // 2.开始查找 while (current) { if (current.data === element) { return index } current = current.next index += 1 } // 3.找到最后没找到,返回-1 return -1 } // 6.update方法 LinkedList.prototype.update = function(position, newData) { // 1.越界判断 if (position < 1 || position >= this.length) return false // 2.查找正确的节点 var current = this.head var index = 0 while (index++ < position) { current = current.next } // 3.将position位置的node的data修改成newData current.data = newData return true } // 7.removeAt方法 LinkedList.prototype.removeAt = function(position) { // 1.越界判断 var current = this.head if (position < 0 || position >= this.length) return null // 2.判断是否删除的是第一个节点 if (position == 0) { this.head = this.head.next } else { var index = 0 var previous = null while (index++ < position) { previous = current current = current.next } // 前一个节点的next指向current.next即可 previous.next = current.next } // 3.length-1 this.length -= 1 return current.data } // 8.remove方法 LinkedList.prototype.remove = function(data) { // 1.获取data在列表中的位置 var position = this.indexOf(data) // 2.根据位置信息,删除节点 return this.removeAt(position) } // 9.isEmpty方法 LinkedList.prototype.isEmpty = function() { return this.length === 0 } // 10.size方法 LinkedList.prototype.size = function() { return this.length } } // 测试代码 // 1.创建LinkedList var list = new LinkedList() // 2.测试append方法 list.append('abc') list.append('cba') list.append('mba') console.log(list.toString()) // 3.测试insert list.insert(0, 'aaa') list.insert(3, 'bbb') list.insert(5, 'ccc') // 4.测试toString console.log(list.toString()); // 5.测试get console.log(list.get(3)); console.log(list.get(5)); console.log(list.get(6)); console.log(list.indexOf('ccc')); // 6.测试update console.log(list.toString()); list.update(2, 'ooo') console.log(list.toString()); // 7.测试removeAt方法 console.log(list.removeAt(0)); list.removeAt(3) console.log(list.toString()); // 8.测试remove方法 list.remove('ooo') console.log(list.toString()); // 9.测试size方法和isEmpty console.log(list.isEmpty()); console.log(list.size());
- 封装双向链表
-
单向链表
- 只能从头遍历到尾或者从尾遍历到头(一般从头到尾)
- 也就是链表相连的过程是单向的
- 实现的原理就是上一个链表中有一个指向下一个的引用
- 缺点:不能回到上一个节点
-
双向链表:
- 既可以从头遍历到尾,又可以从尾遍历到头
- 也就是链表相连的过程是双向的
- 一个节点既有向前连接的引用,也有一个向后连接的引用
- 缺点:插入或者删除时,需要处理四个引用,占用内存稍微大一些
// 封装双向链表 function DoublyLinkedList() { // 内部类 function Node(data) { this.data = data this.prev = null this.next = null } // 属性 this.head = null this.tail = null this.length = 0 // 常见操作:方法 // 1.append 方法 DoublyLinkedList.prototype.append = function(data) { // 1.根据data创建节点 var newNode = new Node(data) // 2.判断是否是第一个节点 if (this.length == 0) { this.head = newNode this.tail = newNode } else { newNode.prev = this.tail this.tail.next = newNode this.tail = newNode } // 3.length+1 this.length += 1 } // 2.将链表转成字符串形式 // 2.1 toString方法 DoublyLinkedList.prototype.toString = function() { // 直接返回backwardString() return this.backwardString() } // 2.2 forwardString方法 DoublyLinkedList.prototype.forwardString = function() { // 1.定义变量 var current = this.tail var resultString = '' // 2.依次向后遍历,获取每一个节点 while (current) { resultString += current.data + ' ' current = current.prev } return resultString } // 2.3 backwardString方法 DoublyLinkedList.prototype.backwardString = function() { // 1.定义变量 var current = this.head var resultString = '' // 2.依次向后遍历,获取每一个节点 while (current) { resultString += current.data + ' ' current = current.next } return resultString } // 3.insert方法 DoublyLinkedList.prototype.insert = function(position, data) { // 1.越界判断 if (position < 0 || position > this.length) return false // 2.根据data创建新的节点 var newNode = new Node(data) // 3.判断原来的链表是否为空 if (this.length == 0) { this.head = newNode this.tail = newNode } else { if (position == 0) { // 3.1判断position是否为0 this.head.prev = newNode newNode.next = this.head this.head = newNode } else if (position == this.length) { // 3.2position==length相当于append this.tail.next = newNode newNode.prev = this.tail this.tail = newNode } else { // 3.3其他情况 var current = this.head var index = 0 while (index++ < position) { current = current.next } // 修改指针 newNode.prev = current.prev newNode.next = current current.prev.next = newNode current.prev = newNode } } // 4.length+1 this.length += 1 } // 4.get方法 DoublyLinkedList.prototype.get = function(position) { // 1.越界判断 if (position < 0 || position >= this.length) return false // this.length/2 >position:从头向后遍历 // this.length/2 《position:从尾向前遍历 // 2.获取元素 var current = this.head var index = 0 while (index++ < position) { current = current.next } return current.data } // 5.indexOf方法 DoublyLinkedList.prototype.indexOf = function(data) { // 1.定义变量 var current = this.head var index = 0 // 2.查找data相同的点 while (current) { if (current.data == data) { return index } current = current.next index++ } return -1 } // 6.update方法 DoublyLinkedList.prototype.update = function(position, newData) { // 1.越界判断 if (position < 0 || position >= this.length) return false // 2.寻找正确的节点 var current = this.head var index = 0 while (index++ < position) { current = current.next } // 3.修改找到节点的data信息 current.data = newData return true } // 7.removeAt方法 DoublyLinkedList.prototype.removeAt = function(position) { // 1.越界判断 if (position < 0 || position >= this.length) return false // 2.判断是否只有一个节点 var current = this.head if (this.length == 1) { this.head = null this.tail = null } else { if (position == 0) { // 判断是否是第一个节点 this.head.next.prev = null this.head = this.head.next } else if (position == this.length - 1) { this.tail.prev.next = null this.tail = this.tail.prev } else { var index = 0 while (index++ < position) { current = current.next } current.prev.next = current.next current.next.prev = current.prev } } // 3.length-1 this.length -= 1 return current.data } // 8.remove方法 DoublyLinkedList.prototype.remove = function(data) { // 1.根据data获取索引 var index = this.indexOf(data) // 2.根据index删除 return this.removeAt(index) } // 9.isEmpty和size方法 DoublyLinkedList.prototype.isEmpty = function() { return this.length == 0 } DoublyLinkedList.prototype.size = function() { return this.length } // 10.获取链表的第一个元素 DoublyLinkedList.prototype.getHead = function() { return this.head.data } // 11.获取链表的最后元素 DoublyLinkedList.prototype.getTail = function() { return this.tail.data } } // 测试代码 var list = new DoublyLinkedList() // 1.测试append方法 list.append('aaa') list.append('bbb') list.append('ccc') list.append('ddd') console.log(list) // 2.测试转出字符串方法 console.log(list.toString()) console.log(list.backwardString()) console.log(list.forwardString()) // 3.测试insert插入方法 list.insert(0, '111') console.log(list.toString()) list.insert(5, 'xxx') console.log(list.toString()) list.insert(2, 'mmm') console.log(list.toString()) // 4.测试get方法 console.log(list.get(3)); // 5.测试indexOf方法 console.log(list.indexOf('mmm')); // 6.测试update方法 list.update(2, 'nnn') console.log(list.toString()) // 7.测试removeAt方法 console.log(list.removeAt(6)); console.log(list.removeAt(1)); console.log(list.removeAt(0)); console.log(list.toString()); // 8.测试remove方法 console.log(list.remove('bbb')); console.log(list.toString()); // 9.测试isEmpty和size方法 console.log(list.isEmpty()); console.log(list.size()); // 10.测试getHead和getTail console.log(list.getHead()); console.log(list.getTail());
集合
- 由一组无序的,不能重复的元素构成
- 一种特殊的数组,没有顺序,也不能重复
- 没有顺序意味着不能通过下标值访问,不能重复意味着相同的对象在集合中只会存在一份
- 就是ES6里的Set
- 封装集合类
// 封装集合类 function Set() { // 属性 this.items = {} // 方法 // add方法 Set.prototype.add = function(value) { // 判断当前集合中是否已经包含了该元素 if (this.has(value)) return false //将元素添加到集合中 this.items[value] = value return true } // has方法 Set.prototype.has = function(value) { return this.items.hasOwnProperty(value) } // remove方法 Set.prototype.remove = function(value) { // 1.判断该集合中是否包含该元素 if (!this.has(value)) { return false } // 2.将元素从属性中删除 // delete操作符删除对象的某个属性 delete this.items[value] return true } // clear方法 Set.prototype.clear = function() { this.items = {} } // size方法 Set.prototype.size = function() { return Object.keys(this.items).length } // 获取集合中所有的值 Set.prototype.values = function() { return Object.keys(this.items) } } // 测试Set类 var set = new Set() // 添加元素 set.add('aaa') set.add('bbb') set.add('ccc') set.add('ddd') console.log(set); // has console.log(set.has('aaa')); // remove set.remove('aaa') console.log(set); // size console.log(set.size()); // values console.log(set.values());
- 集合间操作
- 并集
Set.prototype.union = function(otherSet) { // 1.创建一个新的集合 var unionSet = new Set() // 2.将A集合中所有的元素添加到新集合中 var values = this.values() for (var i = 0; i < values.length; i++) { unionSet.add(values[i]) } // 3.取出B集合中的新的元素,判断是否需要添加到新集合 values = otherSet.values() for (var i = 0; i < values.length; i++) { unionSet.add(values[i]) } return unionSet }
- 交集
// 交集 Set.prototype.intersection =function(otherSet){ // this集合A // otherSet 集合B // 1.创建新的集合 var intersectionSet = new Set() // 2.从A中取出一个个元素,判断是否同时存在于集合B中,存放在新集合中 var values = this.values() for(var i = 0;i<values.length;i++){ var item = values[i] if(otherSet.has(item)){ intersectionSet.add(item) } } return intersectionSet }
- 差集
// 差集(x存在于A当中,但不存在于B当中) Set.prototype.difference = function(otherSet) { // this集合A // otherSet 集合B // 1.创建新的集合 var differenceSet = new Set() // 2.取出A集合一个个元素,判断是否同时存在于B中,不存在B中,则添加到新集合中 var values = this.values() for (var i = 0; i < values.length; i++) { var item = values[i] if (!otherSet.has(item)) { differenceSet.add(item) } } return differenceSet }
- 子集
//子集(A是B的子集) Set.prototype.subset = function(otherSet) { // this集合A // otherSet 集合B // 遍历集合A中所有的元素,如果发现集合A中的元素,在集合B中不存在,那么false // 如果遍历完了整个集合,依然没有返回false,那么返回true即可 var values = this.values() for (var i = 0; i < values.length; i++) { var item = values[i] if (otherSet.has(item)) { return false } } return true }
字典
- 在JavaScript中,似乎对象本身就是一种字典,所以在早期的JavaScript中,没有字典这种数据类型,因为你完全可以用对象做字典
- ES6添加了Map(映射关系,相当于字典)
哈希表
哈希表通常是基于数组进行实现的,但是相对于数组,他有很多优势
- 它可以提供非常快速的插入-删除-查找操作
- 无论多少数据,插入和删除值需要接近常量的时间:即O(1)的时间级,实际上,只需要几个机器指令即可完成
- 哈希表的速度比树还快,基本可以瞬间查找到想要的原元素
- 哈希表相对于树来说编码要容易很多
哈希表相对于数组的劣势
- 哈希表中的数据是没有顺序的,所以不能以一种固定的方式(比如从小到大)来遍历其中的元素
- 通常情况下,哈希表的key是不允许重复的,不能放置相同的key,用于保存不同的元素
- 哈希表的原理
- 哈希化:将大数字转化成数组范围内下标的过程,我们称之为哈希化
- 哈希函数:通常我们会将单词转成大数字,大数字在进行哈希化的代码实现放在一个函数中,这个函数我们称之为哈希函数
- 哈希表:最终数据插入到这个数组,对整个结构的封装,我们就称之为一个哈希表
- 解决冲突的方案
-
链地址法(每个下标值存储一个数组,而不是一个单独的对象),也称拉链法
-
开放地址法(寻找空白的单元格)
-
线性探测(线性的查找空白的单元)
- 注意:删除一个数据的时候,不能将这个位置下标的内容设置为null
- 因为将它设置为null时可能会影响我们后续的其他操作,所以通常我们删除一个位置的数据项时,我们将它进行特殊的处理(比如设置为-1)
- 比如我们设置的两个数据都放在了依次的两个null里,当我们删除第一个数据并将它设置为null的时候,我们查找第二个数据时会查找不到(查找的规则是查找原本的位置,没有的话再查找它后面的第一个null,存在数据再查找下一个,不存在数据直接返回不存在)
- 存在一个严重的问题:聚集(一连串的填充单元),不如我们插入一个32,会发现连续的单元都不允许我们放置数据,并且这个过程中我们需要探索多次
-
二次探测(为解决线性探测的问题)
- 主要优化的是探测时的步长,什么意思呢
- 步长,线性探测(比如从下标值x开始,x+1,x+2,x+3),二次探测(x+1^2,x+2^2,x+3^2),这样就可以依次探测比较长的距离
-
再哈希法(不同的关键字求出不同的地址)
- 第二次哈希化具备如下特点
- 和第一个哈希函数不同
- 不能输出0(否则原地踏步)
- 第二次哈希化具备如下特点
-
- 哈希化的效率
- 如果没有产生冲突,那么效率就会更高
- 如果发生冲突,存取时间就依赖后来的探测长度
- 平均探测长度以及平均存取时间,取决于填装因子,随着填装因子变大,探测长度也越来越长
- 随着填装因子变大,效率下降的情况,将不同开放地址方案中比链地址法更严重,所以我们来对比一下它们的效率,再决定我们选取的方案
- 在分析效率之前,我们先了解一个概念:装填因子
- 装填因子表示当前哈希表中已经包含的数据项和整个哈希表长度的比值
- 装填因子=总数据项/哈希表长度
- 开放地址法的装填因子最大是多少呢?1,因为他必须寻找到空白的单元才能将元素放入
- 链地址法的装填因子呢?可以大于1,因为链地址法可以无限的眼伸下去,只要你愿意
- 一般的真实开发中,使用链地址法的情况较多(因为它不会因为添加了某元素后性能急剧下降)
- 霍纳法则提升时间复杂度(减少了乘法的次数)
- 时间复杂度从O(N^2)降到了O(N)
- 均匀分布(尽可能使用质数)
- 质数的使用
- 哈希表的长度
- N次幂的底数
- 封装hash函数
// 设计哈希函数 // 1)将字符串转换成比较大的数字:hashCode // 2)将大的数字hashCode压缩到数组范围之内 function hashFunc(str, size) { // 1.定义hashCode变量 var hashCode = 0 // 2.霍纳算法,来计算hashCode的值 // cats -> Unicode编码 for (var i = 0; i < str.length; i++) { hashCode = 37 * hashCode + str.charCodeAt(i) } // 3.取余操作 var index = hashCode % size return index } // 测试哈希函数 alert(hashFunc('abc', 4)) alert(hashFunc('sdsdd', 4)) alert(hashFunc('awwe', 4)) alert(hashFunc('annn', 4)) alert(hashFunc('wke', 4))
- 哈希表的实现
// 封装哈希表类 function HashTable() { // 属性 this.storage = [] this.count = 0 this.limit = 7 // 容量 // loadFactor扩容或缩容 // 方法 // 哈希函数 // 设计哈希函数 // 1)将字符串转换成比较大的数字:hashCode // 2)将大的数字hashCode压缩到数组范围之内 HashTable.prototype.hashFunc = function(str, size) { // 1.定义hashCode变量 var hashCode = 0 // 2.霍纳算法,来计算hashCode的值 // cats -> Unicode编码 for (var i = 0; i < str.length; i++) { hashCode = 37 * hashCode + str.charCodeAt(i) } // 3.取余操作 var index = hashCode % size return index } // 插入和修改数据(因为key唯一,所以插入和修改是同一种) HashTable.prototype.put = function(key, value) { // 1.根据key获取索引值(目的是将数据插入到对应的位置) var index = this.hashFunc(key, this.limit) // 2. 根据索引值取出bucket var bucket = this.storage[index] // 1)如果桶不存在,创建桶(bucket),并且放置在该索引的位置 if (bucket == null) { bucket = [] this.storage[index] = bucket } // 3.判断新增还是修改原来的值 // 如果已经有值了,就修改值 for (var i = 0; i < bucket.length; i++) { var tuple = bucket[i] if (tuple[0] == key) { tuple[1] = value return } } // 如果没有,执行后续的添加操作 // 4.新增操作 bucket.push([key, value]) this.count += 1 } // 获取方法 HashTable.prototype.get = function(key) { // 1.根据key获取对应的index var index = this.hashFunc(key, this.limit) // 2.根据index获取对应的bucket var bucket = this.storage[index] // 3.判断bucket是否为null,如果为null,直接返回null if (bucket == null) { return null } // 4.线性查找bucket中每一个key是否等于传入的key,如果等于,直接返回对应的value for (var i = 0; i < bucket.length; i++) { var tuple = bucket[i] if (tuple[0] == key) { return tuple[1] } } // 5.遍历完后,依然没有找到对应的key,return null即可 return null } // 删除操作 HashTable.prototype.remove = function(key) { // 1.根据key获取对应的index var index = this.hashFunc(key, this.limit) // 2.根据index获取bucket var bucket = this.storage[index] // 3.判断bucket是否存在,如果不存在,那么直接返回null if (bucket == null) { return null } // 4.线性查找bucket,寻找对应的数据,并且删除 for (var i = 0; i < bucket.length; i++) { var tuple = bucket[i] if (tuple[0] == key) { bucket.splice(i, 1) this.count-- return tuple[1] } } // 5.依然没有找到那么返回null return null } // 其他方法 // 判断哈希表是否为null HashTable.prototype.isEmpty = function() { return this.count == 0 } // 获取哈希表中元素的个数 HashTable.prototype, size = function() { return this.count } } var myInfo = new HashTable() myInfo.put('gaozheng', { age: 18, height: 175, weight: 65 }) console.log(myInfo); var ht = new HashTable() // 1.插入数据 ht.put('cba', 'one') ht.put('bca', 'two') ht.put('nba', 'three') ht.put('bbb', 'four') ht.put('mba', 'six') console.log(ht); // 2.修改数据 ht.put('cba', 'five') console.log(ht) // // 3.获取数据 console.log(ht.get('cba')) // // 4.删除数据 ht.remove('cba') console.log(ht);
- 哈希表的扩容/缩容
- 为什么需要扩容
目前,所有数据项都存在长度为7的数组中,因为使用的是链地址法,loadFactor可以大于1,所以这个哈希表可以无限制的插入新数据,但是随着数据量的增多,每个index对应的bucket会越来越长,也就造车过了效率的降低,所以需要扩容
- 如何扩容
可以简单的将容量扩大两倍(不是质数,质数第10会解决),但是这种情况下,所有的数据项一定要同时进行修改
- 什么情况下扩容
比较常见的是loadFactor>0.75的时候进行扩容
- 代码(再在add和remove方法后判断是否扩容)
// 哈希表的扩容 HashTable.prototype.resize = function(newLimit) { // 1.保存旧的数组内容 var oldStorage = this.storage // 2.重置所有的属性 this.storage = [] this.count = 0 this.limit = newLimit // 3.遍历oldStorage中所有的bucket for (var i = 0; i < oldStorage.length; i++) { // 3.1取出对应的bucket var bucket = oldStorage[i] // 3.2判断bucket是否为null if (bucket == null) { continue } // 3.3 bucket中有数据,那么取出数据,重新插入 for (var j = 0; j < bucket.length; j++) { var tuple = bucket[j] this.put(tuple[0], tuple[1]) } } }
- 容量质数(有利于均匀分布)
- 判断一个数是否是质数
function isPrime(num){ for(var i =2;i<num;i++){ if(num%i==0){ return false } } return true }
-
但是这种方法效率并不高,可以只遍历它的开平方根之前(因为一个数如果不是质数,它能被两个数相乘得到,那么其中一个数一定小于它的开平方根)
// 更高效的方式 function isPrime(num) { // 1.获取平方根 var temp = parseInt(Math.sqrt(num)) // 2.循环判断 for (var i = 2; i <= temp; i++) { if (num % i == 0) { return false } } return true }
-
代码
- 定义判断质数方法
- 定义获取质数的方法
- 在添加和删除的扩容缩容方法中得到一个质数的容量
// 判断某个数字是否是质数 HashTable.prototype.isPrime = function(num) { // 1.获取平方根 var temp = parseInt(Math.sqrt(num)) // 2.循环判断 for (var i = 2; i <= temp; i++) { if (num % i == 0) { return false } } return true } // 获取质数方法 HashTable.prototype.getPrime = function(num) { // 14-->17 // 34-->37 while (!this.isPrime(num)) { num++ } return num }
-
哈希表完整代码
// 封装哈希表类 function HashTable() { // 属性 this.storage = [] this.count = 0 this.limit = 7 // 容量 // loadFactor扩容或缩容 // 方法 // 哈希函数 // 设计哈希函数 // 1)将字符串转换成比较大的数字:hashCode // 2)将大的数字hashCode压缩到数组范围之内 HashTable.prototype.hashFunc = function(str, size) { // 1.定义hashCode变量 var hashCode = 0 // 2.霍纳算法,来计算hashCode的值 // cats -> Unicode编码 for (var i = 0; i < str.length; i++) { hashCode = 37 * hashCode + str.charCodeAt(i) } // 3.取余操作 var index = hashCode % size return index } // 插入和修改数据(因为key唯一,所以插入和修改是同一种) HashTable.prototype.put = function(key, value) { // 1.根据key获取索引值(目的是将数据插入到对应的位置) var index = this.hashFunc(key, this.limit) // 2. 根据索引值取出bucket var bucket = this.storage[index] // 1)如果桶不存在,创建桶(bucket),并且放置在该索引的位置 if (bucket == null) { bucket = [] this.storage[index] = bucket } // 3.判断新增还是修改原来的值 // 如果已经有值了,就修改值 for (var i = 0; i < bucket.length; i++) { var tuple = bucket[i] if (tuple[0] == key) { tuple[1] = value return } } // 如果没有,执行后续的添加操作 // 4.新增操作 bucket.push([key, value]) this.count += 1 // 5.判断是否需要扩容操作 if (this.count > this.limit * 0.75) { var newSize = this.limit * 2 var newPrime = this.getPrime(newSize) this.resize(newPrime) } } // 获取方法 HashTable.prototype.get = function(key) { // 1.根据key获取对应的index var index = this.hashFunc(key, this.limit) // 2.根据index获取对应的bucket var bucket = this.storage[index] // 3.判断bucket是否为null,如果为null,直接返回null if (bucket == null) { return null } // 4.线性查找bucket中每一个key是否等于传入的key,如果等于,直接返回对应的value for (var i = 0; i < bucket.length; i++) { var tuple = bucket[i] if (tuple[0] == key) { return tuple[1] } } // 5.遍历完后,依然没有找到对应的key,return null即可 return null } // 删除操作 HashTable.prototype.remove = function(key) { // 1.根据key获取对应的index var index = this.hashFunc(key, this.limit) // 2.根据index获取bucket var bucket = this.storage[index] // 3.判断bucket是否存在,如果不存在,那么直接返回null if (bucket == null) { return null } // 4.线性查找bucket,寻找对应的数据,并且删除 for (var i = 0; i < bucket.length; i++) { var tuple = bucket[i] if (tuple[0] == key) { bucket.splice(i, 1) this.count-- return tuple[1] } } // 5.缩小容量 if (this.count > 7 && this.count < this.limit * 0.25) { var newSize = Math.floor(this.limit / 2) var newPrime = this.getPrime(newSize) this.resize(newPrime) } // 6.依然没有找到那么返回null return null } // 其他方法 // 判断哈希表是否为null HashTable.prototype.isEmpty = function() { return this.count == 0 } // 获取哈希表中元素的个数 HashTable.prototype, size = function() { return this.count } // 哈希表的扩容/缩容 HashTable.prototype.resize = function(newLimit) { // 1.保存旧的数组内容 var oldStorage = this.storage // 2.重置所有的属性 this.storage = [] this.count = 0 this.limit = newLimit // 3.遍历oldStorage中所有的bucket for (var i = 0; i < oldStorage.length; i++) { // 3.1取出对应的bucket var bucket = oldStorage[i] // 3.2判断bucket是否为null if (bucket == null) { continue } // 3.3 bucket中有数据,那么取出数据,重新插入 for (var j = 0; j < bucket.length; j++) { var tuple = bucket[j] this.put(tuple[0], tuple[1]) } } } // 判断某个数字是否是质数 HashTable.prototype.isPrime = function(num) { // 1.获取平方根 var temp = parseInt(Math.sqrt(num)) // 2.循环判断 for (var i = 2; i <= temp; i++) { if (num % i == 0) { return false } } return true } // 获取质数方法 HashTable.prototype.getPrime = function(num) { // 14-->17 // 34-->37 while (!this.isPrime(num)) { num++ } return num } }
(注意在删除和插入操作时都做了质数变换)
树
- 树的优点
- 综合了其他数据结构的优点(当然优点不足于盖过其他数据结构的优点,比如效率一般情况下没有哈希表高),并且弥补了上面数据结构的缺点
- 树结构的非线性使得它可以表示一对多的关系
- 比如文件的目录结构
- 树的术语
- 树:n(n>=0)个节点构成的有限集合,当n=0时,称为空树
- 对于一个非空树,它有以下性质
- 树中有一个称为"根(Root)"的特殊节点,用r表示
- 其余节点可分为m(m>0)个互不相交的有限集T1,T2,...Tm,其中每个集合本身又是一颗树,称为原来树的“子树(SubTree)
- 节点的度(Degree):节点的子树个数
- 树的度:树的所有节点中最大的度数
- 叶节点(Leaf):度为0的节点
- 父节点:有子树的节点是其子树的根节点的父节点
- 子节点:若A节点是B节点的父节点,则称B节点是A节点的子节点;子节点也称孩子节点
- 兄弟节点(Sibling):具有同一父节点的各节点彼此是兄弟节点
- 路径和路径长度:从节点n1到nk的路径为一个节点序列n1,n2,...nk,ni是ni+1的父节点。路径所包含边的个数为路径的长度
- 节点的层次(Leavel):规定根节点在1层,其他任一节点的层数是其父节点的层数加1
- 树的深度(Depth):树中所有节点中的最大层次是这棵树的深度
- 树的表示
- 儿子,兄弟表示法
Node { This.data = data This.leftChild = B This.sibling = C }
任何一棵树,都可以用二叉树模拟出来
- 二叉树的概念
- 如果树中的每个节点最多只能有两个子节点,这样的树称为'二叉树'
- 二叉树可以为空,也就是没有节点
- 若不为空,则它是由根节点和称为其左子树TL和右子树TR的两个不相交的二叉树组成
- 二叉树的5种形态:空,只有自身,自身加左子节点,自身加右子节点,自身加左右子节点
- 二叉树的特性
- 一个二叉树第i层的最大节点数为2^(i-1),i>=1
- 深度为k的二叉树有最大节点总数为:2^k-1,k>=1
- 对任何非空二叉树T,若n0表示节点的个数,n2是度2为2的非叶节点个数,那么两者满足关系n0=n2+1
- 特殊二叉树
- 完美二叉树:除了最下层的叶子节点外,每个节点都有二个子节点
- 完全二叉树:
- 除二叉树最后一层外,其他各层的节点数都达到了最大个数
- 且最后一层从左向右的叶节点连续存在,只缺右侧若干节点
- 完美二叉树是特殊的完全二叉树
- 二叉树的存储
常见方式是数组和链表
- 使用数组
- 完全二叉树:从上往下,从左到右
- 非完全二叉树:转成完全二叉树才能按上面的方案存储,但是会造成很大的空间浪费
- 使用链表(二叉树最常见的方式)
- 每个节点封装成一个node,node中包含存储的数据,左节点的引用,右节点的引用
- 二叉搜索树(也称为二叉排序树或者二叉查找树,BST)
- 二叉搜索树是一棵二叉树,可以为空
- 如果不为空
- 非空左子树的所有键值小于其根节点的键值
- 非空右子树的所有键值大于其根节点的键值
- 左,右子树本身也都是二叉搜索树
- 二叉搜索树的封装
// 封装二叉搜索树 function BinarySearchTree() { function Node(key) { this.key = key this.left = null this.right = null } // 属性 this.root = null // 方法 // 1.插入数据 BinarySearchTree.prototype.insert = function(key) { // 1.根据key创建节点 var newNode = new Node(key) // 2.判断根节点是否有值 // 有 if (this.root == null) { this.root = newNode } else { this.insertNode(this.root, newNode) } // 无 } // 内部的方法 BinarySearchTree.prototype.insertNode = function(node, newNode) { if (newNode.key < node.key) { // 向左查找 if (node.left == null) { node.left = newNode } else { this.insertNode(node.left, newNode) } } else { // 向右查找 if (node.right == null) { node.right = newNode } else { this.insertNode(node.right, newNode) } } } // 2.树的遍历 // 1.先序遍历 BinarySearchTree.prototype.preOrderTraversal = function(handler) { this.preOrderTraversalNode(this.root, handler) } // 内部的方法 BinarySearchTree.prototype.preOrderTraversalNode = function(node, handler) { if (node != null) { // 1.处理经过的节点 handler(node.key) // 2.查找经过节点的左子节点 this.preOrderTraversalNode(node.left, handler) // 3.查找经过节点的右子节点 this.preOrderTraversalNode(node.right, handler) } } // 2.中序遍历 BinarySearchTree.prototype.midOrderTraversal = function(handler) { this.midOrderTraversalNode(this.root, handler) } BinarySearchTree.prototype.midOrderTraversalNode = function(node, handler) { if (node != null) { // 1.查找左子树中的节点 this.midOrderTraversalNode(node.left, handler) // 2.处理节点 handler(node.key) // 3.查找右子树中的节点 this.midOrderTraversalNode(node.right, handler) } } // 3.后序遍历 BinarySearchTree.prototype.postOrderTraversal = function(handler) { this.postOrderTraversalNode(this.root, handler) } BinarySearchTree.prototype.postOrderTraversalNode = function(node, handler) { if (node != null) { // 1.查找左子树的节点 this.postOrderTraversalNode(node.left, handler) // 2.查找右子树的节点 this.postOrderTraversalNode(node.right, handler) // 3.处理节点 handler(node.key) } } // 3.查找最值 BinarySearchTree.prototype.max = function() { // 1.获取根节点 var node = this.root // 2.依次不断的向右查找,直到节点为null while (node.right != null) { node = node.right } return node.key } BinarySearchTree.prototype.min = function() { var node = this.root while (node.left != null) { node = node.left } return node.key } // 搜索特定的key BinarySearchTree.prototype.search = function(key) { // 1.获取根节点 var node = this.root // 2.循环搜索key while (node != null) { if (key < node.key) { node = node.left } else if (key > node.key) { node = node.right } else { return true } } return false } // 删除节点 BinarySearchTree.prototype.remove = function(key) { // 1.寻找要删除的节点 // 1.1定义变量,保存一些信息 var current = this.root var parent = null var isLeftChild = true // 1.2开始寻找删除的节点 while (current.key != key) { parent = current if (key < current.key) { isLeftChild = true current = current.left } else { isLeftChild = false current = current.right } // 某种情况:已经找到叶子节点,依然没有==key if (current == null) return false } // 2.根据对应的情况删除节点 // 找到current.key==key // 2.1删除的节点是叶子节点(没有子节点) if (current.left == null && current.right == null) { // 是根节点 if (current == this.root) { this.root == null } else if (isLeftChild) { // 叶子节点 parent.left = null } else { parent.right = null } } // 2.2删除的节点有一个子节点 else if (current.right == null) { if (current == this.root) { this.root = current.left } else if (isLeftChild) { parent.left = current.left } else { parent.right = current.left } } else if (current.left == null) { if (current == this.root) { this.root = current.right } else if (isLeftChild) { parent.left = current.right } else { parent.right = current.right } } // 2.3删除的节点有两个节点(后继) else { // 1.获取后继节点 var successor = this.getSuccessor(current) // 2.判断是否是根节点 if (current == this.root) { this.root = successor } else if (isLeftChild) { parent.left = successor } else { parent.right = successor } // 3.将删除的左子树=current.left successor.left = current.left } } // 找后继的方法 BinarySearchTree.prototype.getSuccessor = function(delNode) { // 1.定义变量,保存找到的后继 var successor = delNode var current = delNode.right var successorParent = delNode // 2.循环查找 while (current != null) { successorParent = successor successor = current current = current.left } // 3.判断寻找的后继节点是否直接就是delNode的right节点 if (successor != delNode.right) { successorParent.left = successor.right successor.right = delNode.right } return successor } } // 测试方法 var bst = new BinarySearchTree() // 1.插入数据 bst.insert(11) bst.insert(22) bst.insert(13) bst.insert(12) bst.insert(9) bst.insert(9) bst.insert(16) // 2. 测试遍历 // 先序遍历 var resultString = '' bst.preOrderTraversal(function(key) { resultString += key + ' ' }) console.log(resultString); // 中序遍历 resultString = '' bst.midOrderTraversal(function(key) { resultString += key + ' ' }) console.log(resultString); // 后序遍历 resultString = '' bst.postOrderTraversal(function(key) { resultString += key + ' ' }) console.log(resultString); // 测试最值 console.log(bst.max()); console.log(bst.min()); // 测试搜索 console.log(bst.search(26), bst.search(11));
- 删除操作思路
- 先找到要删除的节点,如果没找到,不需要删除
- 找到要删除的节点
- 删除叶子节点
- 删除只有一个子节点的节点
- 删除有两个子节点的节点
- 删除的节点有两个节点的情况
- 如果要删除的节点有两个子节点,甚至子节点还有子节点,这种情况下我们需要从下面的子节点中找到一个节点,来替换当前的节点。
- 但是找到的这个节点有什么特征呢?应该是current节点下面所有节点中最接近current节点的
- 要么比current节点小一点点,要么比current节点大一点点
- 最接近current,你就可以用来替换current的位置
- 这个节点怎么找呢
- 比current小一点点的节点,一定是current左子树的最大值
- 比current大一点点的节点,一定是current右子树的最小值
- 前驱&后继
- 二叉搜索树中,这两个特别的节点,有两个特别的名字
- 比current小一点的节点,称为current节点的前驱
- 比current大一点的节点,称为current节点的后驱
- 要么找他的前驱,要么找他的后驱
- 所以,要先找到这样的节点
红黑树
- 保持二叉搜索树的平衡性
为了能以较快的时间O(logN)来操作一棵树,我们需要保证树总是平衡的
- 至少大部分是平衡的,那么时间复杂度也是接近O(logN)的
- 也就是说树中每个节点左边的子孙节点的个数,应该尽可能的等于右边子孙节点的个数
- 常见的平衡树:
- AVL树
- 红黑树
- 红黑树的规则
红黑树除了符合二叉搜索树的基本规则外,还添加了以下性质:
- 节点是红色或者黑色
- 根节点是黑色
- 每个叶子节点都是黑色的空节点(NIL节点)
- 每个红色节点的两个子节点都是黑色。(从每个叶子到根的所有路径上不能有两个连续的红色节点)
- 从任一节点到其每个叶子的所有路径都包含相同数目的黑色节点
- 红黑树的相对平衡
- 从根到叶子的最长可能路径,不会超过最短可能路径的两倍长
- 结果就是这个树基本是平衡的
- 虽然没有做到绝对的平衡,但是可以保证在最坏的情况下,依然是高效的
- 为什么可以做到最长的路径不超过最短路径的两倍长
- 性质4决定了路径不能有两个相连的红色节点
- 最短的可能路径都是黑色节点
- 最长的可能路径都是黑色节点
- 性质5所有路径都有相同数目的黑色节点
- 这就表明了没有路径能多余其他路径的两倍长
- 变色
- 插入一个新节点时,有可能树不再平衡,可以通过三种方式的变换,让树保持平衡
- 换色-左旋转-右旋转
- 变色
- 为了重新符合红黑树的规则,尝试把红色节点变为黑色、或者把黑色节点变为红色
- 首先,需要直到插入的新的节点通常是红色节点
- 因为在插入节点为红色的时候,有可能插入依次是不违反红黑树任何规则
- 而插入黑色节点,必然会导致有一条路径上多了黑色节点,这是很难调整的
- 红色节点可能导致出现红红相连的情况,但是这种情况可以通过颜色变换和旋转来调整
- 旋转
- 左旋转
- 逆时针旋转红黑树的两个节点,使得父节点被自己的右孩子取代,而自己成为自己的左孩子
- 它们有子树是否会影响旋转? 答:不会
- 右旋转
- 顺时针旋转红黑树的两个节点,使得父节点被自己的左孩子取代,而自己成为自己的右孩子
- 它们有子树是否会影响旋转?答:不会
-
插入操作
设要插入节点为N,其父节点为P
其祖父节点为G,其父亲的兄弟节点为U(即P和U是同一个节点的子节点)
-
情况一
- 新节点N位于树的根上,没有父节点
- 这种情况下,我们直接将红色变为黑色即可,这样满足性质2
-
情况二
- 新节点的父节点P是黑色
- 性质四没有失效(新节点是红色的),性质5也没有人和问题
- 尽管新节点N有两个黑色的叶子节点NIL,但是新节点N是红色的,所以通过它的路径中黑色节点的个数依然相同,满足性质5
-
情况三
- P为红色,U也是红色
- 父红,叔红,祖黑
- 变为 父黑,叔黑,祖红
- 可能出现的问题
- 但是,G的父节点也可能是红色,这就违反了性质3,可以递归地调整颜色
- 但是如果递归调整颜色到了根节点,就需要进行旋转了(见后例)
-
情况四
- N的叔叔U是黑色,且N是左儿子
- 父红,叔黑,祖黑,N是左儿子
- 变成父黑祖红,进行右旋转,(先变色再旋转)
-
情况五
- N的叔叔U是黑色节点,且N是右孩子
- 父红,叔黑,祖黑,且N是右儿子
- 先以P为根进行左旋转,将P作为新插入的红色节点考虑即可,此时同情况四,将自己变成黑色,祖父变成红色,以祖为根进行左旋转
- 插入案例
- 依次插入10 9 8 7 6 5 4 3 2 1
图论
- 什么是图
- 图结构是一种与树结构有些相似的树结构
- 图论是数学的一个分支,并且,在数学的概念上,树是图的一种
- 它以图为研究对象,研究顶点和边组成的图形的数学理论和方法
- 主要研究的目的是事物之间的关系,顶点代表事物,边代表两个事物间的关系
- 六度空间理论
- 理论上认为世界上任何两个互相不认识的两人
- 只需要很少的中间人就可以建立联系
- 并非一定要经过6步,只是需要很少的步骤
- 图的现实案例
- 人的关系网
- 北京地铁线路
- 村庄间的关系网
- 互联网各个终端
- ......
- 图的通常特点
- 一组顶点:通常用E(Vertex)表示顶点的集合
- 一组边:通常用E(Edge)表示边的集合
- 边可以是无向的,也可以是有向的
- 比如A --- B,通常表示无向,A --> B,通常表示有向
- 图一笔画的充要条件
- 奇点的数目不是0个就是2个
- 连到一点的边的数目如是奇数条,就称为奇点
- 如果是偶数条就成为偶点
- 要想一笔画成,必须中间点均是偶点
- 也就是有来路必有另一条去路,奇点只能在两端,因此任何图能一笔画成,奇点要么没有要么在两端
- 图的术语
- 顶点
- 表示图的一个节点
- 如某个村庄/某个车站/人际关系中的人
- 边
- 表示顶点与顶点之间的连线
- 注意不要称为路径,路径有别的含义
- 相邻顶点
- 由一条边相连的两个节点
- 度
- 一个顶点的度是相邻顶点的数量
- 路径
- 路径是顶点到另一个顶点
- 简单路径:简单路径要求不包含重复的顶点,比如 0 1 5 9 是一条简单路径
- 回路:第一个顶点和最后一个顶点相同的路径称为回路
- 无向图,有向图
- 无向图:任何边都没有方向
- 有向图:边有方向
- 无权图,带权图
- 无权图:不表达边的长短,意义
- 带权图:表示边有一定的权重,比如距离或者花费的时间或者票价(任意你希望表示的数据)
- 图的表示
-
邻接矩阵
-
每个节点和一个整数相关联,该整数作为数组的下标值
-
我们用一个二维数组来表示顶点之间的连接
-
二维数组0 2 --> A --> C
-
在二维数组中,0表示没有连线,1表示有连线
-
通过二维数组,可以很快找到一个顶点和哪些顶点有联系
A B C D E
A 0 1 0 1 1
B ......
C ......
D ......
E ......
-
-
邻接表
- 由图中每个顶点以及顶点相邻的顶点列表组成
- 这个列表有很多种方式来存储:**数组/链表/字典(哈希表)**都可以
- 使用邻接表封装图
使用到了队列和字典
<script src="./dictionary.js"></script> <script src="./queue.js"></script> <script> // 封装图结构 function Graph() { // 属性:顶点(数组)/边(字典) this.vertexes = [] this.edges = new Dictionary() //边 // 方法 // 添加方法 // 1.添加顶点的方法 Graph.prototype.addVertex = function(v) { this.vertexes.push(v) // 先给顶点设置一个空的数组 this.edges.set(v, []) } // 2.添加边的方法 Graph.prototype.addEdge = function(v1, v2) { this.edges.get(v1).push(v2) this.edges.get(v2).push(v1) } // 2.toString方法 Graph.prototype.toString = function() { // 1.定义字符串保存当前结果 var resultString = "" // 2.遍历所有的顶点,以及顶点对应的边 for (var i = 0; i < this.vertexes.length; i++) { resultString += this.vertexes[i] + '-->' var vEdges = this.edges.get(this.vertexes[i]) for (var j = 0; j < vEdges.length; j++) { resultString += vEdges[j] + ' ' } resultString += '\n' } return resultString } // 3.图的遍历 // 初始化状态颜色 Graph.prototype.initializeColor = function() { var colors = [] for (var i = 0; i < this.vertexes.length; i++) { colors[this.vertexes[i]] = 'white' } return colors } // 实现广度优先搜索BFS Graph.prototype.bfs = function(initV, handler) { // 1.初始化颜色 var colors = this.initializeColor() // 2.创建队列 var queue = new Queue() // 3.将顶点加入到队列中 queue.enqueue(initV) // 4.循环从队列中取出元素 while (!queue.isEmpty()) { // 4.1 从队列中取出一个顶点 var v = queue.dequeue() // 4.2获取和顶点相连的另外顶点 var vList = this.edges.get(v) // 4.3将v的颜色设置成灰色 colors[v] = 'gray' // 4.4遍历所有的顶点,加入到队列中 for (var i = 0; i < vList.length; i++) { var e = vList[i] if (colors[e] == 'white') { colors[e] = 'gray' // 就不会重复加了 queue.enqueue(e) } } // 4.5访问顶点 handler(v) // 4.6将顶点设置为黑色 colors[v] = 'black' } } // 深度优先搜索DFS Graph.prototype.dfs = function(initV, handler) { // 1.初始化颜色 var colors = this.initializeColor() // 2.从某个顶点开始依次递归访问 this.dfsVisit(initV, colors, handler) } Graph.prototype.dfsVisit = function(v, colors, handler) { // 1.将颜色设置为灰色 colors[v] = 'grey' // 2.处理v顶点 handler(v) // 3.访问v相邻的顶点 var vList = this.edges.get(v) for (var i = 0; i < vList.length; i++) { var e = vList[i] if (colors[e] == 'white') { this.dfsVisit(e, colors, handler) } } // 4.将v设置成黑色 colors[v] = 'black' } } // 测试代码 // 1.创建图结构 var g = new Graph() // 2.添加顶点 var myVertexes = ['A', 'B', 'C', 'D', 'E', 'F', 'G', 'H', 'I'] for (var i = 0; i < myVertexes.length; i++) { g.addVertex(myVertexes[i]) } // 3.添加边 g.addEdge('A', 'B') g.addEdge('A', 'C') g.addEdge('A', 'D') g.addEdge('C', 'D') g.addEdge('C', 'G') g.addEdge('D', 'G') g.addEdge('D', 'H') g.addEdge('B', 'E') g.addEdge('B', 'F') g.addEdge('E', 'I') console.log(g); // 4.测试toString console.log(g.toString()) // 5.测试BFS遍历 var result = '' g.bfs(g.vertexes[0], function(v) { result += v + ' ' }) console.log(result); var result = '' g.dfs(g.vertexes[0], function(v) { result += v + ' ' }) console.log(result); </script>
- 图的遍历
- 图的遍历思想
- 图的遍历思想和树的遍历思想是一样的
- 图的遍历意味着需要将图中每个顶点访问一边,并且不能有重复
- 遍历的两种算法
- 广度优先搜索(Breadth-First Search,简称BFS)
- 深度优先搜索(Dep-First Search,简称DFS)
- 两种遍历算法,都需要明确指定第一个被访问的顶点
- BFS:基于队列,入队列的顶点先被探索(图片来源博客:https://www.cnblogs.com/skywang12345/p/3711483.html)
- DFS:基于栈或者使用递归,通过将顶点存入栈中,顶点是沿着路径被探索的,存在新的相邻顶点就去访问(图片来源博客:https://www.cnblogs.com/skywang12345/p/3711483.html)
- 为了记录顶点是否被访问过,我们使用三种颜色来反应它们的状态
- 白色:该顶点未被访问
- 灰色:表示该顶点被访问过,但未被探索
- 黑色:表示该顶点被访问且被完全探索过
排序算法
- 大O表示法
- 在算法描述中,我们可以通过类似按人数划分企业规模的方式来描述计算机算法的效率
- 这种粗略的度量称为‘大O表示法‘
- 常见形式(括号中可以理解为操作的次数)
- O(1)常数的
- O(log(n))对数的
- O(n)线性的
- O(nlog(n))线性和对数乘积
- O(n^2)平方
- O(2^n)指数的
- 推导大O表示法的方式
- 用常量1取代运行时间中的所有加法常量
- 在修改后的运行次数函数中,只保留最高阶项(比如2N^2+3N+1只保留2N^2)
- 如果最高存在不为1,则取出与这个项相乘的常数(比如2N^2去除系数2)
- 插入排序
<script> // 创建列表类 function ArrayList() { // 属性 this.array = [] // 方法 // 将数据可以插入到数组中的方法 ArrayList.prototype.insert = function(item) { this.array.push(item) } // toString ArrayList.prototype.toString = function() { return this.array.join('-') } // 插入排序 ArrayList.prototype.insertionSort = function() { // 1.获取数组的长度 var length = this.array.length // 2.外层循环:从第一个位置开始获取数据,向前面局部有序进行插入 for (var i = 1; i < length; i++) { // 3.内层循环:获取i位置元素,和前面的数据依次进行比较 var temp = this.array[i] var j = i while (this.array[j - 1] > temp && j > 0) { this.array[j] = this.array[j - 1] j-- } // 4.将j位置的数据,放置temp就可以了 this.array[j] = temp } } } </script>