「算法與數據結構」你可能須要的一份前端算法總結

前言

最近好多事情，最近前端分享會也如期而至，有幸此次分享會，正好週末有時間，作個總結吧。前端

此次想分享的就是算法與數據結構，刷了一段時間題目，逛了逛LeetCode，看了不少關於這個方面的文章，有所感悟，準備作個記錄吧。node

當你想花時間去了解學習一件對你來講，很苦難的事情的時候，咱們須要明確目標，學習它的意義，它有什麼用，對你有哪方面幫助。面試

升職加薪必備，對之後成長有所幫助，嗯，加薪，加薪，加薪。算法

那麼問題來了，爲何要進大廠呢⬇️編程

年輕時候去大廠的目標，是爲了不，【你得頓悟，是別人的基本功】數組

嗯，閒聊就止步於此，接下來開始吧～安全

站在巨人肩膀上，學起來就很輕鬆了，這裏我是參考網上的算法刷題路線，能夠參考一下～markdown

公衆號前端UpUp，回覆算法，便可獲取腦圖，以及文末的題目彙總pdf。cookie

接下來，咱們就根據這個腦圖來梳理一遍吧~數據結構

數據結構

數據結構能夠說是算法的基石，若是沒有紮實的數據結構基礎，想要把算法學好甚至融會貫通是很是困難的，而優秀的算法又每每取決於你採用哪一種數據結構。學好這個專題也是頗有必要的，那麼咱們能夠稍微的作個分類。

經常使用數據結構
- 數組，字符串
- 鏈表
- 棧
- 隊列
- 樹
高級數據結構
- 圖
- 前綴樹
- 線段樹
- 樹狀數組
- 主席樹

那麼顯然，最多見的數據結構必定是須要掌握的，對於高級的數據結構而言，若是你有時間，對它有所熱愛的話，能夠深刻了解，好比這個主席樹在解決一些問題的時候，算法複雜度是log級別的，某些場景下頗有幫助。

這裏想說起的就是樹。它的結構很顯然是很直觀的，樹固然有不少的性質，這裏也列舉不完，好比面試中常考的樹：

普通二叉樹、平衡二叉樹、徹底二叉樹、二叉搜索樹、四叉樹（Quadtree）、多叉樹（N-ary Tree）。

對於它而言的話，咱們須要到哪些程度呢？

對於常見樹的遍歷，從樹的前序遍歷，到中序遍歷，後續遍歷，以致於層次遍歷，掌握好這四種遍歷的遞歸寫法和非遞歸寫法是很是重要的，接下來須要懂得分析各類寫法的時間複雜度和空間複雜度。

面試準備階段，把樹這個結構花時間去準備的話，對於你理解遞歸仍是頗有幫助的，同時也能幫助你學習一些圖論的知識，更加準確的說，樹是面試考察的熱門考點，尤爲是二叉樹！

掌握好這些數據結構是基礎，絕大部分的算法面試題都得靠它們來幫忙，所以，必定要花功夫勤練題目來深刻理解它們。

排序算法

這應該是面試最常考，最核心的算法。若是你能把排序算法理解的很透徹的話，接下來的其餘算法也是同樣的旁敲側擊。

當時我梳理得是常見的6個排序算法：

在此以前，我也寫過一篇排序算法的文章，我的以爲言簡意賅，能夠看看「算法與數據結構」梳理6大排序算法

有時候，面試官喜歡會問冒泡排序和插入排序，基本上這些都是考察你的基礎知識，而且看看你能不能快速地寫出沒有bug的代碼。

又好比，當面試官問你歸併排序、快速排序和拓撲排序等的時候，這個時候考察的是你平時對算法得積累，因此有必要作個總結。

咱們拿歸併排序來舉例子，咱們應該如何表達清楚呢？首先，咱們應該把這個它的思路說清楚：

歸併排序的核心思想就是分治，它將一個複雜的問題分紅兩個或者多個相同或類似的子問題，而後把子問題分紅更小的子問題，直到子問題能夠簡單的直接求解，最原問題的解就是子問題解的合併。歸併排序將分治的思想體現得淋漓盡致。

當你向面試官理清楚這個思路時，面試官內心就有底了，他會想，嘿，這個小夥子不錯！那你接下來都有底氣了！

有了思想，那麼實現起來就不難了:

一開始先把數組從中間劃分紅兩個子數組，一直遞歸地把子數組劃分紅更小的子數組，直到子數組裏面只有一個元素，纔開始排序。

排序的方法就是按照大小順序合併兩個元素，接着依次按照遞歸的返回順序，不斷地合併排好序的子數組，直到最後把整個數組的順序排好。

貼一份以前的代碼：

const merge = (left, right) => { // 合併數組

    let result = []
    // 使用shift()方法偷個懶,刪除第一個元素,而且返回該值
    while (left.length && right.length) {
        if (left[0] <= right[0]) {
            result.push(left.shift())
        } else {
            result.push(right.shift())
        }
    }
    while (left.length) {
        result.push(left.shift())
    }

    while (right.length) {
        result.push(right.shift())
    }
    return result
}

let mergeSort = function (arr) {
    if (arr.length <= 1)
        return arr
    let mid = Math.floor(arr.length / 2)
    // 拆分數組
    let left = arr.slice(0, mid),
        right = arr.slice(mid);
    let mergeLeftArray = mergeSort(left),
        mergeRightArray = mergeSort(right)
    return merge(mergeLeftArray, mergeRightArray)
}

// let arr = [2, 9, 6, 7, 4, 3, 1, 7, 0, -1, -2]
// console.log(mergeSort(arr))
複製代碼

對於這部分的算法而言，能夠圍繞從解題思路-->>實現過程-->>代碼實現。基本上以這三步來實現的話，掌握常見的排序算法完成是沒有問題的。

那麼這部分就暫時梳理到這裏吧。

動態規劃

動態規劃難，能夠說是不少面試者也是我最怕的部分，尤爲是面試的時候，怕面試官考這個算法了。遇到沒有作過的題目，這個時候，可否寫出狀態轉移方程是十分重要的。接下來咱們聊一聊這個專題吧。

首先，強烈推薦我以前分析這個專題如何準備的：「算法與數據結構」一張腦圖帶你看動態規劃算法之美

若是從點贊角度來看，能夠說，是我寫算法以來，獲得你們確定最多的一次了，能夠看看，不過這裏也會涵蓋部分。

如何學動態規劃，從哪裏入手，應該這麼去作，這麼去刷題，確定是不少初學者一開始就會遇到的問題。

概念
動態規劃解決了什麼問題
動態規劃解題的步驟
如何高效率刷dp專題

首先，你得了解動態規劃是什麼，它的思想是什麼，定義又是啥。這裏引入維基百科對它的定義：

Wikipedia 定義：它既是一種數學優化的方法，同時也是編程的方法。

固然了，看完這段話，咱們確定對它不瞭解的，咱們能夠翻譯一下，首先它能夠算是一種優化的手段，優化一些重複子問題的操做，將不少重疊子問題經過編程的方式來解決，好比記憶劃搜索。又好比，若是一個原問題，能夠拆分紅不少子問題，它們之間沒有任何後續性，當前的決策對後續沒有影響的話，每一個子問題的最優解，就能夠組合成原問題的最優解了。

固然了，對於動態規劃每一個人理解是不一樣的，對於應用到具體的場景中，須要咱們都去用多維度的狀態去表述它的含義，這裏也就是狀態轉移方程的含義所在。

嗯，那麼動態規劃解決了什麼問題呢，很顯然，對於重複性問題來講，它能夠很好的解決，那麼從某個維度上來看，它能夠優化一個算法的時間複雜度，也就是一般意義上的，拿空間來換取時間的操做。

動態規劃解題步驟：這個應該就是實際落地的操做，須要咱們去經過大量的題目來完成，具體咱們須要怎麼作呢？

解題思路，三大步驟👇