「算法与数据结构」你可能须要的一份前端算法总结

前言

最近好多事情，最近前端分享会也如期而至，有幸此次分享会，正好周末有时间，作个总结吧。前端

此次想分享的就是算法与数据结构，刷了一段时间题目，逛了逛LeetCode，看了不少关于这个方面的文章，有所感悟，准备作个记录吧。node

当你想花时间去了解学习一件对你来讲，很苦难的事情的时候，咱们须要明确目标，学习它的意义，它有什么用，对你有哪方面帮助。面试

升职加薪必备，对之后成长有所帮助，嗯，加薪，加薪，加薪。算法

那么问题来了，为何要进大厂呢⬇️编程

年轻时候去大厂的目标，是为了不，【你得顿悟，是别人的基本功】数组

嗯，闲聊就止步于此，接下来开始吧～安全

站在巨人肩膀上，学起来就很轻松了，这里我是参考网上的算法刷题路线，能够参考一下～markdown

公众号前端UpUp，回复算法，便可获取脑图，以及文末的题目汇总pdf。cookie

接下来，咱们就根据这个脑图来梳理一遍吧~数据结构

数据结构

数据结构能够说是算法的基石，若是没有扎实的数据结构基础，想要把算法学好甚至融会贯通是很是困难的，而优秀的算法又每每取决于你采用哪一种数据结构。学好这个专题也是颇有必要的，那么咱们能够稍微的作个分类。

经常使用数据结构
- 数组，字符串
- 链表
- 栈
- 队列
- 树
高级数据结构
- 图
- 前缀树
- 线段树
- 树状数组
- 主席树

那么显然，最多见的数据结构必定是须要掌握的，对于高级的数据结构而言，若是你有时间，对它有所热爱的话，能够深刻了解，好比这个主席树在解决一些问题的时候，算法复杂度是log级别的，某些场景下颇有帮助。

这里想说起的就是树。它的结构很显然是很直观的，树固然有不少的性质，这里也列举不完，好比面试中常考的树：

普通二叉树、平衡二叉树、彻底二叉树、二叉搜索树、四叉树（Quadtree）、多叉树（N-ary Tree）。

对于它而言的话，咱们须要到哪些程度呢？

对于常见树的遍历，从树的前序遍历，到中序遍历，后续遍历，以致于层次遍历，掌握好这四种遍历的递归写法和非递归写法是很是重要的，接下来须要懂得分析各类写法的时间复杂度和空间复杂度。

面试准备阶段，把树这个结构花时间去准备的话，对于你理解递归仍是颇有帮助的，同时也能帮助你学习一些图论的知识，更加准确的说，树是面试考察的热门考点，尤为是二叉树！

掌握好这些数据结构是基础，绝大部分的算法面试题都得靠它们来帮忙，所以，必定要花功夫勤练题目来深刻理解它们。

排序算法

这应该是面试最常考，最核心的算法。若是你能把排序算法理解的很透彻的话，接下来的其余算法也是同样的旁敲侧击。

当时我梳理得是常见的6个排序算法：

在此以前，我也写过一篇排序算法的文章，我的以为言简意赅，能够看看「算法与数据结构」梳理6大排序算法

有时候，面试官喜欢会问冒泡排序和插入排序，基本上这些都是考察你的基础知识，而且看看你能不能快速地写出没有bug的代码。

又好比，当面试官问你归并排序、快速排序和拓扑排序等的时候，这个时候考察的是你平时对算法得积累，因此有必要作个总结。

咱们拿归并排序来举例子，咱们应该如何表达清楚呢？首先，咱们应该把这个它的思路说清楚：

归并排序的核心思想就是分治，它将一个复杂的问题分红两个或者多个相同或类似的子问题，而后把子问题分红更小的子问题，直到子问题能够简单的直接求解，最原问题的解就是子问题解的合并。归并排序将分治的思想体现得淋漓尽致。

当你向面试官理清楚这个思路时，面试官内心就有底了，他会想，嘿，这个小伙子不错！那你接下来都有底气了！

有了思想，那么实现起来就不难了:

一开始先把数组从中间划分红两个子数组，一直递归地把子数组划分红更小的子数组，直到子数组里面只有一个元素，才开始排序。

排序的方法就是按照大小顺序合并两个元素，接着依次按照递归的返回顺序，不断地合并排好序的子数组，直到最后把整个数组的顺序排好。

贴一份以前的代码：

const merge = (left, right) => { // 合并数组

    let result = []
    // 使用shift()方法偷个懒,删除第一个元素,而且返回该值
    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)
    // 拆分数组
    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))
复制代码

对于这部分的算法而言，能够围绕从解题思路-->>实现过程-->>代码实现。基本上以这三步来实现的话，掌握常见的排序算法完成是没有问题的。

那么这部分就暂时梳理到这里吧。

动态规划

动态规划难，能够说是不少面试者也是我最怕的部分，尤为是面试的时候，怕面试官考这个算法了。遇到没有作过的题目，这个时候，可否写出状态转移方程是十分重要的。接下来咱们聊一聊这个专题吧。

首先，强烈推荐我以前分析这个专题如何准备的：「算法与数据结构」一张脑图带你看动态规划算法之美

若是从点赞角度来看，能够说，是我写算法以来，获得你们确定最多的一次了，能够看看，不过这里也会涵盖部分。

如何学动态规划，从哪里入手，应该这么去作，这么去刷题，确定是不少初学者一开始就会遇到的问题。

概念
动态规划解决了什么问题
动态规划解题的步骤
如何高效率刷dp专题

首先，你得了解动态规划是什么，它的思想是什么，定义又是啥。这里引入维基百科对它的定义：

Wikipedia 定义：它既是一种数学优化的方法，同时也是编程的方法。

固然了，看完这段话，咱们确定对它不了解的，咱们能够翻译一下，首先它能够算是一种优化的手段，优化一些重复子问题的操做，将不少重叠子问题经过编程的方式来解决，好比记忆划搜索。又好比，若是一个原问题，能够拆分红不少子问题，它们之间没有任何后续性，当前的决策对后续没有影响的话，每一个子问题的最优解，就能够组合成原问题的最优解了。

固然了，对于动态规划每一个人理解是不一样的，对于应用到具体的场景中，须要咱们都去用多维度的状态去表述它的含义，这里也就是状态转移方程的含义所在。

嗯，那么动态规划解决了什么问题呢，很显然，对于重复性问题来讲，它能够很好的解决，那么从某个维度上来看，它能够优化一个算法的时间复杂度，也就是一般意义上的，拿空间来换取时间的操做。

动态规划解题步骤：这个应该就是实际落地的操做，须要咱们去经过大量的题目来完成，具体咱们须要怎么作呢？

解题思路，三大步骤👇