# JavaScript 算法与数据结构 [![build status](https://travis-ci.org/trekhleb/javascript-algorithms.svg?branch=master)](https://travis-ci.org/trekhleb/javascript-algorithms) [![codecov](https://codecov.io/gh/trekhleb/javascript-algorithms/branch/master/graph/badge.svg)](https://codecov.io/gh/trekhleb/javascript-algorithms) 本仓库包含了多种基于 JavaScript 的算法与数据结构。 每种算法和数据结构都有自己的 README,包含相关说明和链接,以便进一步阅读 (还有 YouTube 视频) 。 _Read this in other languages:_ [_English_](https://github.com/trekhleb/javascript-algorithms/), [_繁體中文_](README.zh-TW.md), [_한국어_](README.ko-KR.md), [_Polski_](README.pl-PL.md), [_Français_](README.fr-FR.md), [_Español_](README.es-ES.md), [_Português_](README.pt-BR.md) *注意:这个项目仅用于学习和研究,**不是**用于生产环境。* ## 数据结构 数据结构是在计算机中组织和存储数据的一种特殊方式,使得数据可以高效地被访问和修改。更确切地说,数据结构是数据值的集合,表示数据之间的关系,也包括了作用在数据上的函数或操作。 `B` - 初学者, `A` - 进阶 * `B` [链表](src/data-structures/linked-list/README.zh-CN.md) * `B` [双向链表](src/data-structures/doubly-linked-list/README.zh-CN.md) * `B` [队列](src/data-structures/queue/README.zh-CN.md) * `B` [栈](src/data-structures/stack/README.zh-CN.md) * `B` [哈希表](src/data-structures/hash-table/README.zh-CN.md) * `B` [堆](src/data-structures/heap/README.zh-CN.md) - 最大堆 & 最小堆 * `B` [优先队列](src/data-structures/priority-queue/README.zh-CN.md) * `A` [字典树](src/data-structures/trie/README.zh-CN.md) * `A` [树](src/data-structures/tree/README.zh-CN.md) * `A` [二叉查找树](src/data-structures/tree/binary-search-tree) * `A` [AVL 树](src/data-structures/tree/avl-tree) * `A` [红黑树](src/data-structures/tree/red-black-tree) * `A` [线段树](src/data-structures/tree/segment-tree) - 使用 `最小/最大/总和` 范围查询示例 * `A` [树状数组](src/data-structures/tree/fenwick-tree) (二叉索引树) * `A` [图](src/data-structures/graph/README.zh-CN.md) (有向图与无向图) * `A` [并查集](src/data-structures/disjoint-set) * `A` [布隆过滤器](src/data-structures/bloom-filter) ## 算法 算法是如何解决一类问题的明确规范。算法是一组精确定义操作序列的规则。 `B` - 初学者, `A` - 进阶 ### 算法主题 * **数学** * `B` [Bit 操控](src/algorithms/math/bits) - set/get/update/clear 位、乘以/除以二进制位 、变负等 * `B` [阶乘](src/algorithms/math/factorial) * `B` [斐波那契数](src/algorithms/math/fibonacci) - `经典` 和 `闭式` 版本 * `B` [素数检测](src/algorithms/math/primality-test) (排除法) * `B` [欧几里得算法](src/algorithms/math/euclidean-algorithm) - 计算最大公约数 (GCD) * `B` [最小公倍数](src/algorithms/math/least-common-multiple) (LCM) * `B` [素数筛](src/algorithms/math/sieve-of-eratosthenes) - 查找任意给定范围内的所有素数 * `B` [判断 2 次方数](src/algorithms/math/is-power-of-two) - 检查数字是否为 2 的幂 (原生和按位算法) * `B` [杨辉三角形](src/algorithms/math/pascal-triangle) * `B` [复数](src/algorithms/math/complex-number) - 复数及其基本运算 * `B` [弧度和角](src/algorithms/math/radian) - 弧度与角的相互转换 * `B` [快速算次方](src/algorithms/math/fast-powering) * `A` [整数拆分](src/algorithms/math/integer-partition) * `A` [割圆术](src/algorithms/math/liu-hui) - 基于 N-gons 的近似 π 计算 * `A` [离散傅里叶变换](src/algorithms/math/fourier-transform) - 把时间信号解析成构成它的频率 * **集合** * `B` [笛卡尔积](src/algorithms/sets/cartesian-product) - 多集合结果 * `A` [洗牌算法](src/algorithms/sets/fisher-yates) - 随机置换有限序列 * `A` [幂集](src/algorithms/sets/power-set) - 该集合的所有子集 * `A` [排列](src/algorithms/sets/permutations) (有/无重复) * `A` [组合](src/algorithms/sets/combinations) (有/无重复) * `A` [最长公共子序列](src/algorithms/sets/longest-common-subsequence) (LCS) * `A` [最长递增子序列](src/algorithms/sets/longest-increasing-subsequence) * `A` [最短公共父序列](src/algorithms/sets/shortest-common-supersequence) (SCS) * `A` [背包问题](src/algorithms/sets/knapsack-problem) - `0/1` 和 `无边界` 问题 * `A` [最大子数列问题](src/algorithms/sets/maximum-subarray) - `BF 算法` 和 `动态规划` * `A` [组合求和](src/algorithms/sets/combination-sum) - 查找形成特定总和的所有组合 * **字符串** * `B` [汉明距离](src/algorithms/string/hamming-distance) - 符号不同的位置数 * `A` [莱温斯坦距离](src/algorithms/string/levenshtein-distance) - 两个序列之间的最小编辑距离 * `A` [Knuth–Morris–Pratt 算法](src/algorithms/string/knuth-morris-pratt) KMP 算法 - 子串搜索 (模式匹配) * `A` [字符串快速查找](src/algorithms/string/rabin-karp) - 子串搜索 (模式匹配) * `A` [Rabin Karp 算法](src/algorithms/string/rabin-karp) - 子串搜索 * `A` [最长公共子串](src/algorithms/string/longest-common-substring) * `A` [正则表达式匹配](src/algorithms/string/regular-expression-matching) * **搜索** * `B` [线性搜索](src/algorithms/search/linear-search) * `B` [跳转搜索/块搜索](src/algorithms/search/jump-search) - 搜索有序数组 * `B` [二分查找](src/algorithms/search/binary-search) - 搜索有序数组 * `B` [插值搜索](src/algorithms/search/interpolation-search) - 搜索均匀分布的有序数组 * **排序** * `B` [冒泡排序](src/algorithms/sorting/bubble-sort) * `B` [选择排序](src/algorithms/sorting/selection-sort) * `B` [插入排序](src/algorithms/sorting/insertion-sort) * `B` [堆排序](src/algorithms/sorting/heap-sort) * `B` [归并排序](src/algorithms/sorting/merge-sort) * `B` [快速排序](src/algorithms/sorting/quick-sort) - in-place (原地) 和 non-in-place 版本 * `B` [希尔排序](src/algorithms/sorting/shell-sort) * `B` [计数排序](src/algorithms/sorting/counting-sort) * `B` [基数排序](src/algorithms/sorting/radix-sort) * **链表** - `B` [正向遍历](src/algorithms/linked-list/traversal) - `B` [反向遍历](src/algorithms/linked-list/reverse-traversal) * **树** * `B` [深度优先搜索](src/algorithms/tree/depth-first-search) (DFS) * `B` [广度优先搜索](src/algorithms/tree/breadth-first-search) (BFS) * **图** * `B` [深度优先搜索](src/algorithms/graph/depth-first-search) (DFS) * `B` [广度优先搜索](src/algorithms/graph/breadth-first-search) (BFS) * `B` [克鲁斯克尔演算法](src/algorithms/graph/kruskal) - 寻找加权无向图的最小生成树 (MST) * `A` [戴克斯特拉算法](src/algorithms/graph/dijkstra) - 找到图中所有顶点的最短路径 * `A` [贝尔曼-福特算法](src/algorithms/graph/bellman-ford) - 找到图中所有顶点的最短路径 * `A` [弗洛伊德算法](src/algorithms/graph/floyd-warshall) - 找到所有顶点对 之间的最短路径 * `A` [判圈算法](src/algorithms/graph/detect-cycle) - 对于有向图和无向图 (基于 DFS 和不相交集的版本) * `A` [普林演算法](src/algorithms/graph/prim) - 寻找加权无向图的最小生成树 (MST) * `A` [拓扑排序](src/algorithms/graph/topological-sorting) - DFS 方法 * `A` [关节点](src/algorithms/graph/articulation-points) - Tarjan 算法 (基于 DFS) * `A` [桥](src/algorithms/graph/bridges) - 基于 DFS 的算法 * `A` [欧拉回径与一笔画问题](src/algorithms/graph/eulerian-path) - Fleury 的算法 - 一次访问每个边 * `A` [哈密顿图](src/algorithms/graph/hamiltonian-cycle) - 恰好访问每个顶点一次 * `A` [强连通分量](src/algorithms/graph/strongly-connected-components) - Kosaraju 算法 * `A` [旅行推销员问题](src/algorithms/graph/travelling-salesman) - 尽可能以最短的路线访问每个城市并返回原始城市 * **加密** * `B` [多项式 hash](src/algorithms/cryptography/polynomial-hash) - 基于多项式的 rolling hash 函数 * **未分类** * `B` [汉诺塔](src/algorithms/uncategorized/hanoi-tower) * `B` [旋转矩阵](src/algorithms/uncategorized/square-matrix-rotation) - 原地算法 * `B` [跳跃游戏](src/algorithms/uncategorized/jump-game) - 回溯,、动态编程 (自上而下+自下而上) 和贪婪的例子 * `B` [独特(唯一) 路径](src/algorithms/uncategorized/unique-paths) - 回溯、动态编程和基于 Pascal 三角形的例子 * `B` [雨水收集](src/algorithms/uncategorized/rain-terraces) - 诱捕雨水问题 (动态编程和暴力版本) * `B` [递归楼梯](src/algorithms/uncategorized/recursive-staircase) - 计算有共有多少种方法可以到达顶层 (4 种解题方案) * `A` [八皇后问题](src/algorithms/uncategorized/n-queens) * `A` [骑士巡逻](src/algorithms/uncategorized/knight-tour) ### 算法范式 算法范式是一种通用方法,基于一类算法的设计。这是比算法更高的抽象,就像算法是比计算机程序更高的抽象。 * **BF 算法** - `查找/搜索` 所有可能性并选择最佳解决方案 * `B` [线性搜索](src/algorithms/search/linear-search) * `B` [雨水收集](src/algorithms/uncategorized/rain-terraces) - 诱导雨水问题 * `B` [递归楼梯](src/algorithms/uncategorized/recursive-staircase) - 计算有共有多少种方法可以到达顶层 (4 种解题方案) * `A` [最大子数列](src/algorithms/sets/maximum-subarray) * `A` [旅行推销员问题](src/algorithms/graph/travelling-salesman) - 尽可能以最短的路线访问每个城市并返回原始城市 * `A` [离散傅里叶变换](src/algorithms/math/fourier-transform) - 把时间信号解析成构成它的频率 * **贪心法** - 在当前选择最佳选项,不考虑以后情况 * `B` [跳跃游戏](src/algorithms/uncategorized/jump-game) * `A` [背包问题](src/algorithms/sets/knapsack-problem) * `A` [戴克斯特拉算法](src/algorithms/graph/dijkstra) - 找到所有图顶点的最短路径 * `A` [普里姆算法](src/algorithms/graph/prim) - 寻找加权无向图的最小生成树 (MST) * `A` [克鲁斯卡尔算法](src/algorithms/graph/kruskal) - 寻找加权无向图的最小生成树 (MST) * **分治法** - 将问题分成较小的部分,然后解决这些部分 * `B` [二分查找](src/algorithms/search/binary-search) * `B` [汉诺塔](src/algorithms/uncategorized/hanoi-tower) * `B` [杨辉三角形](src/algorithms/math/pascal-triangle) * `B` [欧几里得算法](src/algorithms/math/euclidean-algorithm) - 计算最大公约数 (GCD) * `B` [归并排序](src/algorithms/sorting/merge-sort) * `B` [快速排序](src/algorithms/sorting/quick-sort) * `B` [树深度优先搜索](src/algorithms/tree/depth-first-search) (DFS) * `B` [图深度优先搜索](src/algorithms/graph/depth-first-search) (DFS) * `B` [跳跃游戏](src/algorithms/uncategorized/jump-game) * `B` [快速算次方](src/algorithms/math/fast-powering) * `A` [排列](src/algorithms/sets/permutations) (有/无重复) * `A` [组合](src/algorithms/sets/combinations) (有/无重复) * **动态编程** - 使用以前找到的子解决方案构建解决方案 * `B` [斐波那契数](src/algorithms/math/fibonacci) * `B` [跳跃游戏](src/algorithms/uncategorized/jump-game) * `B` [独特路径](src/algorithms/uncategorized/unique-paths) * `B` [雨水收集](src/algorithms/uncategorized/rain-terraces) - 疏导雨水问题 * `B` [递归楼梯](src/algorithms/uncategorized/recursive-staircase) - 计算有共有多少种方法可以到达顶层 (4 种解题方案) * `A` [莱温斯坦距离](src/algorithms/string/levenshtein-distance) - 两个序列之间的最小编辑距离 * `A` [最长公共子序列](src/algorithms/sets/longest-common-subsequence) (LCS) * `A` [最长公共子串](src/algorithms/string/longest-common-substring) * `A` [最长递增子序列](src/algorithms/sets/longest-increasing-subsequence) * `A` [最短公共子序列](src/algorithms/sets/shortest-common-supersequence) * `A` [0-1背包问题](src/algorithms/sets/knapsack-problem) * `A` [整数拆分](src/algorithms/math/integer-partition) * `A` [最大子数列](src/algorithms/sets/maximum-subarray) * `A` [贝尔曼-福特算法](src/algorithms/graph/bellman-ford) - 找到所有图顶点的最短路径 * `A` [弗洛伊德算法](src/algorithms/graph/floyd-warshall) - 找到所有顶点对之间的最短路径 * `A` [正则表达式匹配](src/algorithms/string/regular-expression-matching) * **回溯法** - 类似于 `BF 算法` 试图产生所有可能的解决方案,但每次生成解决方案测试如果它满足所有条件,那么只有继续生成后续解决方案。否则回溯并继续寻找不同路径的解决方案。 * `B` [跳跃游戏](src/algorithms/uncategorized/jump-game) * `B` [独特路径](src/algorithms/uncategorized/unique-paths) * `A` [幂集](src/algorithms/sets/power-set) - 该集合的所有子集 * `A` [哈密顿图](src/algorithms/graph/hamiltonian-cycle) - 恰好访问每个顶点一次 * `A` [八皇后问题](src/algorithms/uncategorized/n-queens) * `A` [骑士巡逻](src/algorithms/uncategorized/knight-tour) * `A` [组合求和](src/algorithms/sets/combination-sum) - 从规定的总和中找出所有的组合 * **Branch & Bound** - 记住在回溯搜索的每个阶段找到的成本最低的解决方案,并使用到目前为止找到的成本最小值作为下限。以便丢弃成本大于最小值的解决方案。通常,使用 BFS 遍历以及状态空间树的 DFS 遍历。 ## 如何使用本仓库 **安装依赖** ``` npm install ``` **运行 ESLint** 检查代码质量 ``` npm run lint ``` **执行测试** ``` npm test ``` **按照名称执行测试** ``` npm test -- 'LinkedList' ``` **Playground** 你可以在 `./src/playground/playground.js` 文件中操作数据结构与算法,并在 `./src/playground/__test__/playground.test.js` 中编写测试。 然后,只需运行以下命令来测试你的 Playground 是否按无误: ``` npm test -- 'playground' ``` ## 有用的信息 ### 引用 [▶ YouTube](https://www.youtube.com/playlist?list=PLLXdhg_r2hKA7DPDsunoDZ-Z769jWn4R8) ### 大O符号 大O符号中指定的算法的增长顺序。 ![Big O graphs](./assets/big-o-graph.png) 源: [Big O Cheat Sheet](http://bigocheatsheet.com/). 以下是一些最常用的 大O标记法 列表以及它们与不同大小输入数据的性能比较。 | 大O标记法 | 计算10个元素 | 计算100个元素 | 计算1000个元素 | | -------------- | ---------------------------- | ----------------------------- | ------------------------------- | | **O(1)** | 1 | 1 | 1 | | **O(log N)** | 3 | 6 | 9 | | **O(N)** | 10 | 100 | 1000 | | **O(N log N)** | 30 | 600 | 9000 | | **O(N^2)** | 100 | 10000 | 1000000 | | **O(2^N)** | 1024 | 1.26e+29 | 1.07e+301 | | **O(N!)** | 3628800 | 9.3e+157 | 4.02e+2567 | ### 数据结构操作的复杂性 | 数据结构 | 连接 | 查找 | 插入 | 删除 | 备注 | | -------------- | :----: | :----: | :----: | :----: | ---- | | **数组** | 1 | n | n | n | | | **栈** | n | n | 1 | 1 | | | **队列** | n | n | 1 | 1 | | | **链表** | n | n | 1 | 1 | | | **哈希表** | - | n | n | n | 在完全哈希函数情况下,复杂度是 O(1) | | **二分查找树** | n | n | n | n | 在平衡树情况下,复杂度是 O(log(n)) | | **B 树** | log(n) | log(n) | log(n) | log(n) | | | **红黑树** | log(n) | log(n) | log(n) | log(n) | | | **AVL 树** | log(n) | log(n) | log(n) | log(n) | | | **布隆过滤器** | - | 1 | 1 | - | 存在一定概率的判断错误(误判成存在) | ### 数组排序算法的复杂性 | 名称 | 最优 | 平均 | 最坏 | 内存 | 稳定 | 备注 | | --------------------- | :-------: | :-------: | :-----------: | :-------: | :-------: | --------------------- | | **冒泡排序** | n | n^2 | n^2 | 1 | Yes | | | **插入排序** | n | n^2 | n^2 | 1 | Yes | | | **选择排序** | n^2 | n^2 | n^2 | 1 | No | | | **堆排序** | n log(n) | n log(n) | n log(n) | 1 | No | | | **归并排序** | n log(n) | n log(n) | n log(n) | n | Yes | | | **快速排序** | n log(n) | n log(n) | n^2 | log(n) | No | 在 in-place 版本下,内存复杂度通常是 O(log(n)) | | **希尔排序** | n log(n) | 取决于差距序列 | n (log(n))^2 | 1 | No | | | **计数排序** | n + r | n + r | n + r | n + r | Yes | r - 数组里最大的数 | | **基数排序** | n * k | n * k | n * k | n + k | Yes | k - 最长 key 的升序 |