mirror of
https://github.moeyy.xyz/https://github.com/trekhleb/javascript-algorithms.git
synced 2024-12-27 15:41:16 +08:00
216 lines
12 KiB
Markdown
216 lines
12 KiB
Markdown
# JavaScript 算法与数据结构
|
||
|
||
[](https://travis-ci.org/trekhleb/javascript-algorithms)
|
||
[](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 并提供相关说明以及进一步阅读和 YouTube 视频。
|
||
|
||
_Read this in other languages:_
|
||
[_English_](https://github.com/trekhleb/javascript-algorithms/),
|
||
[繁體中文](README.zh-TW.md)
|
||
|
||
## 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，它可以高效地访问和修改数据。更确切地说，数据结构是数据值的集合，它们之间的关系、函数或操作可以应用于数据。
|
||
|
||
* [链表](src/data-structures/linked-list)
|
||
* [双向链表](src/data-structures/doubly-linked-list)
|
||
* [队列](src/data-structures/queue)
|
||
* [栈](src/data-structures/stack)
|
||
* [哈希表](src/data-structures/hash-table)
|
||
* [堆](src/data-structures/heap)
|
||
* [优先队列](src/data-structures/priority-queue)
|
||
* [字典树](src/data-structures/trie)
|
||
* [树](src/data-structures/tree)
|
||
* [二分查找](src/data-structures/tree/binary-search-tree)
|
||
* [AVL 树](src/data-structures/tree/avl-tree)
|
||
* [红黑树](src/data-structures/tree/red-black-tree)
|
||
* [图](src/data-structures/graph) (有向图与无向图)
|
||
* [并查集](src/data-structures/disjoint-set)
|
||
|
||
## 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。
|
||
|
||
### 算法主题
|
||
|
||
* **数学**
|
||
* [阶乘](src/algorithms/math/factorial)
|
||
* [斐波那契数](src/algorithms/math/fibonacci)
|
||
* [素数检测](src/algorithms/math/primality-test) (排除法)
|
||
* [欧几里得算法](src/algorithms/math/euclidean-algorithm) - 计算最大公约数（GCD）
|
||
* [最小公倍数](src/algorithms/math/least-common-multiple) (LCM)
|
||
* [整数拆分](src/algorithms/math/integer-partition)
|
||
* **集合**
|
||
* [笛卡尔积](src/algorithms/sets/cartesian-product) - 多集合结果
|
||
* [幂集](src/algorithms/sets/power-set) - 该集合的所有子集
|
||
* [排列](src/algorithms/sets/permutations) (有/无重复)
|
||
* [组合](src/algorithms/sets/combinations) (有/无重复)
|
||
* [洗牌算法](src/algorithms/sets/fisher-yates) - 随机置换有限序列
|
||
* [最长公共子序列](src/algorithms/sets/longest-common-subsequence) (LCS)
|
||
* [最长递增子序列](src/algorithms/sets/longest-increasing-subsequence)
|
||
* [Shortest Common Supersequence](src/algorithms/sets/shortest-common-supersequence) (SCS)
|
||
* [背包问题](src/algorithms/sets/knapsack-problem) - "0/1" and "Unbound" ones
|
||
* [最大子数列问题](src/algorithms/sets/maximum-subarray) - BF算法 与 动态编程
|
||
* **字符串**
|
||
* [莱温斯坦距离](src/algorithms/string/levenshtein-distance) - 两个序列之间的最小编辑距离
|
||
* [汉明距离](src/algorithms/string/hamming-distance) - 符号不同的位置数
|
||
* [克努斯-莫里斯-普拉特算法](src/algorithms/string/knuth-morris-pratt) - 子串搜索
|
||
* [字符串快速查找](src/algorithms/string/rabin-karp) - 子串搜索
|
||
* [最长公共子串](src/algorithms/string/longest-common-substring)
|
||
* **搜索**
|
||
* [二分查找](src/algorithms/search/binary-search)
|
||
* **排序**
|
||
* [冒泡排序](src/algorithms/sorting/bubble-sort)
|
||
* [选择排序](src/algorithms/sorting/selection-sort)
|
||
* [插入排序](src/algorithms/sorting/insertion-sort)
|
||
* [堆排序](src/algorithms/sorting/heap-sort)
|
||
* [归并排序](src/algorithms/sorting/merge-sort)
|
||
* [快速排序](src/algorithms/sorting/quick-sort)
|
||
* [希尔排序](src/algorithms/sorting/shell-sort)
|
||
* **树**
|
||
* [深度优先搜索](src/algorithms/tree/depth-first-search) (DFS)
|
||
* [广度优先搜索](src/algorithms/tree/breadth-first-search) (BFS)
|
||
* **图**
|
||
* [深度优先搜索](src/algorithms/graph/depth-first-search) (DFS)
|
||
* [广度优先搜索](src/algorithms/graph/breadth-first-search) (BFS)
|
||
* [戴克斯特拉算法m](src/algorithms/graph/dijkstra) - 找到所有图顶点的最短路径
|
||
* [贝尔曼-福特算法](src/algorithms/graph/bellman-ford) - 找到所有图顶点的最短路径
|
||
* [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）
|
||
* [普林演算法](src/algorithms/graph/prim) - 寻找加权无向图的最小生成树（MST）
|
||
* [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）
|
||
* [拓撲排序](src/algorithms/graph/topological-sorting) - DFS 方法
|
||
* [关节点](src/algorithms/graph/articulation-points) - Tarjan算法（基于DFS）
|
||
* [桥](src/algorithms/graph/bridges) - 基于DFS的算法
|
||
* [欧拉路径与一笔画问题](src/algorithms/graph/eulerian-path) - Fleury的算法 - 一次访问每个边缘
|
||
* [哈密顿图](src/algorithms/graph/hamiltonian-cycle) - 恰好访问每个顶点一次
|
||
* [强连通分量](src/algorithms/graph/strongly-connected-components) - Kosaraju算法
|
||
* [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
|
||
* [Floyd-Warshall algorithm](src/algorithms/graph/floyd-warshall) - 一次循环可以找出所有顶点之间的最短路径
|
||
* **未分类**
|
||
* [汉诺塔](src/algorithms/uncategorized/hanoi-tower)
|
||
* [八皇后问题](src/algorithms/uncategorized/n-queens)
|
||
* [骑士巡逻](src/algorithms/uncategorized/knight-tour)
|
||
|
||
### 算法范式
|
||
|
||
算法范式是基于类的设计的通用方法或方法的算法。 这是一个比算法概念更高的抽象，就像一个
|
||
算法是比计算机程序更高的抽象。
|
||
|
||
* **BF算法** - 查找所有可能性并选择最佳解决方案
|
||
* [最大子数列](src/algorithms/sets/maximum-subarray)
|
||
* [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
|
||
|
||
* **贪心法** - 在当前选择最佳选项，不考虑以后情况
|
||
* [背包问题](src/algorithms/sets/knapsack-problem)
|
||
* [戴克斯特拉算法](src/algorithms/graph/dijkstra) - 找到所有图顶点的最短路径
|
||
* [普里姆算法](src/algorithms/graph/prim) - 寻找加权无向图的最小生成树（MST）
|
||
* [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
|
||
* [二分查找](src/algorithms/search/binary-search)
|
||
* [汉诺塔](src/algorithms/uncategorized/hanoi-tower)
|
||
* [欧几里得算法](src/algorithms/math/euclidean-algorithm) - 计算最大公约数（GCD）
|
||
* [排列](src/algorithms/sets/permutations) (有/无重复)
|
||
* [组合](src/algorithms/sets/combinations) (有/无重复)
|
||
* [归并排序](src/algorithms/sorting/merge-sort)
|
||
* [Quicksort](src/algorithms/sorting/quick-sort)
|
||
* [树深度优先搜索](src/algorithms/tree/depth-first-search) (DFS)
|
||
* [图深度优先搜索](src/algorithms/graph/depth-first-search) (DFS)
|
||
* **动态编程** - 使用以前找到的子解决方案构建解决方案
|
||
* [斐波那契数](src/algorithms/math/fibonacci)
|
||
* [莱温斯坦距离](src/algorithms/string/levenshtein-distance) - 两个序列之间的最小编辑距离
|
||
* [最长公共子序列](src/algorithms/sets/longest-common-subsequence) (LCS)
|
||
* [最长公共子串](src/algorithms/string/longest-common-substring)
|
||
* [最长递增子序列](src/algorithms/sets/longest-increasing-subsequence)
|
||
* [最短公共子序列](src/algorithms/sets/shortest-common-supersequence)
|
||
* [0-1背包问题](src/algorithms/sets/knapsack-problem)
|
||
* [整数拆分](src/algorithms/math/integer-partition)
|
||
* [最大子数列](src/algorithms/sets/maximum-subarray)
|
||
* [贝尔曼-福特算法](src/algorithms/graph/bellman-ford) - 找到所有图顶点的最短路径
|
||
* **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。
|
||
* [哈密顿图](src/algorithms/graph/hamiltonian-cycle) - 恰好访问每个顶点一次
|
||
* [八皇后问题](src/algorithms/uncategorized/n-queens)
|
||
* [骑士巡逻](src/algorithms/uncategorized/knight-tour)
|
||
* **B & B**
|
||
|
||
## 如何使用本仓库
|
||
|
||
**安装依赖**
|
||
```
|
||
npm install
|
||
```
|
||
|
||
**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。
|
||
|
||
|
||
|
||
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 |
|
||
| ----------------------- | :-------: | :-------: | :-------: | :-------: |
|
||
| **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 |
|
||
| **二分查找树** | n | n | n | 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) |
|
||
|
||
### 数组排序算法的复杂性
|
||
|
||
| 名称 | 最优 | 平均 | 最坏 | 内存 | 稳定 |
|
||
| --------------------- | :-------: | :-------: | :-----------: | :-------: | :-------: |
|
||
| **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 |
|
||
| **希尔排序** | n log(n) | 取决于差距序列 | n (log(n))^2 | 1 | No |
|