【JavaScript 算法与数据结构】

README.md

JavaScript 算法与数据结构

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。

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:


队列

哈希表

优先队列

字典树

二分查找

AVL 树

红黑树

图 (有向图与无向图)

并查集

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

斐波那契数

素数检测 (排除法)

欧几里得算法 - 计算最大公约数(GCD)

最小公倍数 (LCM)

整数拆分

集合

笛卡尔积 - 多集合结果

幂集 - 该集合的所有子集

排列 (有/无重复)

组合 (有/无重复)

洗牌算法 - 随机置换有限序列

最长公共子序列 (LCS)

最长递增子序列

Shortest Common Supersequence (SCS)

背包问题 - "0/1" and "Unbound" ones

最大子数列问题 - BF算法 与 动态编程

字符串

莱温斯坦距离 - 两个序列之间的最小编辑距离

汉明距离 - 符号不同的位置数

克努斯-莫里斯-普拉特算法 - 子串搜索

字符串快速查找 - 子串搜索

最长公共子串

搜索

二分查找,如图所示:


排序:


冒泡排序

选择排序

插入排序

堆排序

归并排序

快速排序

希尔排序

深度优先搜索 (DFS)


广度优先搜索 (BFS)


深度优先搜索 (DFS)

广度优先搜索 (BFS)

戴克斯特拉算法m - 找到所有图顶点的最短路径

贝尔曼-福特算法 - 找到所有图顶点的最短路径

判圈算法 - 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 - 寻找加权无向图的最小生成树(MST)

克鲁斯克尔演算法 - 寻找加权无向图的最小生成树(MST)

拓撲排序 - DFS 方法

关节点 - Tarjan算法(基于DFS)

桥 - 基于DFS的算法

欧拉路径与一笔画问题 - Fleury的算法 - 一次访问每个边缘

哈密顿图 - 恰好访问每个顶点一次

强连通分量 - Kosaraju算法

旅行推销员问题 - 尽可能以最短的路线访问每个城市并返回原始城市    

未分类

汉诺塔

八皇后问题

骑士巡逻

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

旅行推销员问题 - 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

戴克斯特拉算法 - 找到所有图顶点的最短路径

普里姆算法 - 寻找加权无向图的最小生成树(MST)

克鲁斯卡尔算法 - 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

汉诺塔

欧几里得算法 - 计算最大公约数(GCD)

排列 (有/无重复)

组合 (有/无重复)

归并排序

Quicksort

树深度优先搜索 (DFS)

图深度优先搜索 (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

莱温斯坦距离 - 两个序列之间的最小编辑距离

最长公共子序列 (LCS)

最长公共子串

最长递增子序列

最短公共子序列

0-1背包问题

整数拆分

最大子数列

贝尔曼-福特算法 - 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 - 恰好访问每个顶点一次

八皇后问题

骑士巡逻

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 -- -t '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是否无误:

npm test -- -t 'playground'

有用信息

大O符号

大O符号中指定的算法的增长顺序。

·

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100个1000个

O(1)111

O(log N)369

O(N)101001000

O(N log N)306009000

O(N^2)100100001000000

O(2^N)10241.26e+291.07e+301

O(N!)36288009.3e+1574.02e+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1nnn

栈nn11

队列nn11

链表nn11

哈希表-nnn

二分查找树nnnn

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nn^2n^21Yes

插入排序nn^2n^21Yes

选择排序n^2n^2n^21No

堆排序n log(n)n log(n)n log(n)1No

归并排序n log(n)n log(n)n log(n)nYes

快速排序n log(n)n log(n)n^2log(n)No

希尔排序n log(n)取决于差距序列n (log(n))^21No

你可能感兴趣的:(【JavaScript 算法与数据结构】)