导航
[react] Hooks
[React 从零实践01-后台] 代码分割
[React 从零实践02-后台] 权限控制
[React 从零实践03-后台] 自定义hooks
[React 从零实践04-后台] docker-compose 部署react+egg+nginx+mysql
[React 从零实践05-后台] Gitlab-CI使用Docker自动化部署
[源码-webpack01-前置知识] AST抽象语法树
[源码-webpack02-前置知识] Tapable
[源码-webpack03] 手写webpack - compiler简单编译流程
[源码] Redux React-Redux01
[源码] axios
[源码] vuex
[源码-vue01] data响应式 和 初始化渲染
[源码-vue02] computed 响应式 - 初始化，访问，更新过程
[源码-vue03] watch 侦听属性 - 初始化和更新
[源码-vue04] Vue.set 和 vm.$set
[源码-vue05] Vue.extend
[源码-vue06] Vue.nextTick 和 vm.$nextTick
[部署01] Nginx
[部署02] Docker 部署vue项目
[部署03] gitlab-CI
[数据结构和算法01] 二分查找和排序
[深入01] 执行上下文
[深入02] 原型链
[深入03] 继承
[深入04] 事件循环
[深入05] 柯里化 偏函数 函数记忆
[深入06] 隐式转换 和 运算符
[深入07] 浏览器缓存机制（http缓存机制）
[深入08] 前端安全
[深入09] 深浅拷贝
[深入10] Debounce Throttle
[深入11] 前端路由
[深入12] 前端模块化
[深入13] 观察者模式 发布订阅模式 双向数据绑定
[深入14] canvas
[深入15] webSocket
[深入16] webpack
[深入17] http 和 https
[深入18] CSS-interview
[深入19] 手写Promise
[深入20] 手写函数
[深入21] 数据结构和算法 - 二分查找和排序
(一) 前置知识
(1) 一些单词
binary：一半
closure：闭包
recursive：递归
heap 堆
stack 栈
square root 平方根
round：四舍五入
radix：基数
bubbling：冒泡
pivot：支点，基准点
(2) Math
- Math.abs() 绝对值 //
abs 是 absolute 的缩写 - Math.ceil() 向上取整 //
Math.ceil(3.1) => 4 - Math.floor() 向下取整 //
Math.floor(3.7) => 3 - Math.max() 最大值
- Math.min() 最小值
- Math.pow() 指数运算 //
Math.pow(2, 3) => 8; 以2为底，3为指数 - Math.sqrt() 平方根 //
square root 平方根，Math.sqrt(4) => 2; 参数是负数时返回NaN - Math.log() 自然对数
- Math.exp() e的指数
- Math.round() 四舍五入 //
round：四舍五入 - Math.random() 随机数 //
random：随机，范围是 [0, 1)
Math.max(1, 2, 3.33, 3) // 3.33 最大值
Math.min(11, 33, 4.44, 22) // 4.44 最小值
Math.min() // Infinity
Math.max() // -Infinity
Math.floor(3.7) // 3 向下取整
Math.ceil(3.1) // 4 向上取整
Math.round(0.1) // 0 四舍五入
Math.round(0.5) // 1 四舍五入
Math.round(-1.1) // -1 四舍五入对负数的处理，主要注意 .5 的情况
Math.round(-1.5) // -1
Math.round(-1.6) // -2
var radius = 20;
var area = Math.PI * Math.pow(radius, 2); // 圆的面积计算
(3) parseInt
- parseInt(string, radix) 解析string字符串，并返回指定基数radix的十进制数，radix在2-36之间
- 参数
- string：被解析的值，不是字符串会被转化为字符串
- radix：基数，值在2-36之间
- 返回值
- ( 整数 ) 或者 ( NaN )
- parseInt参考资料
一道面试题
['1', '2', '3'].map(parseInt)
相当于
['1', '2', '3'].map((value, index, arr) => parseInt(value, index))
相当于
parseInt('1', 0) => 1 , 当radix是0时，radix会被当成10进制来处理
parseInt('2', 1) => NaN , 1进制不可能有2
parseInt('3', 2) => NaN ，2进制不可能有3，最大是2
最终结果
[1, NaN, NaN]
--------------
[1, 2, 3].map(Number)
相当于
['1', '2', '3'].map((value, index, arr) => Number(value))
最终
[1, 2, 3]
(4) break，continue，return
- break 跳出 ( 代码块 ) 或者 ( 循环 )
- continue 跳出本轮循环
- return 终止函数执行
(5) 时间复杂度
概念：时间复杂度表示 ( 随着问题规模的扩大，时间变化所呈现出来的规律 )- O(1)
- 访问数组：比如访问数组，( 长度为1 ) 和 ( 长度为1000 ) 的时间复杂度，都是计算偏移量所花的时间，是一样的
- O(n)
- 访问链表：访问链表，随着问题复杂度升高，时间呈现线性增长，所以访问链表的时间复杂度是 ( O(n) )
- 数组的平均数：求一个数组的平均数的时间复杂度是 ( O(n) )
image
(二) 二分查找
- 二分查找的条件
- 适用于 ( 有序 ) 的数组
- 原理
- 1.从 ( 有序数组 ) 的 ( 中间位置 ) 开始搜索，如果中间位置的值 ( 正好等于 ) 目标值，就返回该元素的 ( 位置 )，否则下一步
- 2.如果 中间位置的值 ( 大于 ) 目标值，则在 ( 小于中间位置的那一半数组 ) 继续搜索
- 3.如果 中间位置的值 ( 小于 ) 目标值，则在 ( 大于中间位置的那一半数组 ) 继续搜索
- 4.如果 某一步 ( 数组为空 ), 表示查完整个数组都没找到目标值，返回 -1
- 时间复杂度
-
二分查找的时间复杂度是 (log2n)，以2为底，n的对数
-
- 资料
- 我的-二分查找
- 掘金-二分查找
二分法查找 - 非递归方法
(1) 非递归算法
const arr = [1, 2, 3, 4, 5, 6, 7, 8]
function binary_search(arr, value) {
let low = 0
let high = arr.length
while (low <= high) {
const mid = Math.floor((low + high) / 2)
// - 1. 注意：这里用 Math.floor 或者 Math.ceil 或者 parseInt 都没有影响
// 因为条件不成立时，都会跳到对应的一半的部分继续寻找
// - 2. parseInt() 当有小数点的时候，会取整数，舍弃掉小数部分
// - 3. ( low + hight / 2 ) 就是中间的位置，当集合是连续的数字时，这里是数组的下标，是连续的，数组永远成立
if (low === high && arr[mid] !== value) {
return -1 // 当low和hight相等，arr[mid]还不等于value，说明value在数组中不存在，返回-1
}
switch (true) { // 这里非常讨巧的适用了 switch(true) 来代替 if 语句
case arr[mid] === value:
return mid // 结束掉整个函数，即binary_search， 并且返回mid的值
case arr[mid] > value:
high = mid - 1 // 数组中间值大于value，则在前一半的数组中查找，其实这里也可以不减去1，直接 hight = mid
break
case arr[mid] < value:
low = mid + 1 // 后一半查找
break
default:
return -1 // 没找到
}
}
}
const res = binary_search(arr, 5)
console.log(res) // 4
二分法查找 - 递归方法1
(2) 递归方法1
const arr = [1, 2, 3, 4, 5, 6, 7, 8]
function binary_search(arr, value) {
let low = 0
let high = arr.length
function closureAndRecursive(value) { // 利用闭包和递归，low和high即可记住上次的值，相当于全局变量，其实类似于作用域
const mid = Math.floor((low + high) / 2) // 每次重新计算mid，因为low或者high改变了
if (low >= high && arr[mid] !== value) return -1; // 递归结束的条件1
switch (true) {
case arr[mid] === value:
return mid // 递归结束的条件2
case arr[mid] > value:
high = mid - 1
return closureAndRecursive(value) // 改变high后继续判断
case arr[mid] < value:
low = mid + 1
return closureAndRecursive(value) // 改变low后继续判断
}
}
return closureAndRecursive(value)
}
const res = binary_search(arr, 5)
console.log(res)
二分法查找 - 递归方法2
(3) 递归方法2
// 通过参数改变low和heigh
const arr = [1, 2, 3, 4, 5, 6, 7, 8]
function binary_search_recursive (arr, value, low, heigh) {
if (low > heigh) {
return -1 // 递归结束条件
}
const mid = Math.floor((low + heigh) / 2)
if (arr[mid] === value) {
return mid
}
if (arr[mid] < value) {
low = mid + 1
return binary_search_recursive(arr, value, low, heigh)
}
if (arr[mid] > value) {
heigh = mid - 1
return binary_search_recursive(arr, value, low, heigh)
}
}
const res = binary_search_recursive(arr, 5, 0, arr.length - 1)
console.log(res)
image
(三) 排序
image
[图片上传失败...(image-856307-1633065665055)]
(1) 冒泡排序 ( bubble-sort )
- 原理：
- 两层循环，( 外层 ) 表示 ( 执行的趟数 )，( 里层 ) 表示 ( 每趟比较的次数 )
- ( 总趟数 = 数组长度 - 1 )
- ( 每趟比较的次数 = 总趟数 - 当前的趟数 )
- 之所以每趟比较的次数都要减去趟数是因为，每趟都会得到一个最大值
- 第一趟，得到最大值，并冒泡到数组末尾，下一趟比较时，不用再比较最后一个值，因为它是最大值
- 第二趟，得到第二大的值，并冒泡到数组倒数第二的位置，下一趟比较时，不用再比较倒数两个成员，因为他们最大了
第一版 - 冒泡排序
冒泡排序 （bubble-sort）
1. 趟数 和 每一趟比较的次数
- 总趟数 = 数组长度 - 1
- 每一趟比较的次数 = 总趟数 - 当前趟数
// 注意，之所以减去趟数，是因为第一趟确定了一个最大值，第二次确定了第二大的值，不需要再做无畏的比较
2.
第一趟比较完：即得出最大值，且冒泡到数组末尾 ------------------------------------ 执行次数：数组长度 - 当前趟数
第二趟比较完：即得出第二大的值，且冒泡到数组倒数第二个位置，依次类推 -------------- 执行次数：数组长度 - 当前趟数
3. 代码
const arr = [1, 4, 3, 2]
function bubble_sort(arr) {
const len = arr.length - 1
for (let i = 0; i < len; i++) { // ------------------- 总趟数 = 数组长度 - 1
for (let j = 0; j < len - i; j++) { // ------------- 每趟比较的次数 = 总趟数 - 当前趟数
if (arr[j] > arr[j + 1]) { // -------------------- 两两比较，前者大于后者，大的冒泡到后面
[arr[j], arr[j + 1]] = [arr[j + 1], arr[j]] // - 交换位置
}
}
}
return arr // 返回排好序的数组
}
const orderedArr = bubble_sort(arr)
console.log('orderedArr', orderedArr)
第二版 - 冒泡排序
- 可以优化的点：( 每趟比较的次数 ) 和 ( 比较的趟数 )
- 每趟比较的次数
- 最原始的总的趟数：
- ( 数组长度 - 1 )
- 第一版的每趟比较的次数：
- ( 数组长度 - 1 - 当前的趟数 ) 即 ( 每趟比较的次数 = 比较的总趟数 - 当前趟数 )
- 最原始的总的趟数：
- 趟数
- 如果一共有7趟，再第6趟的时候就已经全部排好了，那最后一趟就无需再比较
- 在第一版中，已经优化了 ( 每趟比较的次数 )，还可以优化的是 ( 比较的趟数 )
-
如何找到某趟已经排好了？- 在 ( 趟数循环中 ) 用一个标志位 ( isSortOk )， 默认为true，假设这趟已经排好了
- 在（每趟次数的循环）中，比较相邻大小时，进入了判断内部，说明没有排好，则把标志位设置为 false
- 在 ( 趟数循环 ) 的末尾，判断是不是标志位为true，为true表示该趟拍好了，break掉外层的趟数循环，跳出整个for循环
第二版
1. 可以优化的点
- 每趟的次数
- 最原始：每趟比较 length -1 次
- 第一版：每趟比较 length -1 - i 次
//（第一趟确定一个最大值，第二趟则无需再比较length - 1的最后一次）
//（第二趟确定一个第二大的值，则第三趟无需再比较length -2的倒数两次....）
- 趟数
- 如果一共有7趟，再第6趟的时候就已经全部排好了，那最后一趟就无需再比较
2. 在第一版中已经优化了每趟比较的次数，现在可以可以多余的趟数了
3. 如何找到某趟已经排好了？
- 用一个标志位，进入 (趟数的循环) 默认为true，假设这趟已经排好了
- 在（每趟次数的循环）中，比较相邻大小时，进入了判断，说明没有排好，标志位设置为 false
- 在趟数循环的末尾，判断是不是标志位为true，为true表示该趟拍好了，break掉外层的趟数循环
4. 代码
const arr = [1, 4, 3, 2, 6, 5, 8, 7]
let out_count = 0
let in_count = 0
function bubble_sort(arr) {
const len = arr.length - 1
for (let i = 0; i < len; i++) { // ------------------- 总趟数 = 数组长度 - 1
out_count++
let isSortOk = true // ----------------------------- 标志位，默认是true，表示已经排好序了
for (let j = 0; j < len - i; j++) { // ------------- 每趟比较的次数 = 总趟数 - 当前趟数
in_count++
if (arr[j] > arr[j + 1]) { // -------------------- 两两比较，前者大于后者，大的冒泡到后面
isSortOk = false; // --------------------------- 进入了比较，说明该趟并未排好序，排好序了冒泡排序前面的不可能大于后面
// 0. 注意：这里isSortOk一定要加分号！！！！！！
// 1. 小括号或中括号开头的前一条语句末尾一定要加分号
// 2. 或者在小括号或者中括号最前面加分号
[arr[j], arr[j + 1]] = [arr[j + 1], arr[j]] // - 交换位置
}
}
if (isSortOk) {
break; // 在趟数循环中，如果排好序，直接跳出整个外层循环，不再执行趟数的循环，即剩下的趟数不用再比较了
}
}
return arr // 返回排好序的数组
}
const orderedArr = bubble_sort(arr)
console.log('orderedArr', orderedArr)
console.log('out_count', out_count)
console.log('in_count', in_count)
未做版本二优化时：out_count=7，in_count=28
做了版本二优化时：out_count=3，in_count=18
效果还是比较明显的
冒泡排序 - interview升华
问题：于冒泡排序，如何通过添加一个参数（函数），来控制升序和降序？
答案：
- 升序：其实就是在判断小大的环节，如果arr[j] > arr[j+1]交换位置后，就是升序
- 降序：其实就是在判断小大的环节，如果arr[j] < arr[j+1]交换位置后，就是降序
const arrs = [1, 3, 2, 5, 4]
function bubbling_sort (arr, compareFn) {
for (let i = 0; i < arr.length; i++) {
for (let j = 0; j < arr.length - i; j++) {
if (compareFn(arr[j], arr[j+1]) > 0) {
// 其实就是在这里通过大于和小于来做升序和降序操作
// arr[j] > arr[j+1] 交换后就是升序
// arr[j] < arr[j+1] 交换后就是降序
const temp = arr[j]
arr[j] = arr[j + 1]
arr[j + 1] = temp
}
}
}
return arr
}
const res = bubbling_sort(arrs, (a, b) => b - a)
// 即通过传入一个函数，比较这个函数中两个参数的大小来判断是升序还是降序
// 如果是 (a, b) => a - b 说明 前 > 后 ------------------------------- 升序
// 如果是 (a, b) => b - a 说明 后 > 前 ------------------------------- 降序
console.log(res)
image
(2) 快速排序 ( quick-sort )
- pivot：支点，基准点
- 原理：
- 1 选择一个值为 pivot 基准值
- 2 所有小于 pivot 的值，都放在左边数组
- 3 所有大于 pivot 的值，都放在右边数组
- 4 等于 pivot 的值可以放在左边，也可以放在右边，还可以再加一个数组，放中间数组
- 5 不断重复以上步骤，直到所有子集只剩下一个元素为止，剩一个元素就是递归结束的条件
- 6 拼接最终的三个数组 ( 当然每次递归都会再次分三个数组拼接 )，每个数组都是有序的数组
- 资料
- https://juejin.im/post/5966f57051882568b20dc3e1
- https://juejin.im/post/5c8532ec6fb9a049a42fdd81#heading-7
快速排序
- 前置知识点：
1. pivot：基准
- 原理
1. 选择一个值为 pivot 基准值
2. 所有小于 pivot 的值，都放在左边
3. 所有大于 pivot 的值，都放在右边
4. 等于 pivot 的值可以放在左边，也可以放在右边，还可以再加一个数组，放中间
5. 不断重复以上步骤，直到所有子集只剩下一个元素为止
- 实现
const arr = [1, 3, 2, 6, 8, 5, 4, 7]
function quick_sort(arr) {
const len = arr.length
if (len <= 1) {
return arr
// 递归结束的条件，当 len < 1 时，不再需要把该数组划分成三个数组进行比较了，因为i数组中就一个值
// 最终 三个数组拼接时都是有序的数组了
}
const pivot = Math.floor(Math.random() * len)
// Math.random => [0, 1)
// ( Math.random * arr.length ) => [0, 8)
// 获取随机下标
// 注意这里不能是 len-1，因为边界值，Math.random是[0, 1)，右边是开区间
const left = []
const middle = []
const right = []
for (let i = 0; i < len; i++) { // 这里 i < len 或者 i <= len 都可以
if (arr[i] < arr[pivot]) {
left.push(arr[i])
}
if (arr[i] > arr[pivot]) {
right.push(arr[i])
}
if (arr[i] === arr[pivot]) {
middle.push(arr[i])
}
}
return quick_sort(left).concat(middle, quick_sort(right)) // 递归拼接数组
}
const orderedArr = quick_sort(arr)
console.log('orderedArr', orderedArr)
image
(3) 选择排序 ( selection-sort )
- 原理
- 选取数组的 ( 第一个元素min )，分别和 ( 余下的数组Y的每一个成员J ) 一一做对比，如果 ( J < min )，则交换min和J的位置，直到Y循环完毕
- 除去第一个元素，从剩下的数组中，再选取剩下数组的第一个元素 ( min )，和除了该数组第一个元素剩下的元素 ( Y ) 一一做对比，如果 ( J < min )，则交换两者的位置，直到Y循环完毕
- 重复以上步骤，最后就得到一个升序的有序数组
- 资料
- https://juejin.im/post/5c6aaac351882562654abdac#heading-1
- https://juejin.im/post/5c98ac16e51d451512498b19
选择排序 selection-sort
原理：
1. 选取数组第一个元素（min），和余下的（数组Y）元素一一做对比（j），如果 j < min，则互换位置，直到Y循环完毕
2. 除去第一个元素，从剩下的数组中，选取第一个元素（min）和余下的数组（Y）一一做对比，重复以上步骤
代码：
const arr = [1, 4, 5, 3, 2, 6, 8, 7]
function select_sort(arr) {
for(let i = 0; i < arr.length; i++) { // 循环的趟数
let min = i // 标志位，用来存放最小值的下标，动态更改
for(let j = i + 1; j < arr.length; j++) { // 循环除去第一个元素后的剩余数组，每一趟都能找到最小值，和第一个位置交换
if(arr[j] < arr[min]) { // 剩余数组成员依次和第一个元素做对比，谁小就交换位置，该趟的最小值被交换到第一个成员位置
min = j // 交换位置
}
}
[arr[i], arr[min]] = [arr[min], arr[i]] // 交换位置对应的值，每趟找到最新元素位置后，都和第一个元素交换
}
return arr
}
const orderedArr = select_sort(arr)
console.log('orderedArr', orderedArr)
image
(4) 插入排序 ( insert-sort )
- 记忆方法：打牌
- 特点：
- 边插入边排序
- 在有序序列中插入一个元素，仍然保持有序序列有序，有序序列长度不断增加
- 原理
- 将原数组看成是 ( 两个数组 ), 一个 ( 有序数组 )，一个 ( 无序数组 )
- 有序数组初始长度是1，升序
- 依次从无序数组中取出一个值，和有序数组的最后一个值进行比较(这里从前往后比，和从后往前比都可以)，如果该值小于有序数组的最后一个值，有序数组最后一个值往后移1位，依次比较有序数组中的值，直到找到插入的位置
- 有序数组循环进行的条件是：( j>=0 && arr[j] > cache ) 即 有序数组从后比较到了最前面 并且 有序数组的比较的值比从无序数组取出来比较的值大，就继续循环
- 当有序数组比较完后，j+1的位置，就是无序数组拿出来的值应该插入的位置
- 重复以上步骤
插入排序 insert-sort
原理：
1. 将数组看成两个部分，一个有序数组，和一个无序数组
2. 有序数组起始长度为1
3. 每次依次从无序数组取出第一个值，和有序数组的最后一个比较，如果该值小于有序数组最后一个值，最后一个值向后移一位
4. 有序数组是从后往前依次比较的，该循环需要满足的条件是j>=0 && 该项值 < 无序数组拿出来比较的值
5. 当有序数组循环比较完后，j+1的位置就是无序数组中拿出来的值需要插入到有序数组中的位置
6. 重复以上步骤
代码：
const arr = [1, 8, 4, 5, 7, 3, 2, 6]
function insert_sort(arr) {
for (let i = 1; i < arr.length; i++) { // 无序数组拿出来比较的元素次数，即趟数，注意从1开始，即初始 ( 有序数组 ) 中有一个元素
const cache = arr[i]
// 缓存每次从无序数组中取出来的 和有序数组进行比较的 元素
// 注意：这里一定要缓存 arr[i]，如果不缓存 const cache = arr[i]，则每次在循环中打印arr[i]都是9
// 不缓存的例子，见 【插入排序不缓存的bug】
let j = i-1 // 有序数组末位位置
while(j>=0 && arr[j] > cache) { // 循环需要满足的条件，从后往前循环有序数组，直到循环到最前面 并且 有序数组比较的值比无序中取出来的值大，就把有序的值往后移动1位
arr[j+1] = arr[j] // 有序的值比cache大就往后移动一位
j--
}
arr[j+1] = cache // arr[j+1]就是要插入的位置
}
return arr
}
const orderedArr = insert_sort(arr)
console.log('orderedArr', orderedArr)
image
image
image
- 插入排序不缓存的bug
Document
(5) 希尔排序 (shell-sort )
- ( 希尔排序 ) 是 ( 插入排序 ) 的升级版本
- 将原本
O(n^2)的时间复杂度一下降为O(nlogn) - gap：间隔，隔阂，缺口
- 资料
- 图解 https://www.jianshu.com/p/fe5ccc63d523
- https://juejin.im/post/5ab62ec36fb9a028cf326c49#heading-23
希尔排序 shell sort
概念：
1. 希尔排序是插入排序的升级版
2. 希尔排序需要取间隔 gap，（将原数组风格成gap个组，然后对每个组进行插入排序）
3. 总的趟数：就是从原数组的gap位置开始，到元素组的最后位置
4. 总结：
希尔排序是按一定的间隔对数组进行分组，然后在每一个分组中做插入排序，然后逐次缩小间隔，
再在每一个分组中做插入排序，直到间隔为1时，结束整个函数
( 注意：gap的最小值一定要是1，即最后所有元素都只在一个数组内进行插入排序 )
复习一下插入排序：（ 看到了一个交换数组的方便写法 ）
1. 交换数组
- [[a], [b]] = [[b], [a]]解构的写法很直观和方便
2. 插入排序的原理：
- 将原数组划分为两个区间，左边是排好序的数组，右边是未排好序的数组
- 循环右边的数组，即是要比较的趟数
- 循环左边的数组，分别和右边每趟数组第第一个元素比较
- 左边数组从后往前循环，如果该次元素比右边数组的第一个元素大，该元素往后移动一位
- 左边循环结束时，已经找到右边数组第一个元素需要插入的位置
- 重复以上步骤
2. 插入排序代码：
const arr = [1, 4, 6, 3, 5, 2]
function insert_sort(arr) {
for (let i = 1; i < arr.length; i++) { // 循环的趟数，即看作是右边的无序数组，从1开始，即左边数组有一个元素
const temp = arr[i] // 缓存该第一个元素，因为左边数组的元素可能会右移一位
let j = i - 1
for (; j >= 0 && arr[j] > temp; j--) { // 左边数组，从后往前比较，大于缓存的值就右移动一位，则插入到该值前面
arr[j+1] = arr[j] // 右移一位
}
arr[j+1] = temp // 条件不成立，即左边数组该值大于了temp，说明位置已经找到了，插入该值后面
}
return arr
}
const res = insert_sort(arr)
console.log(res, 'res')
-------
3. 希尔排序代码：
- 其实希尔排序只是在插入排序的基础上，分了若干个组，进行插入排序，在重复以上步骤，直到gap所有循环完
- 区间 gap的取值，一般都是 arr.length / 2
const arr = [1, 8, 3, 2, 6, 7, 5, 4]
function shell_sort(arr) {
let gap = Math.floor(arr.length / 2) // 初始化gap，一般选的初始值是中间值
for (; gap >= 1; gap = Math.floor(gap / 2)) {
// 每趟 (插入排序) 范围都缩小一半，直到 gap 大于 0，( gap表示分成几组 )
// 注意：gap最后一定是1，因为整个数组作为一个数组，要整个执行插入排序依次
// 以下是插入排序的部分，只是每次的步调不是1，而是gap
for (let i = gap; i < arr.length; i++) {
// 插入排序，从 gap 开始
// 从 gap 开始，到 gap + gap结束即到 arr.length结束
const cache = arr[i] // 无序数组取第一个值
let j = i - gap // 有序数组最后一个值
// 有序数组从i-gap开始递减循环，直到 j >= 0
for (; j >= 0 && arr[j] > cache; j = j - gap) {
arr[j + gap] = arr[j] // 往后移动 gap 个位置
}
arr[j + gap] = cache // 无序取出的值要插入到有序部分的位置
// 上面的for循环等价于：
// for(; j >= 0; j = j - gap) {
// if (arr[j] > temp) {
// arr[j+gap] = arr[j]
// } else {
// break
// }
// }
}
}
return arr
}
const orderedArr = shell_sort(arr)
console.log('orderedArr', orderedArr)
image
image
image
(6) 归并排序 ( merge-sort )
- 归并排序是采用分治法的典型案例 和 ( 快速排序有点像 quick-sort )
- 从名字上理解：
归并 => 递归，然后合并 - 原理：
- 递归的将数组分成两个数组，递归结束的条件是数组长度为1，因为长度为1时，不能再分成两个数组
- 递归的从两个有序数组中分别取出第一个元素，比较大小，小的先合并到一个新的数组中，然后返回
- 资料
- https://juejin.im/post/5c9cf808f265da611846c015#heading-15
归并排序 merge-sort
原理：
1. 递归的将数组分隔成两个数组，递归结束条件是数组长度为1
2. 递归的从来个有序数组中取第一个元素，比较大小，合并到一个新的数组中，最后返回
------
代码：
const arr = [8, 1, 4, 2, 3, 5, 7, 6]
function merge_sort(arr) { // 归并排序
if (arr.length <= 1) { // 递归结束的条件是，每个数组长度是 0 或者 1，不能再分就直接返回该数组
return arr
}
let mid = Math.floor(arr.length / 2) // 中间值，通过中间值将数组分成两个数组
const left = arr.slice(0, mid) // 左边的数组
const right = arr.slice(mid) // 右边的数组
return merge(merge_sort(left), merge_sort(right)) // merge_sort其实就是 ( 快速排序 )，可以保证 ( left ) 和 ( right ) 是有序的
}
function merge(left, right) { // 当merge执行的时候，已经是有序的数组了
let result = [] // 最终返回的有序数组
// 注意：left 和 right 要么是单个元素的数组，要么就是有序的数组
// 所以循环取出两个数组的第一项做比较，小的先进新数组
// 条件是两个数组都有元素时
while (left.length && right.length) { // 取完任意一个数组就停止push，注意：这里可能另一个数组还有值，所以有后续判断
result.push(left[0] > right[0] ? right.shift() : left.shift())
}
// 当一个数组没有元素，而另外一个数组还有元素时，剩下的元素一定比新数组中的元素大
// 因为上面的while循环中已经比较过了，小的都进新数组result中了
// 所以下面直接拼接到最后面就行了，因为是最大的值
result = result.concat(left.length ? left : right)
return result
}
const orderedArr = merge_sort(arr)
console.log('orderedArr', orderedArr)
image
(7) 堆排序
- 小根堆：
ai < a2i && ai < a2i+1 - 大根堆：
ai > a2i && ai > a2i+1 - 堆：就是一颗 ( 完全二叉树 )
- 二叉树：ai
- 左孩子：a2i
- 右孩子：a2i+1
- 最大值：大根堆的堆顶就是最大值
- 最小值：小根堆的堆顶就是最小值
- 堆排序需要解决的问题
- 如何由一个无序序列变成一个堆
- 一个反复筛选的过程
- 如何再输出 ( 堆顶 ) 元素后，调整剩余元素为一个新的堆
image
- 如何由一个无序序列变成一个堆
堆排序 heap-sort
前置知识：
1. 二叉树
- 节点 (i) 的 (左孩子2i)，(右孩子2i+1)
2. 堆
- 小根堆 - 比它的左右孩子小
- 大根堆 - 比它的左右孩子大
3. 完全二叉树
- 根节点大于左右孩子节点，只有最后一排的孩子未满，并且左排列
4. 堆排序需要解决的两个问题？
- 如何从一个无序数组构建成一个堆
- 从完全二叉树的最后一个非叶子节点进行调整，因为页子节点已经是堆
- 最后一个叶子节点n，那最后一个非页子节点就是 n/2
- 具体步骤：
1. 建立初始完全二叉树：将无序数组直接按顺序写成二叉树样式
2. 从最后一个非叶子节点开始，往前依次进行调整（最后的叶子节点n, 那么就从 n/2开始）
3. 如果要排成小根堆，就小的在上面，大根堆相反
- 如何在取走堆顶元素后，调整剩余的元素形成一个新堆
1. 输出堆顶元素后，以堆中最后一个元素替代之
2. 然后将根节点值与左右子树的根节点值进行比较，并与其中小者进行交换
3. 重复上述操作，直至下沉到( 叶子节点 )，将得到新的堆
- 称这个从堆顶至页子的调整过程为 筛选
// 排序
function heapSort(arr) {
var arr_length = arr.length
if (arr_length <= 1) return arr
// 1. 建最大堆
// 遍历一半元素就够了
// 必须从中点开始向左遍历，这样才能保证把最大的元素移动到根节点
for (var middle = Math.floor(arr_length / 2); middle >= 0; middle--) maxHeapify(arr, middle, arr_length)
// 2. 排序，遍历所有元素
for (var j = arr_length; j >= 1; j--) {
// 2.1. 把最大的根元素与最后一个元素交换
swap(arr, 0, j - 1)
// 2.2. 剩余的元素继续建最大堆
maxHeapify(arr, 0, j - 2)
}
return arr
}
// 建最大堆
function maxHeapify(arr, middle_index, length) {
// 1. 假设父节点位置的值最大
var largest_index = middle_index
// 2. 计算左右节点位置
var left_index = 2 * middle_index + 1,
right_index = 2 * middle_index + 2
// 3. 判断父节点是否最大
// 如果没有超出数组长度，并且子节点比父节点大，那么修改最大节点的索引
// 左边更大
if (left_index <= length && arr[left_index] > arr[largest_index]) largest_index = left_index
// 右边更大
if (right_index <= length && arr[right_index] > arr[largest_index]) largest_index = right_index
// 4. 如果 largest_index 发生了更新，那么交换父子位置，递归计算
if (largest_index !== middle_index) {
swap(arr, middle_index, largest_index)
// 因为这时一个较大的元素提到了前面，一个较小的元素移到了后面
// 小元素的新位置之后可能还有比它更大的，需要递归
maxHeapify(arr, largest_index, length)
}
}
资料
- 二分查找和冒泡排序-我的 https://www.jianshu.com/p/8ec126646470
- 排序-我的 https://www.jianshu.com/p/a5051135d08e