1.前端算法

前端中的算法与数据结构

全排序（数组、链表、二叉树、堆）

偏排序（数组、链表、堆）

查找与搜索（二叉树、平衡二叉树（包括红黑树）、哈希表）

动态规划（数组、链表、堆、二叉树）

React中的算法与数据结构：深度优先搜索、递归、动态规划、散列表、数组、链表、二叉树、堆、栈等

Vue中的算法与数据结构：动态规划、递归、二分查找、散列表、LRU(最近最少使用) 、数组等

Vue3 种 diff 使用了最长递增子序列实现。

使用这个算法主要用处是，当diff 算法已经比较剩下两个数组时候，原来[1,2,3,4,5,6]. 调整后变成 [1,3,4,2,6,5] 这时候要找到最优的移动方案。

image.png

最差的方案就是每个元素都更新。
最优的移动方案就是只移动 2和5 ,2移动到4后，5 移动到6后。
那么要只移动 2和5。就要确定 1，3，4，6 是固定不变的，也称为当前数组的最长的递增子序列。

因为原来就是使用数组为下标，所以已经是从小到大排列。只是局部乱了。所以找出局部错乱的是较优的策略。

https://leetcode.cn/problems/longest-increasing-subsequence/
leetcode只查询长度，当前vue3需要确定的数组代码如下

var getSequence1 = function (nums) {
    let result = []
    for (let i = 0; i < nums.length; i++) {
      let last = nums[result[result.length - 1]],
        current = nums[i]
      if (current > last || last === undefined) {
        // 当前项大于最后一项
        result.push(i)
      } else {
        // 当前项小于最后一项，二分查找+替换
        let start = 0,
          end = result.length - 1,
          middle
        while (start < end) {
          middle = Math.floor((start + end) / 2)
          if (nums[result[middle]] > current) {
            end = middle
          } else {
            start = middle + 1
          }
        }
        result[start] = i
      }
    }
    return result
  }
  console.log( getSequence1([10,1,2,5,3,7,101,18]))

贪心算法

贪心算法（又称贪婪算法）是指，在对问题求解时，总是做出在当前看来是最好的选择。也就是说，不从整体最优上加以考虑，算法得到的是在某种意义上的局部最优解。

二分查找

二分查找也称折半查找（Binary Search），它是一种效率较高的查找方法。但是，折半查找要求线性表必须采用顺序存储结构，而且表中元素按关键字有序排列。

二分查找之所以快是因为它只需检查很少几个条目（相对于数组的大小）就能够找到目标元素，或者是确认目标元素不存在。

const searchInsert = (nums, target) => {
  let low = 0,
    high = nums.length - 1,
    mid;
  while (low <= high) {
    mid = (low + high) >> 1;
    if (target < nums[mid]) {
      high = mid - 1;
    } else if (target > nums[mid]) {
      low = mid + 1;
    } else {
      return mid;
    }
  }
};

实现VUE的VDOM DIFF

// vdom 虚拟dom
// old 老节点
// new 新节点
// old array  a b c d e f g
// new array  a b e c d h f g

// mountElement 新增元素 h
// patch  复用元素 a b c d e f g
// unmount 删除元素
// todo
// move 元素移动 ?

exports.diffArray = (c1, c2, { mountElement, patch, unmount, move }) => {
  function isSameVnodeType(n1, n2) {
    return n1.key === n2.key; // && n1.type === n2.type;
  }

  let l1 = c1.length;
  let l2 = c2.length;
  let i = 0;
  let e1 = l1 - 1;
  let e2 = l2 - 1;

  // *1 从左边往右，如果元素可以复用就继续往右边，否则就停止循环
  while (i <= e1 && i <= e2) {
    const n1 = c1[i];
    const n2 = c2[i];
    if (isSameVnodeType(n1, n2)) {
      patch(n1.key);
    } else {
      break;
    }
    i++;
  }

  // *2 从右边往左，如果元素可以复用就继续往左边，否则就停止循环
  while (i <= e1 && i <= e2) {
    const n1 = c1[e1];
    const n2 = c2[e2];
    if (isSameVnodeType(n1, n2)) {
      patch(n1.key);
    } else {
      break;
    }
    e1--;
    e2--;
  }

  // *3.1 老节点没了，新节点还有
  if (i > e1) {
    if (i <= e2) {
      while (i <= e2) {
        const n2 = c2[i];
        mountElement(n2.key);
        i++;
      }
    }
  }
  // *3.2 老节点还有，新节点没了
  else if (i > e2) {
    if (i <= e1) {
      while (i <= e1) {
        const n1 = c1[i];
        unmount(n1.key);
        i++;
      }
    }
  } else {
    // *4 新老节点都还有，但是顺序不稳定，有点乱

    // * 4.1 把新元素做成Map，key:value(index)
    const s1 = i;
    const s2 = i;

    const keyToNewIndexMap = new Map();
    for (i = s2; i <= e2; i++) {
      const nextChild = c2[i];
      keyToNewIndexMap.set(nextChild.key, i);
    }

    // *4.2 记录一下新老元素的相对下标
    const toBePatched = e2 - s2 + 1;
    const newIndexToOldIndexMap = new Array(toBePatched);
    // 数组的下标记录的是新元素的相对下标，
    // value初始值是0
    // todo 在4.3中做一件事：一旦元素可以被复用，value值更新成老元素的下标+1
    // 数组的值如果还是0， 证明这个值在新元素中是要mount的
    for (i = 0; i < toBePatched; i++) {
      newIndexToOldIndexMap[i] = 0;
    }

    // * 4.3 去遍历老元素 （patch、unmount）
    // old sdasjkjkkklll
    // new ds
    // 记录新节点要多少个还没处理
    let patched = 0;

    let moved = false;
    let maxNewIndexSoFar = 0;

    for (i = s1; i <= e1; i++) {
      const prevChild = c1[i];

      if (patched >= toBePatched) {
        unmount(prevChild.key);
        continue;
      }

      const newIndex = keyToNewIndexMap.get(prevChild.key);

      if (newIndex === undefined) {
        // 没有找到要复用它的节点，只能删除
        unmount(prevChild.key);
      } else {
        // 节点要被复用
        //  1 2 3 5 10
        // maxNewIndexSoFar记录队伍最后一个元素的下标
        if (newIndex >= maxNewIndexSoFar) {
          maxNewIndexSoFar = newIndex;
        } else {
          // 插队
          moved = true;
        }

        // newIndex - s2是相对下标
        // i + 1老元素下标+1
        newIndexToOldIndexMap[newIndex - s2] = i + 1;

        patch(prevChild.key);
        patched++;
      }
    }

    // * 4.4 去遍新元素 mount、move
    // e2 -> i 下标遍历
    // toBePatched -> 0 相对下标
    // [1, 2];

    const increasingNewIndexSequence = moved
      ? getSequence(newIndexToOldIndexMap)
      : [];

    console.log("increasingNewIndexSequence", increasingNewIndexSequence); //sy-log
    let lastIndex = increasingNewIndexSequence.length - 1;
    for (i = toBePatched - 1; i >= 0; i--) {
      const nextChild = c2[s2 + i];

      // 判断节点是mount还是move
      if (newIndexToOldIndexMap[i] === 0) {
        // nextChild要新增
        mountElement(nextChild.key);
      } else {
        // 可能move
        // i 是新元素的相对下标
        // lastIndex是LIS的相对下标
        if (lastIndex < 0 || i !== increasingNewIndexSequence[lastIndex]) {
          console.log("ooo", nextChild.key); //sy-log
          move(nextChild.key);
        } else {
          lastIndex--;
        }
      }
    }
  }

  // function getSequence() {
  //   return [1, 2];
  // }

  //  1 2 5 [2]
  function getSequence(arr) {
    // return [1, 2];

    // 返回的是LIS的路径
    const lis = [0];

    const len = arr.length;

    const record = arr.slice();

    for (let i = 0; i < len; i++) {
      const arrI = arr[i];
      if (arrI !== 0) {
        const last = lis[lis.length - 1];
        if (arr[last] < arrI) {
          // 新来的元素比lis最后一个元素大，直接放到lis最后
          //  1 3 5 10
          record[i] = last;
          lis.push(i);
          continue;
        }

        // 二分替换
        let left = 0,
          right = lis.length - 1;
        while (left < right) {
          const mid = (left + right) >> 1;
          if (arr[lis[mid]] < arrI) {
            // 在右边
            left = mid + 1;
          } else {
            right = mid;
          }
        }
        // 从lis里找比arrI大的最小的元素，并且替换
        if (arrI < arr[lis[left]]) {
          if (left > 0) {
            record[i] = lis[left - 1];
          }
          lis[left] = i;
        }
      }
    }

    let i = lis.length;
    let last = lis[i - 1];

    while (i-- > 0) {
      lis[i] = last;
      last = record[last];
    }

    console.log("l-----is", lis); //sy-log

    return lis;
  }
};

测试用例 vue-diff.spec.js

describe("数组Diff", () => {
    it("1. 左边查找", () => {
      const mountElement = jest.fn();
      const patch = jest.fn();
      const unmount = jest.fn();
      const move = jest.fn();
      const { diffArray } = require("../vue-diff");
      diffArray(
        [{ key: "a" }, { key: "b" }, { key: "c" }],
        [{ key: "a" }, { key: "b" }, { key: "d" }, { key: "e" }],
        {
          mountElement,
          patch,
          unmount,
          move,
        }
      );
      // 第一次调用次数
      expect(patch.mock.calls.length).toBe(2);
      // 第一次调用的第一个参数
      expect(patch.mock.calls[0][0]).toBe("a");
      expect(patch.mock.calls[1][0]).toBe("b");
    });
    it("2. 右边边查找", () => {
      const mountElement = jest.fn();
      const patch = jest.fn();
      const unmount = jest.fn();
      const move = jest.fn();
      const { diffArray } = require("../vue-diff");
      diffArray(
        [{ key: "a" }, { key: "b" }, { key: "c" }],
        [{ key: "d" }, { key: "e" }, { key: "b" }, { key: "c" }],
        {
          mountElement,
          patch,
          unmount,
          move,
        }
      );
      expect(patch.mock.calls.length).toBe(2);
      expect(patch.mock.calls[0][0]).toBe("c");
      expect(patch.mock.calls[1][0]).toBe("b");
    });
    it("3. 老节点没了，新节点还有", () => {
      const mountElement = jest.fn();
      const patch = jest.fn();
      const unmount = jest.fn();
      const move = jest.fn();
      const { diffArray } = require("../vue-diff");
      diffArray(
        [{ key: "a" }, { key: "b" }],
        [{ key: "a" }, { key: "b" }, { key: "c" }],
        {
          mountElement,
          patch,
          unmount,
          move,
        }
      );
      expect(patch.mock.calls.length).toBe(2);
      expect(patch.mock.calls[0][0]).toBe("a");
      expect(patch.mock.calls[1][0]).toBe("b");
      expect(mountElement.mock.calls[0][0]).toBe("c");
    });
    it("4. 老节点还有，新节点没了", () => {
      const mountElement = jest.fn();
      const patch = jest.fn();
      const unmount = jest.fn();
      const move = jest.fn();
      const { diffArray } = require("../vue-diff");
      diffArray(
        [{ key: "a" }, { key: "b" }, { key: "c" }],
        [{ key: "a" }, { key: "b" }],
        {
          mountElement,
          patch,
          unmount,
          move,
        }
      );
      // 第一次调用次数
      expect(patch.mock.calls.length).toBe(2);
      // 第一次调用的第一个参数
      expect(patch.mock.calls[0][0]).toBe("a");
      expect(patch.mock.calls[1][0]).toBe("b");
      expect(unmount.mock.calls[0][0]).toBe("c");
    });
    it("5. 新老节点都有，但是顺序不稳定", () => {
      const mountElement = jest.fn();
      const patch = jest.fn();
      const unmount = jest.fn();
      const move = jest.fn();
      const { diffArray } = require("../vue-diff");
      diffArray(
        [
          { key: "a" },
          { key: "b" },
          { key: "c" },
          { key: "d" },
          { key: "e" },
          { key: "f" },
          { key: "g" },
        ],
        [
          { key: "a" },
          { key: "b" },
          { key: "e" },
          { key: "d" },
          { key: "c" },
          { key: "h" },
          { key: "f" },
          { key: "g" },
        ],
        {
          mountElement,
          patch,
          unmount,
          move,
        }
      );
      // 第一次调用次数
      expect(patch.mock.calls.length).toBe(7);
      // 第一次调用的第一个参数
      expect(patch.mock.calls[0][0]).toBe("a");
      expect(patch.mock.calls[1][0]).toBe("b");
      expect(patch.mock.calls[2][0]).toBe("g");
      expect(patch.mock.calls[3][0]).toBe("f");
      expect(patch.mock.calls[4][0]).toBe("c");
      expect(patch.mock.calls[5][0]).toBe("d");
      expect(patch.mock.calls[6][0]).toBe("e");
      expect(unmount.mock.calls.length).toBe(0);
      //                 0 1  2 3 4  5 6
      // [i ... e1 + 1]: a b [c d e] f g
      // [i ... e2 + 1]: a b [e d c h] f g
      //                      4 3 2 0
      //                      [5 4 3 0]
      // e d c
      // e d c
      // todo
      // 1. mount
      expect(mountElement.mock.calls[0][0]).toBe("h");
      // // 2. move
      expect(move.mock.calls[0][0]).toBe("d");
      expect(move.mock.calls[1][0]).toBe("e");
    });
    it("6. 新老节点都有，但是顺序不稳定", () => {
      const mountElement = jest.fn();
      const patch = jest.fn();
      const unmount = jest.fn();
      const move = jest.fn();
      const { diffArray } = require("../vue-diff");
      diffArray(
        [
          { key: "a" },
          { key: "b" },
  
          { key: "c" },
          { key: "d" },
          { key: "e" },
  
          { key: "f" },
          { key: "g" },
        ],
        [
          { key: "a" },
          { key: "b" },
  
          { key: "d1" },
          { key: "e" },
          { key: "c" },
          { key: "d" },
          { key: "h" },
  
          { key: "f" },
          { key: "g" },
        ],
        {
          mountElement,
          patch,
          unmount,
          move,
        }
      );
      // 第一次调用次数
      expect(patch.mock.calls.length).toBe(7);
      // 第一次调用的第一个参数
      expect(patch.mock.calls[0][0]).toBe("a");
      expect(patch.mock.calls[1][0]).toBe("b");
  
      expect(patch.mock.calls[2][0]).toBe("g");
      expect(patch.mock.calls[3][0]).toBe("f");
  
      expect(patch.mock.calls[4][0]).toBe("c");
      expect(patch.mock.calls[5][0]).toBe("d");
      expect(patch.mock.calls[6][0]).toBe("e");
      expect(unmount.mock.calls.length).toBe(0);
      //                 0 1  2 3 4  5 6
      // [i ... e1 + 1]: a b [c d e] f g
      // [i ... e2 + 1]: a b [e c d h] f g
      // 真实下标         0 1  2 3 4 5  6 7
      // 相对下标              0 1 2 3
      // 下标是新元素的相对下标，value是老元素的下标+1
      //                     [5,3,4,0]
      // todo
      // 1. mount
      expect(mountElement.mock.calls[0][0]).toBe("h");
      expect(mountElement.mock.calls[1][0]).toBe("d1");
  
      // 2. move
      expect(move.mock.calls[0][0]).toBe("e");
    });
  });

React调度算法（最小堆）

最小堆参考：
https://juejin.cn/post/7048898549005680647/

排序（冒泡、快排、V8 sort）

代码

const increasingNewIndexSequece = moved
  ? getSequence(newIndexToOldIndexMap)
  : [];
let lastIndex = increasingNewIndexSequece.length - 1;
// 相对下标
for (i = toBePatched - 1; i >= 0; i--) {
  const nextChildIndex = s2 + i;
  const nextChild = c2[nextChildIndex];

  // 判断nextChild是mount还是move
  // 在老元素中出现的元素可能要move，没有出现过的要mount
  if (newIndexToOldIndexMap[i] === 0) {
    mountElement(nextChild.key);
  } else {
    // 可能move
    if (lastIndex < 0 || i !== increasingNewIndexSequece[lastIndex]) {
      move(nextChild.key);
    } else {
      lastIndex--;
    }
  }
}

排序场景

商品排序（销量、好评等）

实现：后端排序、前端排序

要求：全排序OR偏排序？稳定性？时间复杂度？空间复杂度？

偏排序

在计算机科学里，偏排序是排序算法的一个放宽的变种。全排序返回的列表中，每个元素都按一定顺序出现，而偏排序返回的列表中，仅有 k 个最小(或 k 个最大)的元素是有序的。其他元素(第 k 个最小之外) 也可能被就地排序后存储，也可能被舍弃。偏排序最普遍的实例是计算某个列表的 "Top 100"。

LeetCode最小的k个数

Array.sort

下面排序结果是？

[30, 4, 1, 2, 5].sort()

默认情况下，sort会按照升序重新排列数组元素。为此，sort会在每一项上调用String()转型函数，然后比较字符串来决定顺序。即使数组的元素都是数值，也会先把数组转换为字符串再比较、排序。

因此，升序修改如下：

[30, 4, 1, 2, 5].sort((a, b) => a - b)

2.常见算法排序

插入排序 VS 快速排序 VS 归并排序

快速排序 相比较于 归并排序，在整体性能上表现更好：

更高的计算效率。快速排序 在实际计算机执行环境中比同等时间复杂度的其他排序算法更快（不命中最差组合的情况下）
更低的空间成本。前者仅有O(㏒n)的空间复杂度，相比较后者O(n)的空间复杂度在运行时的内存消耗更少

实际应用：

如果数组很短，优先插入排序。（插入排序常数项低，长度小于60，选择插入排序）

如果数组很长，则检查元素是否是基础类型，如数字、字符串，因为这个时候和稳定性无关，可以选择快速排序。如果元素是对象，则稳定性一般情况下比较重要，这个时候可以选择归并排序。

冒泡排序

Bubble Sort，是一种简单直观的排序算法。它重复地走访过要排序的数列，一次比较两个元素，如果它们的顺序错误就把它们交换过来。走访数列的工作是重复地进行直到没有再需要交换，也就是说该数列已经排序完成。这个算法的名字由来是因为越小的元素会经由交换慢慢“浮”到数列的顶端。

冒泡排序算法的运作如下：

比较相邻的元素。如果第一个比第二个大，就交换它们两个。
对每一对相邻元素作同样的工作，从开始第一对到结尾的最后一对。这步做完后，最后的元素会是最大的数。
针对所有的元素重复以上的步骤，除了最后一个。
持续每次对越来越少的元素重复上面的步骤，直到没有任何一对数字需要比较。

var bubble_sort = function(nums) {
    let len = nums.length
    if(len<=1) {
        return nums
    }
    for(let i=0; inums[j+1]) {
                [nums[j], nums[j+1]] = [nums[j+1], nums[j]]
            }
        }
    }
    return nums
};

选择排序

Selection Sort，它的工作原理是：第一次从待排序的数据元素中选出最小（或最大）的一个元素，存放在序列的起始位置，然后再从剩余的未排序元素中寻找到最小（大）元素，然后放到已排序的序列的末尾。以此类推，直到全部待排序的数据元素的个数为零。选择排序是不稳定的排序方法。

代码

/**
 * @param {number[]} nums
 * @return {number[]}
 */
var sortArray = function (nums) {
    let len = nums.length;
    if (len === 1) {
        return nums;
    }
    for(let i=0; i


插入排序
Insertion Sort，它的工作原理是通过构建有序序列，对于未排序数据，在已排序序列中从后向前扫描，找到相应位置并插入。
一般来说，插入排序都采用in-place在数组上实现。具体算法描述如下：

从第一个元素开始，该元素可以认为已经被排序
取出下一个元素，在已经排序的元素序列中从后向前扫描
如果该元素（已排序）大于新元素，将该元素移到下一位置
重复步骤3，直到找到已排序的元素小于或者等于新元素的位置
将新元素插入到该位置后
重复步骤2~5

代码实现
/**
 * @param {number[]} nums
 * @return {number[]}
 */
var sortArray = function (nums) {
    let len = nums.length;
    if (len === 1) {
        return nums;
    }

    for(let i=1; i0 && (nums[j]< nums[j-1]); j--) {
            [ nums[j], nums[j-1] ] = [ nums[j-1], nums[j] ]
        }
  }
    
    return nums

};

希尔排序
Shell Sort，也称递减增量排序算法，是插入排序的一种更高效的改进版本。
h?(步长，gap)
h = 3
希尔排序是基于插入排序的以下两点性质而提出改进方法的：

插入排序在对几乎已经排好序的数据操作时，效率高，即可以达到线性排序的效率
但插入排序一般来说是低效的，因为插入排序每次只能将数据移动一位

代码
/**
 * @param {number[]} nums
 * @return {number[]}
 */
var sortArray = function (nums) {
    let len = nums.length;
    if (len === 1) {
        return nums;
    }
  
    let h = 1
    while(h=1) {
        for(let i=h; i=h) && (nums[j]

快速排序
Quick Sort，又称分区交换排序（partition-exchange sort），最早由东尼·霍尔提出。
快速排序使用分治法（Divide and conquer）策略来把一个序列分为较小和较大的2个子序列，然后递归地排序两个子序列。(分而治之) [less] pivot [greater]
步骤为：

挑选基准值：从数列中挑出一个元素，称为“基准”（pivot）
分割：重新排序数列，所有比基准值小的元素摆放在基准前面，所有比基准值大的元素摆在基准后面（与基准值相等的数可以到任何一边）。在这个分割结束之后，对基准值的排序就已经完成，
递归排序子序列：递归地将小于基准值元素的子序列和大于基准值元素的子序列排序。

递归到最底部的判断条件是数列的大小是零或一，此时该数列显然已经有序。
举例：
[6, 2, 1, 5, 4, 3]

quicksort(nums, left, right)
[6, 2, 1, 5, 4, 3]

i=0, j = 6
pivot = 6
i 加加， 至 5
3 2 1 5 4 6
return 5

quick(nums, 0, 4)
—quick(nums, 6, 5)
pivot = 3
i=0, j=5
i=3, j = 2
1 2 3 5 4 6
return 2

quick(nums, 0, 1)
i=0, j = 2
pivot=1
i=1, j =0
1 2 3 5 4 6
return 0
quick(nums, 3, 5)
i=3, j=6
pivot=5
i=4, j = 4
1 2 3 4 5 6
伪代码
简版
缺点：需要额外O(n)空间
function quicksort(q)
{
    var list less, pivotList, greater
    if length(q) ≤ 1 
        return q
    else 
    {
        select a pivot value pivot from q
        for each x in q except the pivot element
        {
            if x < pivot then add x to less
            if x ≥ pivot then add x to greater
        }
        add pivot to pivotList
        return concatenate(quicksort(less), pivotList, quicksort(greater))
    }
}

代码实现
/**
 * @param {number[]} nums
 * @return {number[]}
 */
var sortArray = function(nums) {
    let len = nums.length
    if(len===1) {
        return nums
    }
    
    quickSort(nums, 0, len-1)

    function quickSort(nums, left, right) {
        if(left=j) {
                break
            }
            [ nums[i], nums[j] ] = [ nums[j], nums[i] ]
        }
        [ nums[left], nums[j] ] = [ nums[j], nums[left] ]
        return j
    }

    return nums
};

计数排序
Counting Sort，适合少量、数值集中的非负数排序。可实现优化以支持负数。
非比较排序。
由于用来计数的数组count的长度取决于待排序数组中数据的范围（等于待排序数组的最大值与最小值的差加上1），这使得计数排序对于数据范围很大的数组，需要大量时间和内存。例如：计数排序是用来排序0到100之间的数字的最好的算法，但是它不适合按字母顺序排序人名。
c语言步骤如下：

遍历数组nums，获取最大值max
定义数组count，长度为max+1，初始值均为0
遍历数组count，令count[ nums[i] ] ++ ，即把nums[i]当做count的数组下标，记录nums[i]出现的次数
定义数组res存放待排序数组，定义初始值index=0
遍历count数组，把count[i]不是0的下标值逐个放入res数组中。注意：鉴于nums数组中可能会有相等的元素，因此count[i]可能会大于1

代码实现
var sortArray = function (nums) {
    let len = nums.length
    if(len<2) {
        return nums
    }
    // 5 5 2 3 1
    const count = []
    for(let i=0; i0) {
                res.push(j)
                count[j] -- 
            }
        }
    }
    return res
};

如果数组的数字是10到99的数字，那么前10个空间会被浪费，因此可以优化如下：
var sortArray = function (nums) {
    let len = nums.length
    if(len<2) {
        return nums
    }
    // 5 5 2 3 1
    
    let min = nums[0]
    let max = nums[0]
    for(let i=1; imax) {
            max = nums[i]
        } else if(nums[i]0) {
            res.push(j+min) 
                count[j] --
        }
    }
    // 1 2 3 5 5
    return res
};

不获取max
var sortArray = function (nums) {
    let len = nums.length
    if(len<2) {
        return nums
    }
   // 100-999   
   // count.length = max+1
   const min = Math.min.apply(null, nums)
    const count = []
    for(let i=0; i0) {
                res.push(j+min)
                count[j]--
            }
        }
    }

    return res
};


基数排序
Radix Sort，非比较型整数排序，将所有待比较数值（非负整数）统一为同样的数位长度，数位较短的数前面补零。然后，从最低位开始，依次进行一次排序。这样从最低位排序一直到最高位排序完成以后，数列就变成一个有序序列。
非比较排序因为不涉及比较，其基本操作的代价较小，所以在一定情况下，基数排序一般要快过基于比较的排序，比如快速排序。
代码实现
var sortArray = function (nums) {
    let len = nums.length
    if(len<2) {
        return nums
    }
   // nums的最大值
   let max = Math.max.apply(null, nums)
   // max的位数，如131就是3位
   let maxDigit = 1
   while(max = Math.floor(max/10)){
       maxDigit ++
   }
    let count = []
    let mod = 10
    let dev = 1
    for(let i=0; i

TimSort
V8引擎
V8 是 Google 发布的开源 JavaScript 引擎，采用 C++ 编写，在 Google 的 Chrome 浏览器中被使用。
如果想要查看chome的版本，可以再浏览器直接输入chrome://version/。
Array.prototype.sort
v8文档关于排序的原文链接：https://v8.dev/features/stable-sort。
Array.prototype.sort是 V8 中用 JavaScript 实现的一个内置函数之一。
以前V8的排序算法是，对于数组长度小于或者等于10的时候，采用插入排序，否则采用快速排序。但是从 V8 v7.0 / Chrome 70 之后采用。
很长一段时间以来，JavaScript 规范并不要求排序稳定性Array#sort，而是将其留给了实现。换句话说，JavaScript 开发人员不能依赖排序稳定性。在实践中，因为一些 JavaScript 引擎会对短数组使用稳定排序，对大数组使用不稳定排序。这会造成比较困惑的结果，因为开发人员会测试他们的代码，看到稳定的结果，但是当数组稍大时，在生产中突然得到不稳定的结果。
好消息是，现在的V8已经接受了一个使Array#sort稳定规范更改，所有主要的 JavaScript 引擎现在都实现了一个稳定的Array#sort。作为 JavaScript 开发人员，就少了一件需要担心的事情。Nice！
TimSort
时间复杂度：O(n log n)。
稳定性：稳定。
TimSort主体是归并排序，但小片段的合并中 用了插入排序。
用上了二分搜索等算法
利用待排序数据可能部分有序的事实，
依据待排序数据内容，动态改变排序策略——选择性进行归并以及galloping。
1. 分区（run）
在实际场景中，大部分的数组都是部分有序的，而TimSort就很好地利用了这一点：分区，分到的每个区都是有序的。如果分到的区是严格降序，那么就翻转(reverse)这个分区。最终得到若干个升序的分区。
如，对[1, 3, 5, 2, 4, 8, 7, 6]分区：
1, 3, 5
2, 4, 8
7, 6 --翻转--> 6, 7
2. 合并分区的顺序
下一步我们要两两合并分区，也就意味着要比较两个分区中的元素大小，但是如果长度为1000的分区和长度为1的分区合并，把长度为1001的分区和长度为2的分区合并，最后还需要把前面合并得到的长度为1001和长度为1003的分区合并，这显然不如先给分区长度排序，然后run1和run2合并，run1000和run1001合并。
TimSort维护了一个stack，在这个栈里，分区是按照分区长度升序存储的。
3. 合并分区
既然我们得到的每个分区都是升序的，那合并两个分区的时候可以去逐个去比较这两个分区中的元素，以此得到一个有序的分区。但是对于元素量较大的分区来说，这种做法显然是性能耗费过大。
这个时候，可以了解下Galloping（倍增搜寻法），即以2^n的递增，最终得到
run1[2^n-1] < run0[i] < run1[2^(n +1) - 1]。那么这样我们就知道了，run0[i]在run1中的顺序我们就锁定了run1[2^{n-1]与run1[2}(n +1) - 1]之间，这个时候我们可以再使用二分查找高效定位run0[i]在run1中的位置。
4. 二分排序
当分区的长度较短时，相对来说二分插入排序会较快。
v8源码中的sort实现
Vue DOM DIFF、React

vue和react的算法实现

1.前端算法

前端中的算法与数据结构

Vue3 种 diff 使用了最长递增子序列实现。

贪心算法

二分查找

实现VUE的VDOM DIFF

React调度算法（最小堆）

代码

排序场景

偏排序

Array.sort

2.常见算法排序

插入排序 VS 快速排序 VS 归并排序

冒泡排序

选择排序

代码

插入排序

代码实现

希尔排序

代码

快速排序

伪代码

代码实现

计数排序

代码实现

基数排序

代码实现

TimSort

V8引擎

Array.prototype.sort

TimSort

1. 分区（run）

2. 合并分区的顺序

3. 合并分区

4. 二分排序

v8源码中的sort实现

你可能感兴趣的:(vue和react的算法实现)

vue和react的算法实现

1.前端算法

前端中的算法与数据结构

Vue3 种 diff 使用了 最长递增子序列实现。

贪心算法

二分查找

实现VUE的VDOM DIFF

React调度算法（最小堆）

代码

排序场景

偏排序

Array.sort

2.常见算法排序

插入排序 VS 快速排序 VS 归并排序

冒泡排序

选择排序

代码

插入排序

代码实现

希尔排序

代码

快速排序

伪代码

代码实现

计数排序

代码实现

基数排序

代码实现

TimSort

V8引擎

Array.prototype.sort

TimSort

1. 分区（run）

2. 合并分区的顺序

3. 合并分区

4. 二分排序

v8源码中的sort实现

你可能感兴趣的:(vue和react的算法实现)

Vue3 种 diff 使用了最长递增子序列实现。