大厂面试之算法篇
目录
前言
算法对于前端来说重要吗？
期待你的答案
算法
如何学习算法
算法基础知识
时间复杂度
空间复杂度
前端 数据结构
数组
最长递增子序列
买卖股票问题
买卖股票之交易明细
硬币找零问题
数组拼接最小值
奇偶排序
两数之和
三数之和
四数之和
连续整数之和
打印矩阵
斐波那契数列
二叉树
创建一棵二叉树
非递归版本实现中序遍历
重建二叉树
二叉查找树
二叉查找树搜索某个节点
二叉查找树的最大值和最小值
二叉查找树的前序遍历
二叉查找树的后续遍历
找到二叉树和为某一值的路径
堆
堆的作用
堆的排序过程
堆排序
树
列表转树
深度优先遍历
广度优先遍历
查找节点
字符串
版本号排序
第一个不重复字符的下标
字符串所有排列组合
字符串是否对称
链表
创建链表
环形链表
查找环形链表的入口节点
环中最后的数字
栈和队列
创建栈和队列
栈的入栈和出栈序列
滑动窗口最大值
排序算法
冒泡排序
选择排序
插入排序
快速排序
归并排序
算法思想
推荐的算法文章
总结
参考资料
前言
之前我对算法的理解，仅仅是为了应付大厂的面试。但是在两个月的算法练习中，第一次体会到编程不仅仅是技术，还是艺术，感受到了编程是一件很酷的事情。
比如简单的循环，就可以解决很复杂的数学问题；递归位置的略微变动，就会产生完全不同的结果。
算法对于前端来说重要吗？
这个问题可能在我们所处的不同的阶段里，会有完全不同的理解。我通过系统的练习后，真切的感受到了自己的编程技能在提升，逻辑思维能力有了很大不同。
算法是一个优秀工程师的必备技能，对于提升编码能力有着举重若轻的作用
期待你的答案
文中给出的题目解法，可能不是最优解，希望大家多多指正，一起交流学习，在此表示感谢。一道题的解法，有很多种，对应的时间复杂度与空间复杂度也各不相同，期待你的答案，希望你可以在其中找到算法的乐趣。
算法
如何学习算法
1、先掌握对应的数据结构
以面试中最常见的二叉树为例。先了解如何创建一个二叉树，通过创建的过程，加深对该数据结构的理解，非常有助于了去解答对应的题目。
2、分类练习
分类练习，即按照每种数据结构进行统一练习。
例如：这段时间只练习二叉树的题目，通过集中的训练，对二叉树有整体的认知。了解前、中、后序遍历的特点、了解二叉搜索树、了解各种题型等体系知识。
同时做好对应的笔记，不建议一上来就直接用leetcode刷题
算法基础知识
时间复杂度
表示代码执行的次数，时间与算法中语句执行次数成正比例，哪个算法中执行语句次数多，它花费的时间就越长，时间复杂度是取代码中最复杂的代码来计算。
时间复杂度按时间的大小，从小到大排序依次是 O(1)
空间复杂度
在算法运算过程中用到的额外的存储空间（不包含原始值的内存大小），反映的对内存占用的趋势，而不是具体内存。
最经典的场景
就是利用空间去换时间，降低时间复杂度，减少计算时间
前端 数据结构
数组、栈、队列、树、堆、链表、哈希表、图
数组
数组是最简单、也是最常用的数据结构。数组是可以在内存中连续存储多个元素的结构，在内存中的分配也是连续的。
特点：查询快，增删慢
1）查询快：数组的地址是连续的，我们通过数组的首地址可以找到数组，通过数组的索引可以快速查找某一个元素。
2）增删慢：数组的长度是固定的，我们想要增加/删除一个元素，必须创建一个新的数组，把原数组的数据复制过来。
最长递增子序列
先安排一个非常火的题目，方便小伙伴们热热身。
该算法在vue3 diff算法中有用到，作用是找到最长递归子序列后，可以减少子元素的移动次数。
一个整数数组 nums，找到其中一组最长递增子序列的值。最长递增子序列是指：子序列中的所有元素单调递增。例如：[3,5,7,1,2,8] 的 LIS 是 [3,5,7,8]。
// 该算法用的是动态规划的思想，时间复杂度为n2，并不是最优算法，
// 最优算法应该是二分查找，最优时间复杂度为nlogn
function lengthOfLIS(nums) {
if (!nums.length) return 0;
// 创建一个和原数组等长的数组dp，用来存储每一项的最长递增子序列，
// 比如[1,2,2] 表示第二项和第三项的最长递增子序列都为2
// 该数组每一项初始值都为1，记录当前项的最长递增子序列，
// 后面的项会在当前项的最长递增子序列个数进行累加
let dp = new Array(nums.length).fill(1);
// 双层for循环，每一项都和之前的所有项一一进行比较，
// 计算出该项的最长递增子序列个数，存储到dp中
for (let i = 0; i < nums.length; i++) {
// 当前项依次和之前的每一项进行比较，累加出当前项的最长递增子序列
for (let j = 0; j < i; j++) {
if (nums[j] < nums[i]) {
// 比较当前项已有的最大值和之前项最大值，
// 比如当比较到第三项[1,2,2]时，如第三项比第二项大，
// 所以第三项的计算结果为[1,2,3]
dp[i] = Math.max(dp[i], dp[j] + 1);
}
}
}
// 取出一组最长递增子序列的具体值
//（注意：最长递增子序列有可能有多组值，这里是只取出其中一组值）
// 找到dp中的最大值，该值就是nums的最长递增子序列的个数
let max = Math.max(...dp);
let result = [];
for (let i = max; i >= 1; i--) {
// 倒序遍历，根据长度获取对应的值
findArrNode(dp, i, result, nums);
}
return result;
}
function findArrNode(dp, value, result, arr) {
// 找到符合条件最后一项的下标，这样才能保证数组的顺序是正确的
let index = dp.lastIndexOf(value);
// 存储对应的值
result.unshift(arr[index]);
// 对dp进行截取，保证只取最大项之前的数据
dp.length = index + 1;
}
// 测试
console.log(lengthOfLIS([9, 1, 7, 10, 4, 8, 5, 2]));
// [1, 4, 5]
console.log(lengthOfLIS([1, 4, 3, 5, 2, 6, 0]));
// [1, 3, 5, 6]
亮点：网上一般都是只计算出最长递增子序列的长度，这里计算出一组具体的最长递增子序列的值
力扣上最长上升子序列的视频讲解[1]
买卖股票问题
给定一个整数数组，其中第 i 个元素代表了第 i 天的股票价格；非负整数 fee 代表了交易股票的手续费用，求返回获得利润的最大值。
例如数组为：[1, 12, 13, 9, 15, 8, 6, 16]，fee为2，求获得利润的最大值。
注：每笔买卖都需要支付一次手续费。
/**
* 贪心算法求解
* @param {array} list - 股票每天的价格列表
* @param {number} fee - 手续费
* */
function buyStock(list, fee) {
// min为当前的最小值，即买入点
let min = list[0],
sum = 0;
for (let i = 1; i < list.length; i++) {
// 从1开始，依次判断
if (list[i] < min) {
// 寻找数组的最小值
min = list[i];
} else {
// 计算如果当天卖出是否赚钱
let temp = list[i] - min - fee;
if (temp > 0) {
// 赚钱 存数据
sum += temp;
// 关键代码：重新计算min，分两种情况，如果后面继续涨，
// 则默认继续持有；若后面跌，则以后面的价格重新买入
min = list[i] - fee;
}
}
}
return sum;
}
console.log(buyStock([1, 12, 13, 9, 15, 8, 6, 16], 2)); // 22
买卖股票之交易明细
继续研究买卖股票问题。通过上题，我们知道[1, 12, 13, 9, 15, 8, 6, 16]最终的结果为22。但具体的交易明细是什么，哪几天发生了交易，怎么验证22的结果是否正确呢？
思路
1） 增加 result 对象，把每笔赚钱的交易都记录下来
2） 新增 minIndex 属性，用来记录每次买入值（最小值）的变化
3） 当 minIndex 不变时，用新的记录替换掉老的记录
4） 遍历 result 对象，取出所存储的交易明细
/**
* 贪心算法求解交易明细
* @param {array} list - 股票每天的价格列表
* @param {number} fee - 手续费
* */
function buyStock(list, fee) {
// 增加result对象，把每笔赚钱的交易都记录下来
let result = {};
let min = list[0],
// 增加minIndex 用来记录每次买入值（最小值）的变化
minIndex = 0,
sum = 0;
for (let i = 1; i < list.length; i++) {
if (list[i] < min) {
minIndex = i;
min = list[i];
} else {
let temp = list[i] - min - fee;
if (temp > 0) {
sum += temp;
min = list[i] - fee;
// 赚钱 存数据
// 当minIndex不变时，用新的记录替换调老的记录
result[minIndex] = [list[minIndex], list[i]];
}
}
}
let arr = [];
// 遍历result对象，取出所存储的交易明细
Object.keys(result).forEach(key => {
arr.push(result[key]);
});
return {
sum,
arr
};
}
console.log(buyStock([1, 12, 13, 9, 15, 8, 6, 16], 2));
// 打印结果： {sum: 22, arr: [[1, 13], [9, 15], [6, 16]]}
3次交易明细
1买入，13卖出；
9买入，15卖出；
6买入，16卖出
22 = (13 - 1 - 2) + (15 - 9 -2) + (16 - 6 - 2)
硬币找零问题
给定不同面额的硬币，coins 和一个总金额 amount。编写一个函数来计算可以凑成总金额所需的最少的硬币个数，如果没有任何一种硬币组合能组成总金额，返回 -1。
示例：输入 coins = [1, 2, 5], amount = 11；输出 3
function findCoins(coins, amount) {
if (coins.length === 0) return -1;
// 用于保存每个目标总额对应的最小硬币个数
const f = [];
// 提前定义已知情况
f[0] = 0;
// 遍历 [1, amount] 这个区间的硬币总额
for (let i = 1; i <= amount; i++) {
// 求的是最小值，因此我们预设为无穷大，确保它一定会被更小的数更新
f[i] = Infinity;
// 循环遍历每个可用硬币的面额
for (let j = 0; j < coins.length; j++) {
// 若硬币面额小于目标总额，则问题成立
if (i - coins[j] >= 0) {
// 状态转移方程
f[i] = Math.min(f[i], f[i - coins[j]] + 1);
}
}
}
// 若目标总额对应的解为无穷大，
// 则意味着没有一个符合条件的硬币总数来更新它，本题无解，返回-1
if (f[amount] === Infinity) {
return -1;
}
// 若有解，直接返回解的内容
return f[amount];
}
console.log(findCoins([1, 2, 5], 11)); // 3
LeetCode 19.凑零钱问题 动态规划[2]
数组拼接最小值
一个正整数数组，把数组里所有数字拼接起来排成一个数，打印能拼接出的所有数字中最小的一个。
如[3, 45, 12]，拼接的最小值为12345
思路：利用sort排序
a 和 b 两个数字可以有两种组合：ab 和 ba，若 ab < ba 则 ab 排在 ba 前面
function printMinNumber(arr) {
if (!arr || arr.length == 0) return null;
// sort底层是快排
return arr.sort(compare).join("");
}
// 找到ab 和 ba 这两种组合的最小值
function compare(a, b) {
let front = `${a}${b}`;
let after = `${b}${a}`;
return front - after;
}
let arr = [3, 45, 12];
console.log(printMinNumber(arr)); // 12345
奇偶排序
一个整数数组，实现一个函数来调整该数组中数字的顺序，使得所有的奇数位于数组的前半部分，所有的偶数位于数组的后半部分。
思路: 设定两个指针
1）第一个指针 start，从数组第一个元素出发，向尾部前进
2）第二个指针 end，从数组的最后一个元素出发，向头部前进
3）start 遍历到偶数，end 遍历到奇数时，交换两个数的位置
4）当 start > end 时，完成交换
function exchangeOddEven(arr) {
let start = 0;
let end = arr.length - 1;
// 当start > end时，完成交换
while (start < end) {
// 找到第一个偶数
while (arr[start] % 2 === 1) {
start++;
}
// 找到第一个奇数
while (arr[end] % 2 === 0) {
end--;
}
// 重点：始终要加上 start < end的限制，否则会出现中间两个数的位置交换错误
if (start < end) {
// 奇数和偶数交换位置
[arr[start], arr[end]] = [arr[end], arr[start]];
}
}
return arr;
}
let test = [2, 4, 5, 3, 1];
console.log(exchangeOddEven(test)); // [1, 3, 5, 4, 2]
两数之和
给定一个整数数组 nums 和一个目标值 target。在该数组中找出和为目标值的两个整数，并返回他们。
要求时间复杂度：O(n)
思路：利用map存储已遍历的元素 (典型的空间换时间)
// 时间复杂度O(n)、 空间复杂度O(n)
function twoNumAdd(arr, target) {
if (Array.isArray(arr)) {
// 使用map将遍历过的数字存起来
let map = {};
for (let i = 0; i < arr.length; i++) {
// 从map中查找是否有key 等于 target-nums[I]，
// 如果取到了，则条件成立，返回结果
if (map[target - arr[i]] !== undefined) {
return [target - arr[i], arr[i]];
} else {
// 条件不成立，则将已遍历的值存起来
map[arr[i]] = i;
}
}
}
return [];
}
console.log(twoNumAdd([8, 2, 6, 5, 4, 1, 3], 7));
// [2, 5]
三数之和
给定一个数组nums，判断 nums 中是否存在三个元素a，b，c ，使得 a + b + c = target。找出所有满足条件且不重复的三元组合。
思路：
将数组排序，然后固定数组中某一项，用双端指针的方式，查到两数之和加上该项的值等于目标值，将三数之和转化为两数之和。
题目中说明可能会出现多组结果，所以我们要考虑好去重
1）为了方便去重，我们首先将数组从小到大排列
2）对数组进行遍历，取当前遍历的数nums[i]为一个基准数
3）在寻找数组中设定两个起点，最左侧的left(i+1)和最右侧的right(length-1)
4）判断nums[i] + nums[left] + nums[right]是否等于目标值target
5）如果相等，存储该结果，并分别将left和right各移动一位
6）如果大于目标值，将right向左移动一位，向结果逼近
7）如果小于目标值，将left向右移动一位，向结果逼近
8）一轮遍历结束后i++，进入下一轮查询
function findThree(arr, target) {
arr.sort();
let result = [];
for (let i = 0; i < arr.length; i++) {
// 跳过重复的arr[i]值, 比如[2, 1, 1],跳过第二个1
if (i && arr[i] === arr[i - 1]) continue;
let left = i + 1;
let right = arr.length - 1;
while (left < right) {
let sum = arr[i] + arr[left] + arr[right];
if (sum > target) {
right--;
} else if (sum < target) {
left++;
} else {
// arr[left++], 先取arr[left]，然后left++, 两步合成一步；
// arr[right--]同样的逻辑
result.push([arr[i], arr[left++], arr[right--]]);
while (arr[left] === arr[left - 1]) {
// 跳过重复的arr[left]值,
left++;
}
while (arr[right] === arr[right + 1]) {
// 跳过重复的arr[right]值
right--;
}
}
}
}
return result;
}
console.log(findThree([5, 2, 1, 1, 3, 4, 6], 8));
// [1, 1, 6] [1, 2, 5] [1, 3, 4]
四数之和
给定一个整数数组nums，判断 nums 中是否存在四个元素a，b，c，d ，使得 a + b + c + d = target，找出所有满足条件且不重复的四元组合。
思路
到这里其实我们就能发现一些规律，可以像三数之和那样，通过大小指针来逼近结果，从而达到降低一层时间复杂度的效果（重点：将4个数相加，转化为三个数，降低层级）
不管是几数之和，都可以用这种方法来进行降级优化
function findFour(arr, target) {
if (arr.length < 4) return [];
let result = [];
arr.sort();
// 最外层控制循环次数，循环次数为arr.length - 3
for (let i = 0; i < arr.length - 3; i++) {
// 跳过数组中，重复的起始值
if (i && arr[i] === arr[i - 1]) continue;
// 因为数组已进行排序，所有一旦超过目标值，那么以后的值也都比目标值大，
// 所以可以直接结束这一轮循环
if (arr[i] + arr[i + 1] + arr[i + 2] + arr[i + 3] > target) break;
for (let j = i + 1; j < arr.length - 2; j++) {
// 注意范围，第二个值的最小值是倒数第3位（以下的代码和三个数求和的逻辑一致）
// 跳过数组中，第二个值重复的
if (j > i + 1 && arr[j] === arr[j - 1]) continue;
// 第三个数的下标
let left = j + 1;
let right = arr.length - 1;
while (left < right) {
let sum = arr[i] + arr[j] + arr[left] + arr[right];
if (sum > target) {
right--;
} else if (sum < target) {
left++;
} else {
// 坑点，注意添加后，left++， right--, 确保循环继续执行
result.push([arr[i], arr[j], arr[left++], arr[right--]]);
while (arr[left] === arr[left - 1]) {
// 跳过重复的值
left++;
}
while (arr[right] === arr[right + 1]) {
// 跳过重复的值
right--;
}
}
}
}
}
return result;
}
console.log(findFour([2, 1, 5, 4, 3, 6, 0, 7], 10));
// [0, 1, 2, 7] [0, 1, 3, 6] [0, 1, 4, 5] [0, 2, 3, 5] [1, 2, 3, 4]连续整数之和
输入一个正整数S，打印出所有和为S的连续整数序列。
例如：输入15，连续整数序列有：1+2+3+4+5 = 4+5+6 = 7+8 = 15，所以打印出3个连续序列1-5，5-6和7-8。
思路:
1）创建一个容器child，用于表示当前的子序列，初始元素为1,2
2）记录子序列的开头元素small和末尾元素big
3）big向右移动子序列末尾增加一个数；small向右移动子序列开头减少一个数
4）当子序列的和大于目标值，small向右移动，子序列的和小于目标值，big向右移动
function FindContinuousSequence(sum) {
let result = [];
// 记录当前的结果
let child = [1, 2];
let small = 1; // 初始值1
let big = 2; //
let currentSum = 3; // 当前数字之和
while (big < sum) {
// big等于sum时，child中只剩一个数，不满足连续正数序列的要求，结束循环
while (currentSum < sum && big < sum) {
child.push(++big);
// currentSum为当前child的和
currentSum += big;
}
while (currentSum > sum && small < big) {
child.shift();
// 因为删除了最小值，所以small也要响应变化，增加1
currentSum -= small++;
}
if (currentSum === sum && child.length > 1) {
// child.length大于1，剔除一个数等于sum的情况
// child.slice返回一个新的数组
result.push(child.slice());
child.push(++big);
currentSum += big;
}
}
return result;
}
console.log(FindContinuousSequence(15));
// [1, 2, 3, 4, 5] [4, 5, 6] [7, 8]
打印矩阵
输入:
[ [ 1, 2, 3 ],
[ 4, 5, 6 ],
[ 7, 8, 9 ] ]
要求输出: [1,2,3,6,9,8,7,4,5]
题目要求的是按照顺时针的顺序，从外向内遍历每一个元素，并将他们按顺序返回出来
function printMatrix(arr) {
// map函数用来完成当前矩阵最外一圈的遍历
// @param1{Array}二维数组 arr 表示当前矩阵
// @param2{Array}一维数组 result 用来保存遍历结果
let map = (arr, result) => {
// 矩阵的高度即行数
let n = arr.length;
// 遍历矩阵的每一行
for (let i = 0; i < n; i++) {
// 若第一行 按顺序插入
if (i === 0) {
result = result.concat(arr[i]);
} else if (i === n - 1) {
// 若最后一行 倒序插入
result = result.concat(arr[i].reverse());
} else {
// 若中间行 插入该行最后一个元素 并将该元素从矩阵中删除
result.push(arr[i].pop());
}
}
// 将已经遍历的第一行和最后一行从矩阵中删除
arr.pop();
arr.shift();
// 遍历插入最左侧一列 此时删除首位两行后矩阵高度已变为n-2
for (let j = n - 3; j >= 0; j--) {
// 避免arr[j]长度为空时插入undefined
if (arr[j].length) {
result.push(arr[j].shift());
}
}
// 截止条件 矩阵有元素就继续递归
if (arr.length) {
// 把已将遍历元素删除的矩阵进行递归
return map(arr, result);
} else {
return result;
}
};
// 将初始矩阵传入, 保存结果的数组初始为空
return map(arr, []);
}
let matrix = [
[1, 2, 3],
[4, 5, 6],
[7, 8, 9]
];
console.log(printMatrix(matrix));
// [1, 2, 3, 6, 9, 8, 7, 4, 5]
斐波那契数列
从第3项开始，当前项等于前两项之和：1 1 2 3 5 8 13 21⋯⋯
使用动态规划，将复杂的问题拆分，也就是：F(N) = F(N - 1) + F(N - 2)，然后用数组将已经计算过的值存起来。
function fib(n) {
// 使用dp数组，将之前计算的结果存起来，防止栈溢出
let dp = [];
dp[0] = 1n; // bigint 可以用来表示超过2^53-1的大整数
dp[1] = 1n;
for (let i = 2; i <= n; i++) {
dp[i] = dp[i - 1] + dp[i - 2]; // 注意：arr[i]
}
return dp[n];
}
console.log(fib(1000));
二叉树
二叉树是树结构中一种典型的结构，每个节点最多只能有两个子节点，一个是左侧子节点，一个是右侧子节点。
二叉树图例
二叉树遍历的规律
前序遍历：根节点 + 左子树前序遍历 + 右子树前序遍历
中序遍历：左子树中序遍历 + 根节点 + 右子数中序遍历
后序遍历：左子树后序遍历 + 右子树后序遍历 + 根节点
创建一棵二叉树
要求：若新节点的值比父节点小，则放到父节点的左子树上；反之放到右子树上。
// 二叉树节点
class Node {
constructor(data, left = null, right = null) {
this.data = data;
this.left = left;
this.right = right;
}
}
// 构建二叉树
class Tree {
constructor() {
this.root = null;
}
insert(data) {
var node = new Node(data, null, null);
// 创建根节点
if (!this.root) {
this.root = node;
return;
}
var current = this.root;
var parent = null;
while (current) {
parent = current;
// 值比父节点小，放到父节点的左子树上
if (data < parent.data) {
current = current.left;
// 找到最左侧的节点，将新的节点设置为该节点的左子树节点
if (!current) {
parent.left = node;
return;
}
} else {
// 值比父节点大，放到父节点的右子树上
current = current.right;
if (!current) {
parent.right = node;
return;
}
}
}
}
// 定义前序遍历的方法
static preOrder(node, arr = []) {
if (node) {
arr.push(node.data);
this.preOrder(node.left, arr);
this.preOrder(node.right, arr);
}
return arr;
}
// 定义中序遍历的方法
static middleOrder(node, arr = []) {
if (node) {
this.middleOrder(node.left, arr);
arr.push(node.data);
this.middleOrder(node.right, arr);
}
return arr;
}
// 定义后序遍历的方法
static laterOrder(node, arr = []) {
if (node) {
this.laterOrder(node.left, arr);
this.laterOrder(node.right, arr);
arr.push(node.data);
}
return arr;
}
// 获取二叉树的最大层级
static getDeep(node, deep = 0) {
if (!node) {
return deep;
}
deep++;
// 获取左子树的层级
let left = this.getDeep(node.left, deep);
// 获取右子树的层级
let right = this.getDeep(node.right, deep);
// 取层级最大的值
return Math.max(left, right);
}
}
// 创建二叉树，依次插入新节点
var t = new Tree();
t.insert(5);
t.insert(3);
t.insert(6);
t.insert(2);
t.insert(4);
t.insert(7);
t.insert(8);
t.insert(1);
t.insert(9);
// 打印二叉树
console.log(t);
// 前序遍历 [5, 3, 2, 1, 4, 6, 7, 8, 9]
console.log(Tree.preOrder(t.root));
// 中序遍历 [1, 2, 3, 4, 5, 6, 7, 8, 9]
console.log(Tree.middleOrder(t.root));
// 后序遍历 [1, 2, 4, 3, 9, 8, 7, 6, 5]
console.log(Tree.laterOrder(t.root));
// 获取二叉树的最大层级：5
console.log(Tree.getDeep(t.root));
构建结果
非递归版本实现中序遍历
中序遍历的两种方式
1）方式一：递归版本，如上文的middleOrder方法
2）方式二：非递归版本（回溯算法）实现中序遍历
非递归版本的好处：避免循环递归时栈溢出的情况，效率更高
非递归版本流程
1）步骤1 ：左孩子入栈 -> 直至左孩子为空的节点
2）步骤2 ：节点出栈 -> 访问该节点
3）步骤3 ：以右子树为目标节点，再依次执行 步骤1、2、3
function middleTraverse(root) {
const result = [];
// stack 用来存储回溯算法中的节点
const stack = [];
let current = root;
while (current || stack.length > 0) {
// 找到最左侧的节点
while (current) {
// 依次将左子树节点存到栈中
stack.push(current);
current = current.left;
}
// 节点出栈
current = stack.pop();
// 存储该节点的值
result.push(current.data);
// 获取该节点的右子树节点
current = current.right;
}
return result;
}
// t 为上文创建的二叉树
console.log(middleTraverse(t.root));
// 打印结果： [1, 2, 3, 4, 5, 6, 7, 8, 9]
重建二叉树
输入某二叉树的前序遍历和中序遍历的结果，重建出该二叉树
原理
前序遍历：根节点 + 左子树前序遍历 + 右子树前序遍历
中序遍历：左子树中序遍历 + 根节点 + 右字数中序遍历
重建二叉树流程
1）前序遍历第一个值为根结点root，然后找到根节点在中序遍历的下标
2）将中序遍历 拆分为左子树中序遍历 和 右子树中序遍历
3）将前序遍历 拆分为左子树前序遍历 和 右子树前序遍历
4）利用左子树中序遍历 + 左子树前序遍历，递归创建左子树节点
5）利用右子树中序遍历 + 右子树前序遍历，递归创建右子树节点
6）递归重建二叉树
// 重建二叉树
function reConstruction(pre, mid) {
if (pre.length === 0) {
return null;
}
// 前序遍历长度为1时，该节点为叶子节点
if (pre.length === 1) {
return new Node(pre[0]);
}
// 前序遍历的第一个值为根节点
const value = pre[0];
// 找到根节点在中序遍历的位置
const index = mid.indexOf(value);
// 将中序遍历 分为左子树中序遍历 和 右子数中序遍历
const midLeft = mid.slice(0, index);
const midRight = mid.slice(index + 1);
// 左子树前序遍历的长度为index
// 将前序遍历 分为左子树前序遍历 和 右子树前序遍历
const preLeft = pre.slice(1, index + 1);
const preRight = pre.slice(index + 1);
// 创建根节点
const node = new Node(value);
// 利用左子树中序遍历 + 左子树前序遍历，递归创建左子树节点
node.left = reConstruction(preLeft, midLeft);
// 递归创建右子树节点
node.right = reConstruction(preRight, midRight);
return node;
}
class Node {
constructor(data, left = null, right = null) {
this.data = data;
this.left = left;
this.right = right;
}
}
reConstruction([1, 2, 4, 7, 3, 5, 6, 8], [4, 7, 2, 1, 5, 3, 8, 6]);
重建结果
二叉树在线构建工具[3]
二叉查找树
二叉查找树（BST）是二叉树的一种，特点是所有的左节点比父节点的值小，所有的右节点比父节点的值大，并且任意左、右子树也分别为二叉查找树
二叉查找树图例
主要作用是搜索和动态排序
二叉查找树搜索某个节点
// 查找一个节点
function findNode(data, node) {
if (node) {
if (data === node.data) {
return node;
} else if (data < node.data) {
return this.findNode(data, node.left);
} else {
return this.findNode(data, node.right);
}
} else {
return null;
}
}
// 查找值为6的节点
// t 为上文创建的二叉树
console.log(findNode(6, t.root));
二叉查找树的最大值和最小值
最右侧的节点为二叉查找树的最大值
最左侧的节点为二叉查找树的最小值
// 最大值：最右侧的节点
function getMax(root) {
let max = null;
let current = root;
while (current !== null) {
max = current.data;
current = current.right;
}
return max;
}
// 最小值：最左侧的节点
function getMix(root) {
let mix = null;
let current = root;
while (current !== null) {
mix = current.data;
current = current.left;
}
return mix;
}
console.log(getMax(t.root), "max"); // 9
console.log(getMix(t.root), "min"); // 1
二叉查找树的前序遍历
给一个整数数组，判断该数组是不是某二叉查找树的前序遍历的结果。如果是输出true，否则输出false。
// 判断一个整数数组，是否为某二叉查找树的前序遍历的结果
function preOrderOfBST(list) {
if (list && list.length > 0) {
// 前序遍历，第一个值为根节点
var root = list[0];
// 找到数组中，第一个比根节点大的节点，即为右子树的节点
for (var i = 0; i < list.length; i++) {
if (list[i] > root) {
break;
}
}
// 遍历右子树的节点，要求所有右子树的节点都比根节点大
for (let j = i; j < list.length; j++) {
if (list[j] < root) {
return false;
}
}
var left = true;
// 同理，递归判断左子树是否符合二叉搜索树的规则
if (i > 1) {
left = preOrderOfBST(list.slice(1, i + 1));
}
var right = true;
// 递归判断右子树是否符合二叉搜索树的规则
if (i < list.length) {
right = preOrderOfBST(list.slice(i, list.length));
}
// 左、右子树 都符合要求，则是一个二叉搜索树
return left && right;
}
}
console.log(preOrderOfBST([5, 3, 2, 1, 4, 6, 7, 8, 9]));
// true
二叉查找树的后续遍历
给一个整数数组，判断该数组是不是某二叉搜索树的后续遍历的结果。如果是则输出 true,否则输出 false。
// 判断一个整数数组，是否为某二叉搜索树的后序遍历的结果
function laterOrderOfBST(list) {
if (list && list.length > 0) {
// 后续遍历，最后一个节点为根节点
var root = list[list.length - 1];
for (var i = 0; i < list.length - 1; i++) {
if (list[i] > root) {
break;
}
}
for (let j = i; j < list.length - 1; j++) {
if (list[j] < root) {
return false;
}
}
var left = true;
// 判断左子树
if (i > 0) {
left = laterOrderOfBST(list.slice(0, i));
}
var right = true;
// 判断右子树
if (i < list.length - 1) {
right = laterOrderOfBST(list.slice(i, list.length - 1));
}
return left && right;
}
}
console.log(laterOrderOfBST([1, 2, 4, 3, 9, 8, 7, 6, 5]));
// true
找到二叉树和为某一值的路径
利用回溯算法：如果不符合要求，退回来，换一条路再试
找到和为11的所有路径：结果为[5, 3, 2, 1], [5, 6]
二叉树结构如下
/**
* 找到和为某一值的路径
* @param {object} node - 二叉树
* @param {number} num - 和（目标值）
* @param {array} stack - 栈
* @param {number} sum - 当前路径的和
* @param {array} result - 存储所有的结果
* */
function findPath(node, num, stack = [], sum = 0, result = []) {
stack.push(node.data);
sum += node.data;
// 找到所有的节点路径(包含叶子节点和子节点的所有情况之和)
if (sum === num) {
// if (!node.left && !node.right && sum === num) {
// 找到所有的叶子节点路径
result.push(stack.slice());
}
if (node.left) {
findPath(node.left, num, stack, sum, result);
}
if (node.right) {
findPath(node.right, num, stack, sum, result);
}
// 回溯算法：不符合要求，退回来，换一条路再试
// 叶子节点直接pop；子节点中的所有的节点递归完成后再pop
stack.pop();
return result;
}
// t 为上文创建的二叉树
console.log(findPath(t.root, 11));
// [5, 3, 2, 1], [5, 6]
堆
堆实际上是一棵完全二叉树
大顶堆：每个的节点元素值不小于其子节点
小顶堆： 每个的节点元素值不大于其子节点
堆的作用
在庞大的数据中，找到最大的m个数或者最小的m个数，可以借助堆来完成这个过程，时间复杂度为nlogm。
如果先排序，再取前m个数，最小时间复杂度nlogn。nlogm < nlogn，堆排序时间复杂度更优。
堆节点与其叶子节点的规律
1）堆中父节点为k，它的左子节点下标为2k+1，右子节点是2k+2
2）所有序号大于length/2的结点都是叶子节点, 0 到 length/2-1 为父节点
堆的排序过程
堆排序
从一堆数中，找到前m个最小值。如图，从下面的大顶堆中，找到前4个最小值，结果为[6, 5, 2, 1]。
function heapSort(list, m) {
if (m > list.length) {
return [];
}
createHeap(list, m);
for (let i = m; i < list.length; i++) {
if (list[i] < list[0]) {
// 找到前m个数的最小值，依次将最小值放到最前面
[list[i], list[0]] = [list[0], list[i]];
ajustHeap(list, 0, m);
}
}
// 取出前m个数
return list.splice(0, m);
}
// 构建大顶堆（构建的顺序是从下往上，先找到最后一个父节点，
// 然后从最后一个父节点开始构建，然后依次往上构建，将最大值逐步替换成根节点）
function createHeap(arr, length) {
// 找到堆中所有的非叶子节点（找到最后一个叶子节点，该节点之前都是非叶子节点）
for (let i = Math.floor(length / 2) - 1; i >= 0; i--) {
// 堆中，父节点为i，则子节点为2*i+1、2*i+2；
// 反过来，知道了子节点为length,则最后一个子节点为Math.floor(length / 2) - 1。
ajustHeap(arr, i, length); // 调整大顶堆，将最大值逐步替换成根节点
}
}
// 调整大顶堆（注意：调整的顺序是从上往下，将根节点替换后，
// 先调整根节点，然后依次往下调整，对应的子节点如果发生替换，
// 要重新调整下对应子节点，保证都满足子节点不大于父节点的条件，直到该大顶推全部调整完成）
// 比如，当调节根节点时，[a0, a1, a2], a2> a0, a2替换a0，
// 则要重新调节a2这个分支上的节点，保证都满足子节点不大于父节点的条件
function ajustHeap(arr, index, length) {
for (let i = 2 * index + 1; i < length; i = 2 * i + 1) {
// 父节点为i，则子节点为2*i+1
if (i + 1 < length && arr[i + 1] > arr[i]) {
// 找到arr[i + 1] 和 arr[i] 中的最大值
i++;
}
// 如果子节点比父节点大，交换两者的位置，将最大值移动到顶部
if (arr[index] < arr[i]) {
[arr[index], arr[i]] = [arr[i], arr[index]];
index = i;
} else {
break;
}
}
}
console.log(heapSort([5, 10, 2, 15, 1, 12, 6], 4));
// [6, 5, 2, 1]
树
JS中树结构一般类似这样
let tree = [
{
id: "1",
title: "节点1",
children: [
{
id: "1-1",
title: "节点1-1"
},
{
id: "1-2",
title: "节点1-2"
}
]
},
{
id: "2",
title: "节点2",
children: [
{
id: "2-1",
title: "节点2-1"
}
]
}
];
列表转树
使用对象存储数据, 典型的空间换时间
时间复杂度为O(n)、空间复杂度为O(n)
function listToTree(data) {
// 使用对象重新存储数据, 空间换时间
let map = {};
// 存储最后结果
let treeData = [];
// 遍历原始数据data，存到map中，id为key，值为数据
for (let i = 0; i < data.length; i++) {
map[data[i].id] = data[i];
}
// 遍历对象
for (let i in map) {
// 根据 parentId 找到的是父节点
if (map[i].parentId) {
if (!map[map[i].parentId].children) {
map[map[i].parentId].children = [];
}
// 将子节点 放到 父节点的 children中
map[map[i].parentId].children.push(map[i]);
} else {
// parentId 找不到对应值，说明是根结点，直接插到根数组中
treeData.push(map[i]);
}
}
return treeData;
}
// 测试
let list = [
{ id: 1, title: "child1", parentId: 0 },
{ id: 2, title: "child2", parentId: 0 },
{ id: 6, title: "child2_1", parentId: 2 },
{ id: 4, title: "child1_1", parentId: 1 },
{ id: 5, title: "child1_2", parentId: 1 },
{ id: 3, title: "child3", parentId: 0 },
{ id: 7, title: "child3_1", parentId: 3 }
];
console.log(listToTree(list));
深度优先遍历
递归实现，写法简单，时间复杂度为O(n2)
function deepTree(tree, arr = []) {
tree.forEach(data => {
arr.push(data.id);
// 遍历子树
data.children && deepTree(data.children, arr);
});
return arr;
}
let tree = [
{
id: "1",
title: "节点1",
children: [
{
id: "1-1",
title: "节点1-1"
},
{
id: "1-2",
title: "节点1-2"
}
]
},
{
id: "2",
title: "节点2",
children: [
{
id: "2-1",
title: "节点2-1"
}
]
}
];
console.log(deepTree(tree));
// ['1', '1-1', '1-2', '2', '2-1']
广度优先遍历
思路
1）维护一个队列，队列的初始值为树结构根节点组成的列表，重复执行以下步骤，直到队列为空
2）取出队列中的第一个元素，进行访问相关操作，然后将其后代元素（如果有）全部追加到队列最后
时间复杂度为O(n)、空间复杂度为O(n)
// 广度优先
function rangeTree(tree, arr = []) {
let node,
list = [...tree];
while ((node = list.shift())) {
arr.push(node);
node.children && list.push(...node.children);
}
return arr;
}
let tree = [
{
id: "1",
title: "节点1",
children: [
{
id: "1-1",
title: "节点1-1"
},
{
id: "1-2",
title: "节点1-2"
}
]
},
{
id: "2",
title: "节点2",
children: [
{
id: "2-1",
title: "节点2-1"
}
]
}
];
console.log(rangeTree(tree));
// ['1', '2', '1-1', '1-2', '2-1']
查找节点
递归实现，写法简单
function findTreeNode(tree, func) {
for (const data of tree) {
// 条件成立 直接返回
if (func(data)) return data;
if (data.children) {
const res = findTreeNode(data.children, func);
// 结果存在再返回
if (res) return res;
}
}
return null;
}
let tree = [
{
id: "1",
title: "节点1",
children: [
{
id: "1-1",
title: "节点1-1"
},
{
id: "1-2",
title: "节点1-2"
}
]
},
{
id: "2",
title: "节点2",
children: [
{
id: "2-1",
title: "节点2-1"
}
]
}
];
console.log(
findTreeNode(tree, data => {
return data.title === "节点1-1";
})
);
// 打印结果： {id: '1-1', title: '节点1-1'}
字符串
版本号排序
比较 a, b 两个版本大小：a为1.rc.2.1，b为1.beta.2。其中 rc > beta > alpha。例子 1.2.3 < 1.2.4 < 1.3.0.alpha.1 < 1.3.0.alpha.2 < 1.3.0.beta.1 < 1.3.0.rc.1 < 1.3.0。
要求：当 a > b 是返回 1；当 a = b 是返回 0；当 a < b 是返回 -1；
思路
1）首先先写一个映射表，建立不同版本的映射关系
2）将不同版本的英文字母，替换成对应的数字，转化为对字符串进行比较
3）字符串比较的原则：取出相同位置的数字进行递归比较
function compareVersion(str1, str2) {
// 创建rc beta alpha，对应的权重值，将版本号转化为纯数字
let map = { rc: 3, beta: 2, alpha: 1 };
Object.keys(map).forEach(key => {
str1 = str1.replace(key, map[key]);
str2 = str2.replace(key, map[key]);
});
const arr1 = str1.split(".");
const arr2 = str2.split(".");
function fn(arr1, arr2) {
let i = 0;
while (true) {
// 取出相同位置的数字
const s1 = arr1[i];
const s2 = arr2[i];
i++;
// 若s1 或 s2 不存在，说明相同的位置已比较完成，
// 剩余的位置比较arr1 与 arr2的长度，长的版本号大
if (s1 === undefined || s2 === undefined) {
return arr1.length - arr2.length;
}
if (s1 === s2) continue;
// 比较相同位置的数字大小
return s1 - s2;
}
}
return fn(arr1, arr2);
}
// 测试
let str1 = "1.rc.2.1";
let str2 = "1.beta.2";
console.log(compareVersion(str1, str2));
// 1
第一个不重复字符的下标
输入一个字符串，找到第一个不重复字符的下标
如输入abcabcde， 输出6， 第一个不重复的字符为d
// 方法一：
// 先使用Set去重
// 然后两层遍历，时间复杂度为O(n2)
function findAlone(str) {
let arr = str.split("");
// 通过set 去重
let aloneArr = [...new Set(arr)];
let val = "";
for (let i = 0; i <= aloneArr.length - 1; i++) {
// 用原始字符串进行遍历 找到唯一的值
if (arr.filter(item => item == aloneArr[i]).length == 1) {
val = aloneArr[i];
break;
}
}
return val ? arr.indexOf(val) : -1;
}
let str = "abcabcde";
console.log(findAlone(str)); // 6
// 方法二：
// 思路: 使用map存储每个字符出现的次数
// 该方法时间复杂度和空间复杂度均为O(n), 从时间上来说，要比第一种方法快
function findAlone1(str) {
if (!str) return -1;
// 使用map存储每个字符出现的次数
let map = {};
let arr = str.split("");
arr.forEach(item => {
let val = map[item];
// val为undefined时，表示未存储，map[item] = 1；
// 否则map[item] = val + 1
map[item] = val ? val + 1 : 1;
});
// 一次遍历结果后，再遍历一遍找到出现1次的值
for (let i = 0; i < arr.length; i++) {
if (map[arr[i]] == 1) {
return i;
}
}
return -1;
}
console.log(findAlone1(str));
// 6
字符串所有排列组合
输入一个字符串，打印出该字符串中字符的所有排列组合。
例如输入字符串abc，则打印出由字符a,b,c所能排列出来的所有字符串，结果为：['abc', 'acb', 'bca', 'bac', 'cab', 'cba']。
思路：
1）利用回溯法（将删除的元素递归后，重新添加到数据中）
2）每次递归，固定开头的字母，比如abc，先固定a，然后交换bc的位置，拿到两个结果 abc acb
3）然后交换字符串位置，比如abc递归一轮后，位置变化为 bca
4）第二轮，固定b，然后交换ca的位置，拿到两个结果 bca bac
5）同理，依次将字符串中的字符放到头部，并固定，拿到所有情况的结果
/**
* 计算所有字符串的组合
* @param {array} list - 字符串列表
* @param {array} result - 最终的结果
* @param {string} current - 当前的字符串
* @param {string} temp - 当前固定的字符
* */
function stringGroup(list = [], result = [], current = "", temp = "") {
current += temp;
if (list.length === 0) {
// 递归的出口，将对应结果添加到list中
return result.push(current);
}
for (let i = 0; i < list.length; i++) {
// 每次递归 固定第一个字符
temp = list.shift();
stringGroup(list, result, current, temp);
// 将删除的temp 重新添加到queue尾部，实现将数组反转的效果，
// 如[a,b,c]反转为[c,b,a]
list.push(temp);
}
// 这里去重是解决str中有重复的字母，比如str为'aacd'
return [...new Set(result)];
}
console.log(stringGroup("abc".split("")));
// ['abc', 'acb', 'bca', 'bac', 'cab', 'cba']
字符串是否对称
输入一个字符串，判断是否对称，对称输出ture，不对称输出false。
输入 abcba; 输出 true。
// 方法一： 将字符串切分为数组，再逆序，再连接为字符串
function isReserveSame(str) {
let temp = str
.split("")
.reverse()
.join("");
return temp === str;
}
console.log(isReserveSame("abcba"));
// true
// 方法二： 循环遍历，判断对称位置的字符是否相等
function isReserveSame1(s) {
let flag = true;
for (let i = 0; i < parseInt(s.length / 2); i++) {
if (s.charAt(i) !== s.charAt(s.length - 1 - i)) {
flag = false;
}
}
return flag;
}
console.log(isReserveSame1("abcba"));
// true
链表
链表：用一组任意存储的单元来存储线性表的数据元素。一个对象存储着本身的值和next(下一个元素)的地址。链表是物理存储单元上非连续的、非顺序的存储结构。
链表特点：查询慢，增删快
1）查询慢：链表地址不是连续的，每次查询都要从头开始
2）增删快：增加/删除一个元素，对链表的整体结构没有影响，所以增删快
链表在开发中也是会用到的数据结构，比如React的?Fiber和hook底层都用到了链表
链表图例
创建链表
// 链表Node节点
function Node(data) {
this.data = data;
this.next = null;
}
// 创建链表
class LinkedList {
constructor() {
this.count = 0; // 链表长度
this.head = null; // 链表开头
}
// 添加节点
push(data) {
let node = new Node(data);
if (!this.head) {
this.head = node;
} else {
let current = this.head;
while (current.next) {
current = current.next;
}
current.next = node;
}
this.count++;
}
// 插入节点
insert(data, index) {
if (index >= 0 && index <= this.count) {
let node = new Node(data);
let current = this.head;
if (index == 0) {
// 插到表头
this.head = node;
node.next = current;
} else {
for (let i = 0; i < index - 1; i++) {
// 找到要插入位置的前一个元素
current = current.next;
}
let next = current.next; // 暂存next以后的节点信息
current.next = node;
node.next = next;
}
this.count++;
// 返回插入成功的结果
return true;
} else {
return false;
}
}
// 按索引值查找
getIndexNode(index) {
if (index >= 0 && index < this.count) {
let current = this.head;
for (let i = 0; i < index; i++) {
current = current.next;
}
return current;
} else {
return null;
}
}
// 按索引值删除节点
removeNode(index) {
if (index >= 0 && index < this.count) {
if (index == 0) {
this.head = this.head.next;
} else {
let current = this.head;
const pre = this.getIndexNode(index - 1);
// 找到要删除元素的前一个元素
current = pre.next; // 获取要删除的元素
pre.next = current.next;
}
this.count--;
return true;
} else {
return false;
}
}
// 查找节点的位置
indexOf(data) {
let current = this.head;
for (let i = 0; i < this.count; i++) {
if (data === current.data) {
return i;
}
current = current.next;
}
}
// 链表转字符串
toString() {
let current = this.head;
let string = `${current.data}`;
// current长度大于1，取下一个节点
if (this.count > 1) current = current.next;
for (let i = 1; i < this.count; i++) {
string = `${string},${current.data}`;
current = current.next;
}
return string;
}
}
// 测试
const link = new LinkedList();
// 增加5个节点
for (let i = 1; i <= 5; i++) {
link.push(i);
}
// 索引为1的位置 插入节点6
link.insert(6, 1);
// 获取索引2的节点
console.log(link.getIndexNode(2));
// 删除索引3的节点
console.log(link.removeNode(3));
// 查找位为6的索引
console.log(link.indexOf(6));
// 链表转字符串 1,6,2,4,5
console.log(link.toString());
环形链表
链表其中一个节点的next指针，指向另一个节点
创建如上图所示的链表，节点5指向节点3
const link = new LinkedList();
// 增加5个节点
for (let i = 1; i <= 5; i++) {
link.push(i);
}
// 创建环形链表，找到值为5的节点，将该节点的next指向值为3的节点
link.getIndexNode(4).next = link.getIndexNode(2);
查找环形链表的入口节点
给一个链表，若其中包含环，请找出该链表的环的入口结点，否则，输出null
思路
声明两个指针 P1 P2
1）判断链表是否有环：P1 P2 从头部出发，P1一次走两步，P2一次走一步，如果可以相遇，则环存在
2）从环内某个节点开始计数，再回到此节点时得到链表环的长度 length
3）P1、P2 回到head节点，让 P1 先走 length 步 ，当P2和P1相遇时即为链表环的节点
// 查找环形链表节点
function EntryNodeOfLoop(head) {
if (!head || !head.next) {
return null;
}
let p1 = head.next;
// p2一次走两步
let p2 = head.next.next;
// 若p1 === p2 则证明该链表有环
while (p1 !== p2) {
if (p1 == null || p2.next === null) {
return null;
}
p1 = p1.next;
p2 = p2.next.next;
}
// 此时p1 是 p1、p2重合的点
let temp = p1;
let length = 1;
p1 = p1.next;
// 获取环的长度
while (p1 !== temp) {
p1 = p1.next;
length++;
}
// 找公共节点
// 此时为什么要将p1 p2重新赋值，因为p2只是重合的点，不一定是入口节点
p1 = p2 = head;
while (length-- > 0) {
p2 = p2.next;
}
while (p1 !== p2) {
p1 = p1.next;
p2 = p2.next;
}
return p1;
}
const link = new LinkedList();
// 增加5个节点
for (let i = 1; i <= 5; i++) {
link.push(i);
}
// 创建环形链表，值为5的节点，next指向值为3的节点
link.getIndexNode(4).next = link.getIndexNode(2);
console.log(EntryNodeOfLoop(link.head)); // 打印节点3
环中最后的数字
0,1,...,n-1这n个数字排成一个圆圈，从数字0开始，每次从这个圆圈里删除第m个数字，求出这个圆圈里剩下的最后一个数字
约瑟夫环问题
// 使用链表形成一个闭环，最后一个元素的指针指向第一个元素
function findLastNode(n, m) {
if (n < 1 || m < 1) return -1;
const head = { val: 0 };
let current = head;
for (let i = 1; i < n; i++) {
// 生成一个链表
current.next = { val: i };
// 将next下一项赋值给current
current = current.next;
}
// 尾部指向头部，形成闭环
current.next = head;
while (current.next != current) {
// 此时current是最后一个节点
for (let i = 0; i < m - 1; i++) {
// 找到要删除节点的前一个节点（范围是m-1,
// 这里是从最后一个节点开始；如果是从head开始，范围则是m-2）
current = current.next;
}
// 删除第m个节点
current.next = current.next.next;
}
return current.val;
}
console.log(findLastNode(5, 3)); // 3
栈和队列
栈是一种特殊的线性表，仅能在线性表的一端操作，栈顶允许操作，栈底不允许操作。
栈的特点是：先进后出，从栈顶放入元素的操作叫入栈，取出元素叫出栈。
队列与栈一样，也是一种线性表，不同的是，队列可以在一端添加元素，在另一端取出元素，也就是：先进先出，从一端放入元素的操作称为入队，取出元素为出队。
两者区别：栈（先进后出）、队列（先进先出）
创建栈和队列
创建栈
// 创建栈 只能从栈尾添加和删除 实现先进后出的效果
class Stack {
constructor() {
this.arr = [];
}
// 从栈尾添加
insert(data) {
this.arr.push(data);
}
// 从栈尾删除
del() {
return this.arr.pop();
}
toString() {
return this.arr.toString();
}
}
let stack = new Stack();
stack.insert(1);
stack.insert(2);
stack.insert(3);
stack.del();
console.log(stack.toString()); // 1,2
创建队列
// 创建队列 只能从栈尾添加和头部删除 实现先进先出的效果
class Queue {
constructor() {
this.arr = [];
}
insert(data) {
this.arr.push(data);
}
del() {
return this.arr.shift();
}
toString() {
return this.arr.toString();
}
}
let queue = new Queue();
queue.insert(1);
queue.insert(2);
queue.insert(3);
queue.del();
console.log(queue.toString()); // 2,3
栈的入栈和出栈序列
输入两个整数序列，第一个序列arr1表示栈的入栈顺序，请判断第二个序列arr2，是否可能为该栈的出栈序列
思路
1）创建一个栈，模拟入栈、出栈的过程
2）id用来记录arr1已出栈的位置
3）当stack栈顶元素和 arr2 栈顶元素相同时，stack出栈；索引id+1
4）最终stack栈为空，表示arr1全部元素已出栈
// 判断两个整数序列，第一个序列为入栈顺序，第二个序列是否为出栈顺序
function isSameStack(arr, arr1) {
// 创建一个栈，模拟入栈、出栈的过程
let stack = [];
// id用来记录arr1已出栈的位置
let id = 0;
for (let i = 0; i < arr.length; i++) {
// 入栈
stack.push(arr[i]);
// 当stack栈顶元素和 arr1 栈顶元素相同时，stack出栈；索引id+1，
while (stack.length && stack[stack.length - 1] === arr1[id]) {
// 出栈
stack.pop();
// 下次要对比arr1[id+1]与stack栈顶元素是否相等
id++;
}
}
// 最终stack栈为空，表示arr全部元素已出栈
return stack.length == 0;
}
console.log(isSameStack([1, 2, 3, 4, 5], [2, 4, 5, 3, 1])); // true
滑动窗口最大值
给定一个数组 nums，有一个大小为 k 的滑动窗口，从数组的最左侧移动到数组的最右侧。你只可以看到在滑动窗口中的k个数字。滑动窗口每次只向右移动一位，求返回滑动窗口最大值。
如nums = [1,3,-1,-3,5,3,6,7]， k = 3，输出结果为[3, 3, 5, 5, 6, 7]。
思路
利用双端队列（队列两侧都可以剔除元素），窗口移动的过程中，始终保证window中最左侧的元素为当前窗口的最大值。
function maxSlidingWindow(nums, k) {
// window存储当前窗口中数据的下标
const window = [];
// result存储窗口中的最大值
const result = [];
for (let i = 0; i < nums.length; i++) {
if (i - window[0] > k - 1) {
// 窗口不断往右移动，当最大值在窗口最左侧，但窗口的长度超出k时的情况，
// 就要把左侧的最大值剔除，比如窗口为【3,-1,-3】，继续往右时，就要把左侧的3剔除
window.shift(); // 剔除窗口长度超出范围时左侧的最大值
}
for (let j = window.length - 1; j >= 0; j--) {
// 当前窗口的值依次和要插入的值做比较，如果小于要插入的值，剔除掉该值，
// 直到window为空为止（保证window中最左侧的值为最大值）
if (nums[window[j]] <= nums[i]) {
window.pop();
}
}
// 添加右侧新加入的值，插入新值时有两种情况：
// 1、新值为最大值时，则window此时为空；
// 2、新值不为最大值时，window已剔除掉比新值小的值。
// 始终保证window中最左侧的值为最大值
window.push(i);
if (i >= k - 1) {
// 窗口是从0开始移动，当移动的距离，大于等于目标范围后，
// 以后再往后移动一次，就要写入当前窗口的最大值
result.push(nums[window[0]]);
}
}
return result;
}
console.log(maxSlidingWindow([1, 3, -1, -3, 5, 3, 6, 7], 3));
// [3, 3, 5, 5, 6, 7]
排序算法
各种排序算法的对比详情
算法的稳定性：序列相同元素排序后，先后次序不变即稳定
冒泡排序、归并排序稳定，快速排序、选择排序不稳定
冒泡排序
时间复杂度为O(n2)，稳定
function bubbleSort(arr) {
const length = arr.length;
// 外层循环用控制 排序进行多少轮
for (let i = 0; i < length; i++) {
// 内层循环用于每一轮的数据比较
// 注意j的长度范围 length - i - 1
for (let j = 0; j < length - i - 1; j++) {
// 相邻元素，大的放到后面
if (arr[j] > arr[j + 1]) {
// 交换位置
[arr[j], arr[j + 1]] = [arr[j + 1], arr[j]];
}
}
}
return arr;
}
console.log(bubbleSort([8, 7, 1, 4, 3])); // [1,3,4,7,8]
选择排序
时间复杂度为O(n2)，不稳定
思路
从未排序序列中找到最小的元素，放到已排序序列的头部，重复上述步骤，直到所有元素排序完毕。
1）外层循环控制进行多少轮
2）内层循环进行数据比较，找到每一轮的最小值
function selectSort(arr) {
// 定义index存储最小值的下标
let index;
// 外层循环用控制 排序进行多少轮
for (let i = 0; i < arr.length - 1; i++) {
index = i;
// 内层循环用于每一轮的数据比较
// 注意j的起始范围是 i + 1
for (let j = i + 1; j < arr.length; j++) {
// 寻找最小值
if (arr[j] < arr[index]) {
// 保存最小值的下标
index = j;
}
}
// 如果 index 不是目前的头部元素，则交换两者
if (index !== i) {
[arr[i], arr[index]] = [arr[index], arr[i]];
}
}
return arr;
}
console.log(selectSort([9, 1, 5, 3, 2, 8]));
// [1, 2, 3, 5, 8, 9]
插入排序
时间复杂度为O(n2)，稳定
思路
将左侧序列看成一个有序序列，每次将一个数字插入该有序序列。
插入时，从有序序列最右侧开始比较，若比较的数较大，后移一位。
function insertSort(array) {
// 外层控制循环的次数
for (let i = 1; i < array.length; i++) {
let target = i;
// 内层循环用于每一轮的数据比较
for (let j = i - 1; j >= 0; j--) {
if (array[target] < array[j]) {
[array[target], array[j]] = [array[j], array[target]];
target = j;
} else {
break;
}
}
}
return array;
}
console.log(insertSort([9, 1, 5, 3, 2, 8]));
// [1, 2, 3, 5, 8, 9]
快速排序
时间复杂度为O(nlogn)，不稳定
思路
1）以一个数为基准(中间的数)，比基准小的放到左边，比基准大的放到右边
2）再按此方法对这两部分数据分别进行快速排序（递归进行）
3）不能再分后退出递归，并重新将数组合并
// 快速排序
function quickSort(list) {
// 当list.length <= 1时，退出递归
if (list.length <= 1) return list;
// 找到中间节点
let mid = Math.floor(list.length / 2);
// 以中间节点为基准点，比该节点大的值放到right数组中，否则放到left数组中
let base = list.splice(mid, 1)[0];
let left = [];
let right = [];
list.forEach(item => {
if (item > base) {
right.push(item);
} else {
left.push(item);
}
});
// 重新组合数组
return quickSort(left).concat(base, quickSort(right));
}
console.log(quickSort([9, 1, 5, 3, 2, 8]));
归并排序
时间复杂度为O(nlogn)，稳定
思路
1）将给定的列表分为两半（如果列表中的元素数为奇数，则使其大致相等）
2）以相同的方式继续划分子数组，直到只剩下单个元素数组
3）从单个元素数组开始，合并子数组，以便对每个合并的子数组进行排序
4）重复第 3 步单元，直到最后得到一个排好序的数组。
function MergeSort(array) {
let len = array.length;
if (len <= 1) {
return array;
}
// 将给定的列表分为两半
let num = Math.floor(len / 2);
let left = MergeSort(array.slice(0, num));
let right = MergeSort(array.slice(num, array.length));
return merge(left, right);
function merge(left, right) {
let [l, r] = [0, 0];
let result = [];
while (l < left.length && r < right.length) {
if (left[l] < right[r]) {
result.push(left[l]);
l++;
} else {
result.push(right[r]);
r++;
}
}
result = result.concat(left.slice(l, left.length));
result = result.concat(right.slice(r, right.length));
return result;
}
}
console.log(MergeSort([6, 5, 3, 1, 8, 7, 2, 4]));
算法思想
常见的6种算法思想
递归
优点：使用范围广，简单容易上手
缺点：递归太深，容易发生栈溢出（比如斐波那契数列使用递归进行计算）
使用场景：比如树的遍历、快排、深拷贝、查找字符串的所有组合等
分治算法
思想：将某问题分成若干个子问题，然后解决多个子问题，将子问题的解合并得到最终结果，
比如快速排序（以中间元素为基准，将原来的数组拆分为左右两个数组，依次类推）
使用场景：快速排序、二分查找、归并排序
贪心算法
最终得到的结果并不一定是整体最优解，可能只是比较好的结果
但是贪心算法在很多问题上还是能够拿到最优解或较优解，所以它的存在还是有意义的
使用场景：买卖股票
回溯算法
回溯算法是一种搜索法，试探法，它会在每一步做出选择，一旦发现这个选择无法得到期望结果，就回溯回去
使用场景：比如查找二叉树的路径和二叉树的回溯遍历、字符串中字符的所有排列
动态规划
动态规划也是将复杂问题分解成小问题求解的策略，与分治算法不同的是，分治算法要求各子问题是相互独立的，而动态规划各子问题是相互关联的
使用场景：斐波那契数列和爬楼梯问题(爬楼梯问题的解法和斐波那契数列一样)
枚举算法
将问题的所有可能的答案一一列举，然后根据条件判断此答案是否合适，保留合适的，丢弃不合适的
使用场景：长度为n的数组，随机取m个数，有多少种组合
推荐的算法文章
95% 的算法都是基于这 6 种算法思想
前端该如何准备数据结构和算法？[4]
awesome-coding-js 用JS实现的算法和数据结构
从最简单的斐波那契数列来学习动态规划（JavaScript版本）
总结
文中列出了现在市面上比较火的一些题目，同时包含了我面试中遇到的所有算法题。算法在阿里、头条、美团的面试中，几乎是必考的。特别是二叉树，我几乎每次都会遇到，为啥大厂对二叉树这么情有独钟？ 有知道的小伙伴，麻烦在评论区告诉我，感谢。
如果小伙伴们看了这篇文章后有所收获，那就是我最大的满足
参考资料
[1] 力扣上最长上升子序列的视频讲解:
https://leetcode.cn/problems/longest-increasing-subsequence/solution/shi-pin-tu-jie-zui-chang-shang-sheng-zi-xu-lie-by-/
[2] LeetCode 19.凑零钱问题 动态规划:
https://www.cnblogs.com/Transkai/p/12444261.html
[3] 二叉树在线构建工具:
http://www.easycode.top/binarytree.html
[4] 前端该如何准备数据结构和算法？:
https://juejin.cn/post/6844903919722692621